Visa Agentic Commerce Benchmark — 全球首个AI购物代理标准化评测22个模型42.8%失败率（11-05发布）

AI 代理会买东西了，但靠谱吗？Visa 给了第一把尺子

2026年11月5日，Visa 发布了全球首个 AI 购物代理标准化评测基准——Agentic Commerce Benchmark。15个贴近真实的购物场景（买电视、笔记本电脑、个人护理电器等），22个来自12家 AI 实验室的模型参加测试。结果：总通过率 57.2%，最好的达到82.2%，最差的只有28.9%。更值得关注的数字是：54%的失败运行仍然完成了购买——AI 代理要么推荐了不符合客户需求的商品，要么没问清楚需求就下单。Visa 全球增长主管 Rubail Birwadker 表示，AI 代理可以驱动商业的下一个时代，但信任是关键。

核心发现

• 测试方法：模拟消费者与 AI 代理对话，代理需要通过提问识别消费者需求（包括消费者没主动说的隐藏需求）。如果目录中没有合适商品，正确答案是”不买”。每个模型有3次尝试机会。
• 排名：Google Gemini 和 Meta Muse 并列第一（约82%），Anthropic Claude 第三（76%），OpenAI 第六（64%）。
• 一致性挑战：三次尝试全部通过的比例只有34.2%——即使通过了的模型，重复测试时也可能失败。
• 成本相关：最贵的5个模型平均通过率67.1%，最便宜的5个为50.2%。
• 54%失败仍购买：代理的问题不在于”不能浏览商店或点击结账按钮”，而在于”该停下来问的时候没问，该说不的时候没说”。

适用场景与价格

Visa Agentic Commerce Benchmark 对消费者开放测试（消费者可以自己体验 AI 代理的购物能力），同时面向 AI 模型提供商共享基准数据用于改进。Visa 计划将测试扩展至结账、支付和下单环节。对跨境卖家来说，这个基准是一个信号：AI 代理购物正在从实验走向标准化评估，你的商品数据和结账体验能不能让 AI 代理”买对”，正在成为新的竞争维度。

推荐理由

Visa 9月发布的信任指数显示，72%的美国消费者使用过 AI 助手，但只有23%信任 AI 代替自己处理支付。57.2%的通过率和54%的失败仍购买——这两个数字放在一起，说明 AI 代理购物”能用但还不可靠”。对跨境卖家而言，这意味着现在正是建立”AI 代理友好”商品数据和结账体验的窗口期——等所有代理都靠谱了再准备，就晚了。