榜单逼近满分，生意还没跑通：再访张阔谈Agent的真实水位与真实成本
模型通用评测已刷到99分，为什么真实经营感受不到同幅度提升？阿里国际站总裁张阔再访硅谷101：团队从百万级真实经营数据中提炼107个电商任务开源为CommerceAgentBench，最强前沿模型无人干预通过率仅61.7%；用’模型×执行框架×上下文’的乘法公式做任务路由与后训练，Accio跑完全量任务成本3.69美元，约为Codex与Claude Code的四成。当’用得起’成为第一优先级，商业AGI的定义也随之改写。
模型通用评测已刷到99分，为什么真实经营感受不到同幅度提升？阿里国际站总裁张阔再访硅谷101：团队从百万级真实经营数据中提炼107个电商任务开源为CommerceAgentBench，最强前沿模型无人干预通过率仅61.7%；用’模型×执行框架×上下文’的乘法公式做任务路由与后训练，Accio跑完全量任务成本3.69美元，约为Codex与Claude Code的四成。当’用得起’成为第一优先级，商业AGI的定义也随之改写。