E-Commerce Bench：长程经营，多维评估
2026.09.03 · 事件 · 评测基准 · 官方发布
通义千问联合淘天发布电商经营评测基准，模拟365天开店，评估模型长程经营能力。
通义千问联合淘天集团发布E-Commerce Bench，评估模型作为电商商家在真实市场中经营网店的能力。模型需在10万元本金和一年时间内，进行调研、谈判、定价、库存管理等决策，应对市场变化。评测从盈利、现金流、谈判、反欺诈等七个维度进行，发现单一指标会掩盖模型真实表现，且多数模型在长程学习上表现不佳。
- 10万本金，365天持续经营
- 真实市场数据驱动，含6886个商品
- 确定性谈判内核，避免采样噪声
- 七维能力拆解，年终总资产非唯一指标
- 18个模型仅2个在长程学习上低于随机
为什么值得看
首个模拟真实电商长程经营的评测基准，揭示模型在复杂动态环境中的能力短板。
适合谁关注
AI模型开发者、电商平台技术团队、AI评测研究者