E-Commerce Bench 开源揭秘：评估大模型长程网店经营能力

千问联合淘天集团发布 E-Commerce Bench，评估模型在 365 天、10 万本金约束下的电商经营能力。该基准通过确定性内核和 LLM 渲染层还原真实市场与供应商谈判，对 18 个模型进行七维度评估。结果显示 GPT-5.6 Sol 年末总资产达 143 万，但 18 个模型在反欺诈和长程学习上仍存在显著差距，未能在所有维度上同时保持优势。