阿里巴巴发布 MerchantBench 电商智能体基准

2026年10月2日，阿里巴巴团队发布电商智能体基准 MerchantBench。该基准基于 98,843 条真实商品记录，构建 365 天订单级仿真，并配备 26 个工具，用于评测 LLM 智能体的长期一致性。基准面向电商卖家运营场景，把上游供应商事件与延迟到达的下游订单结果耦合起来，要求智能体跟踪单个订单的完整生命周期并回溯早期决策。评测使用 2 个智能体框架、每轮 48 次运行，共测试 8 个 LLM，结果显示模型在长周期任务中普遍表现不佳。目前这是该基准的首次发布，尚无后续报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。