开源 CommerceAgentBench，Qwen 跃居开源模型榜首
Alibaba_Qwen · x · 2026-09-01
阿里 Accio 团队开源了 CommerceAgentBench，这是一个针对真实电商操作的 Agent 基准测试，在高保真、有状态的真服务副本中运行。
核心发现：
- 目前最佳的整体完成率仅约 62%，说明 Agent 执行是难点。
- Qwen3.8-Max 在参评开源权重模型中表现最强。
- 该基准旨在测试模型在真实商业工作流中的执行能力，而非仅仅回答问题。
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
- 「LLM 代码糙」遭反杀:ffmpeg 热门库里就有 if/else 两分支一模一样的代码 — kingslyj · 2026-10-16
- dsh-univer-office 插件用 file/worktree/unit 三参数规范 Agent 办公编辑 — FunDistribution6537 · 2026-10-16
- 「首席架构师 MD」工作流让 Gemini 一次性产出超越 Opus 的成品 — oikk01 · 2026-10-16
- 别再逐条审批命令：用真实产物验证 coding agent 是否真跑了测试 — ComprehensiveShake76 · 2026-10-16
- Reddit 深帖：给 AI 表格编辑加白名单校验的完整工作流 — ukdicha-modakkk · 2026-10-16
- NVIDIA agentic 演示全靠 guardrails,Reddit 作者疾呼:模型外检查不可少 — Creamy-And-Crowded · 2026-10-16