🤖 Qwen выпустила E-Commerce Bench — симулятор магазина для AI-агентов
LLM-агент со стартовым капиталом ¥100 000 целый год — 365 симулированных дней — ведёт онлайн-магазин: торгуется с поставщиками, назначает цены, ведёт склад и кэшфлоу. В среде 6886 товаров и 576 поставщиков, из них 152 мошенника. GPT-5.6 Sol заработала больше всех — ¥1 431 425, но по устойчивости к мошенникам лишь 16-я из 18; лучшая открытая Qwen3.8-Max-Preview — ¥416 252.
🌍 Прибыльность, переговоры, устойчивость к мошенникам и платёжеспособность — независимые оси: ни одна из 18 моделей не лидирует по всем семи. Детерминированное ядро переговоров делает результаты воспроизводимыми.
👤 Команды, строящие агентов для закупок, прайсинга и склада, получают открытый стенд с лимитами на время и ликвидность: модели можно честно сравнивать до боевого запуска.
Источник 1: https://qwen.ai/blog?id=e-commerce-bench Источник 2: https://arxiv.org/abs/2608.30730