一项由AI自主运营网店的模拟测试显示，不同模型在长期经营能力上的差距十分明显：表现最好的模型可将初始资金放大14倍以上，而部分模型则因现金流管理失当在测试过程中破产。
据日本媒体ITmedia 21报道，阿里巴巴Qwen研究团队与香港科技大学联合公布了用于评估AI长期经营能力的“E-Commerce Bench”测试结果。
在这项研究中，18款AI模型分别获得10万元人民币启动资金，并在模拟环境中经营虚拟网店365天。研究团队表示，这并非真实经营一整年，而是基于电商数据进行的仿真测试。
测试过程中，每个模型最多可同时运营4家店铺，需自行完成市场调研、与供应商谈判、商品采购、定价、发货、退货处理以及资金管理等一系列环节。整个测试共覆盖6886种商品和576家供应商。
其中，152家供应商被设定为欺诈供应商，可能存在虚报价格或提供劣质商品等情况。与此同时，货款在发货后需9天才能回笼，这意味着即便账面上处于盈利状态，若现金流管理不当，模型仍可能中途破产。
从最终结果看，排名第一的是OpenAI的GPT-5.6 SOL。该模型将10万元启动资金对应的平均最终资产提升至约143万元，约为初始资金的14.3倍。不过，其在涉及欺诈供应商的支出占比指标上，在18款模型中仅列第16位，相关表现相对靠后。
排名第二的是Anthropic的Fable5，平均最终资产约80万元。该模型在工具调用次数更少的情况下，仍实现了更高的经营效率。
在开源模型中，阿里巴巴的Qwen3.8 Max Preview表现最佳，平均最终资产约42万元。研究显示，该模型在记住历史成交价格并据此重新议价方面表现更为突出。
不过，在总计90次实验中，共有10次出现中途破产的情况。部分模型在5次测试中有4次因资金不足而被迫停止经营。
研究团队认为，这一结果显示出AI在长期经营场景中的潜力，但在识别欺诈供应商和现金流管理等方面，仍存在较为明显的局限性。
Choi Jae-won
ittt_0801@d-today.co.kr