阿里 Accio 开源电商 Agent 基准，Qwen 居开源榜首

阿里 Accio 团队开源了 CommerceAgentBench，一个针对真实电商操作的 Agent 基准，包含 107 个来自真实业务的任务，覆盖采购、上架、履约和售后环节，并运行在高保真、有状态的真服务副本中。该基准强调评估 Agent 的实际行动而非输出，被视为目前最实用的电商 Agent 基准之一；结果显示 Claude 仅完成过半任务，Qwen 在开源模型中排名第一。

2026-08-30 ~ 2026-09-01 · 3 条相关