Qwen 团队发电商 Agent 基准：18 个前沿模型跑全年模拟无一家全面领先
dair_ai · x · 2026-09-02
Qwen 团队发布 E-Commerce Bench:让 Agent 在模拟 365 天中同时运营多家在线商店,对 18 个前沿模型按 7 个维度打分。
- GPT-5.6 Sol 赚钱最多,把 10 万初始资金做到 1,431,425,但欺诈规避维度仅排 18 名中的第 16,运营效率也不及 Fable 5。
- 开源权重模型中 Qwen3.8-Max-Preview 以 416,252 领先,高出 GLM 5.2(high)约 38%,且在长期运营中学习性最强——能通过反复下单逐步把供应商价格压下来。
- 没有任何单一模型在所有维度上占优。适合需要跨 session 长期评测 Agent 的研究者阅读。
所属事件:Qwen 发布电商智能体基准 全年模拟无一模型全面领先(4 条相关)→
「模型」频道最新
- Mistral 发布 Timestral 时序预测模型，500 万参数可跑普通 CPU — lmoroney · 2026-10-18
- AutoTrust 模型被曝刷榜:仅 17 天冲上 HF 史上点赞第 10 — realmrfakename · 2026-10-18
- Google AI Studio 全面升级:Gemini 4 Argon 驱动全栈应用一键部署 — clmt · 2026-10-18
- 爆料:OpenAI 下周将发布新模型,代号 aurora 疑似三款 alpha — imjustnewatai · 2026-10-18
- 用户吐槽 Gemini 推出 Argon 后大面积卡顿：一半请求挂起 — johnfromberkeley · 2026-10-18
- Domingos：叠加是特性而非缺陷，不损可解释性反增记忆容量 — pmddomingos · 2026-10-18