一句话看懂：Visa 推出 Agentic Commerce Benchmark，让 12 家实验室的 22 款 AI 模型完成 15 项购物任务，首轮整体失败率 42.8%。这说明 AI Agent 在信息不全时“先问清再购买”的能力仍不稳定，直接影响电商与支付场景的落地节奏。
事件核心：发生了什么
Visa 在 2026 年 11 月 5 日发布声明称，这项测试覆盖电视、笔记本电脑和个人护理电器等购买场景。用户不会一次交代全部需求，AI 需要通过对话补全预算、格式支持、HDR10+、游戏功能等条件；若没有合适商品，还要主动放弃购买，并给出足够信息支撑判断。每款模型对每个场景有三次尝试，全部三次通过的比例仅 34.2%，而 54% 的失败运行中 AI 仍然下了单。Visa 未公布模型名单，Fortune 报道称 Google 与 Meta 的 Agent 并列最高 82%，Claude 为 76%，OpenAI 为 64%。
为什么重要
这是支付网络公司首次用统一任务检验“代理购物”的可靠性。结果暴露出一个关键问题：模型答对一次不等于稳定可靠，同一场景重复测试时仍可能失败。对电商平台和支付机构而言，Agent 的信任门槛不只是“能不能买”，而是能否持续识别隐藏需求、在信息不足时停下来追问，并在不该买时明确拒绝。目前公开信息显示，Visa 计划把测试扩展到结账、支付和下单环节，说明其目标已从商品推荐延伸到交易闭环。
对用户/开发者/创作者的影响
对普通用户，AI 代购短期内仍更适合做筛选和比价，实际支付前保留人工确认更稳妥。对开发者，评测提示了几个优化方向：多轮追问机制、需求覆盖度校验、购买前的自检与拒绝策略，以及推理成本与准确率的平衡——测试中每轮最贵的五款模型通过率为 67.1%，最便宜的五款为 50.2%。对商家和内容创作者，商品信息越结构化、参数越完整，越有利于 Agent 正确匹配需求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Visa 是否公布完整模型名单和分场景结果；二是结账与支付环节加入后，失败率是否因风控和授权流程上升；三是 Google、Meta、Anthropic、OpenAI 等厂商是否针对基准反馈迭代 Agent 能力。Visa 表示已在 Payments Frontier 网站开放测试，但基准结果只反映当前任务和评测条件，不宜视为永久排名。
来源：The Next Web
