⚡️ Qwen представила E-Commerce Bench - новый бенчмарк для проверки AI-агентов на долгосрочном управлении бизнесом.

Агент получает ¥100 000 и должен целый год управлять интернет-магазином:

- искать поставщиков

- торговаться

- выставлять цены

- запускать акции

- контролировать склад

- управлять денежным потоком

Среда построена на реальных данных электронной коммерции.

Внутри:

- 6886 товаров

- 576 поставщиков

- 152 из них мошенники

- комиссии за хранение

- возвраты

- репутация

- ограниченный рабочий день

Оценка идёт сразу по 7 направлениям, поэтому одной модели, которая была бы лучшей во всём, пока нет.

Blog: https://qwen.ai/blog?id=e-commerce-bench

Paper: https://arxiv.org/abs/2608.30730

Project: https://ecbench.github.io

Code: https://github.com/QwenLM/E-CommerceBench