2026年9月15日，美国数字体验平台Optimizely正式发布专为营销工作打造的后训练专属AI模型族。该平台2010年成立于旧金山，最初以A/B测试服务起家，目前为企业营销团队提供整合实验、内容管理、客户数据分析的一体化数字体验工具。早期测试数据显示，新系列模型完成营销类任务的质量可匹配前沿大模型水平，成本效率较当前最先进的通用大语言模型提升10倍。
通用前沿大模型为适配多场景任务搭载大量参数，处理垂直营销任务时会加载非必要模块、拉取额外上下文，消耗不必要的token资源。Optimizely此次推出的模型剔除了这类冗余设计，专门针对营销场景优化。此前该公司对全球超2000名B2B营销负责人开展调研，53%的受访者反馈现有AI工具能还原品牌事实信息，但难以捕捉品牌连接受众所需的情感共鸣。新模型的设计核心就是保留营销场景特有的上下文与品牌理解能力，承担更多实际工作。
与新模型同步推出的还有开源营销AI基准测试工具Mark-Bench。该工具覆盖15个营销职能下的285项任务、超6000项评估标准，包含撰写新闻稿、社交帖子、邮件文案等具体营销场景，可供营销人员、研究人员及AI服务商测试自身模型与智能体框架，形成行业统一的成本与性能客观衡量标准。在Mark-Bench默认配置的全项通过率测试中，Optimizely智能体平台得分为67%，高于Claude Code的60%，成本仅为后者的一半。
新模型依托Optimizely智能体平台的数据层Mark-IQ运行，可直接调用对应企业的实验历史、网页分析等自有上下文数据，营销人员无需在每次提示中重复输入品牌相关信息。Optimizely AI工程负责人Imran Yousuf在产品发布材料中谈到，AI实验室的初期结果超出预期，后训练模型是解决成本与质量平衡难题的长期方案，用户无需判断不同场景该选择哪款模型，智能体平台会自动匹配适配方案，让时间和预算投入到能拉动业务增长的实际工作中。
就在本次模型发布前一天，Optimizely刚推出Virtual Teammates功能，为营销人员提供适配不同岗位的AI协作角色，搭配本次发布的专用模型落地使用。公司总裁Shafqat Islam谈到，通用框架适配泛用生产力场景效率尚可，但处理垂直领域工作效率偏低，此次推出的方案以前沿质量搭配更低成本，可帮助客户规模化落地智能体营销，摆脱试点停滞的困境。
Optimizely方面谈到，随着使用规模扩大，针对不同任务匹配对应模型而非默认使用单一通用大模型，可让大规模智能体营销工作的成本保持可预测。这批专用模型将很快向所有智能体平台客户开放，相关产品信息可在Optimizely官网查询。
本文首发于 亿邦动力 官方网站
免责声明：本内容全程由AI生成，请注意甄别信息。若存在信息错漏、理解偏差，欢迎随时指正。
如您发现问题，请发送邮件至 ai-content-feedback@ebrun.com 。
文章来源：亿邦动力
