AI最前沿 88Z.ai 9 月 4 日消息，阿里与淘天集团联合发布电商经营评测基准 E-Commerce Bench。该基准要求大模型基于真实市场数据，使用10万元本金模拟运营网店一年，覆盖选品、定价、谈判、库存及促销等全流程。测试显示，GPT-5.6 Sol 资产增值14倍居首；各模型在反欺诈和现金流管理上表现差异明显，仅 Qwen3.8-Max-Preview 能在复购环节实现逐步压价。
消息要点
- E-Commerce Bench 要求模型用10万元本金在真实数据中模拟经营网店一年
- GPT-5.6 Sol 资产增值14倍领跑，仅 Qwen3.8-Max-Preview 能在复购中压价
要点
阿里携手淘天集团正式开源电商经营评测基准 E-Commerce Bench，旨在评估大模型在复杂商业场景中的实战能力。该基准设定了高度仿真的测试环境，要求模型利用10万元启动资金，在真实市场数据背景下完成为期365天的网店经营。考核范围全面覆盖选品策略、动态定价、供应商谈判、库存优化及促销活动等电商全链路环节。 在对18个主流模型的评测中，GPT-5.6 Sol 凭借14倍的资产增值幅度位居榜首。不同模型在反欺诈识别与现金流管理等关键维度上表现出显著差异。值得注意的是，Qwen3.8-Max-Preview 是唯一能够在客户复购过程中实现逐步压价的模型，展现了其在长期博弈与成本控制方面的独特优势。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 千问大模型原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。