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。
「编程与Agent」频道最新
- Militant 推出 AI 音乐视频与开发者工具 — Kyrannio · 2026-08-31
- 用 Caveman 插件大幅削减 Claude Code 吐字量 — Any_Chemical9410 · 2026-08-31
- 实测 Qwen 3.8 配置：n-max 4 速度最快 — GodComplecs · 2026-08-31
- 超越 Mem0 等竞品，BrainAPI 谈 Agent 架构瓶颈 — shbong · 2026-08-31
- 提升 Agent 效能关键：打通 Slack 与 Notion 等分布式上下文 — brandon_galang · 2026-08-31
- 强模型给弱模型搭脚手架：GPT-5.4-mini 准确率从 0.488 跃至 0.912 — 青稞AI · 2026-08-31