Accio 开源电商智能体基准，Claude 仅过半任务
dr_cintas · x · 2026-08-30
Accio 开源了 CommerceAgentBench，包含 107 个来自真实业务（采购、上架、履约、售后）的任务。这是目前最实用的电商 Agent 基准之一，要求 Agent 处理邮件、浏览器、日历及供应商工具。Claude Opus 5 虽居榜首，但也仅完成了 66 项任务。数据基于 1000 万中小企业用户、160 万对话和 2000 个高价值工作流脱敏而成。
所属事件:阿里 Accio 开源电商 Agent 基准，Qwen 居开源榜首(3 条相关)→
「编程与Agent」频道最新
- 用 Codex 17分钟写好 iPhone Duo 抢购程序，41项测试通过 — xiaohu · 2026-10-16
- 生成式 CAD 工具 NativeCAD 提供 177 个 MCP 工具，85% 以上英文建零件需求可通过 — burhop · 2026-10-16
- Flux AI CAD 支持导入 STEP 文件后用自然语言直接改型 — burhop · 2026-10-16
- 同时开 50 个 AI 任务是充电还是烧脑?开发者吵起来了 — zack_overflow · 2026-10-16
- 创业者用 Opus 一次清掉 3 万行技术债,印证「等新模型来重构」策略 — lucasmeijer · 2026-10-16
- 日本工程师用 tmux 搭建 AI agent 组织：每项目一队，人只对接总管 — 4310sy · 2026-10-16