Visa 发布 Agentic Commerce Benchmark:用真实购物任务给 AI 购物代理打分,不合适就拒买
AI 购物代理到底靠不靠谱?2026 年 11 月 5 日,Visa 在旧金山给出了业界第一份量化答案:其最新发布的 Agentic Commerce Benchmark(代理式商务基准测试)结果显示,22 款主流 AI 模型在真实购物任务中的整体通过率只有 57.2%——而在失败的测试里,约 54% 的情况下 AI 依然坚持下了单。购物代理替你买错东西,比它不会买更值得警惕。
一、这是个什么测试
Visa 在新闻稿里把规则讲得很直白:购物对 AI 来说是个难题,因为消费者一开始往往说不清自己要什么——比如知道要买电视,但说不出具体规格。基准测试要求 AI 通过对话识别消费者的真实需求;如果没有符合条件的商品,AI 应该选择不下单;为了防止瞎猫碰上死耗子,AI 还必须挖出足够的信息来支撑自己的购买决策。
第一轮测试覆盖来自 12 个 AI 研发团队的 22 款模型,设置了 15 种购物情境,包括买电视、笔记本电脑和个人护理家电。Visa 强调这是业界首创的行业基准,并且已向公众开放——消费者可以登录 Visa Payments Frontier 亲自体验测试,还能观看 AI 的作答回放。
据 Fortune 报道,表现并列领先的是谷歌和 Meta 的代理,通过率约 82%;基于 Claude 的模型排第三,约 76%;某款 OpenAI 模型排第六,约 64%。不过 Visa 官方发布中没有点名具体厂商。
二、测试结果的四组硬数字
第一组,整体分化明显。22 款模型平均通过率 57.2%,最好的 82.2%,最差的只有 28.9%——同一个任务,换个模型,结果天差地别。
第二组,会聊天更重要。通过对话挖掘出最多潜在购买因素的五款模型,平均通过率 70.2%;挖得最少的五款,通过率不到一半(44.4%)。深入理解消费者需求,几乎直接决定成败。
第三组,贵的模型不一定稳。单次测试成本最高的五款模型通过率 67.1%,最便宜的五款为 50.2%——花钱能买到更好的表现,但买不来保证。
第四组最扎心:稳定性。每款模型在每个情境测试三次,全部三次都通过的比例只有 34.2%。同一款模型刚通过过的场景,重来一次可能就挂了。Visa 增长全球负责人 Rubail Birwadker 在公告中说:「AI 代理有潜力驱动商务的下一个时代,但信任是让它落地的关键。」

三、失败的方式比失败率更值得看
Visa 数据里商业含义最重的一项是:54% 的失败测试仍以完成购买告终——要么推荐的商品不符合消费者已明确的要求,要么压根没弄清消费者的全部条件就先斩后奏。折算下来,大约每四次测试就有一次以「买错」收场,而不是停下来多问一句。
这与消费者端的信任缺口互为因果。Visa 今年 9 月发布的 Trust Index 显示,72% 的美国消费者用过 AI 助手,但只有 23% 信任 AI 代他们处理支付交易。PYMNTS Intelligence 的报告则称,近 1.32 亿美国成年人曾借助 AI 购买商品——AI 已经拿下了商品发现环节,但付款决策权仍握在消费者自己手里。
高盛研究给这条赛道标了价:其最新测算显示,美国约 2.6 万亿美元的现有年度消费支出属于高采用可能性的代理式商务品类;银行卡线下消费中每出现 2% 的代理式渗透,大约可为电商增长贡献 1 个百分点。Visa 抢先定义「什么叫会购物」,本质上是在给这个 2.6 万亿美元的市场立规矩。
四、商家侧的启示
对商家来说,这份报告的参考价值不在围观 AI 大厂内卷,而在看清自己的商品数据在新链路里扮演什么角色。基准测试暴露的失败模式——「没挖出全部需求就推荐」「推荐不符合要求」——翻译到供给侧就是:AI 拿不到结构化的商品信息,只能靠猜。
所以商品数据的结构化程度,正在从 SEO 课题升级为营收课题。规格参数完整、类目属性清晰、标题不堆砌的商品,AI 才能正确理解和推荐;反之,AI 要么跳过你,要么把你推给错误的人。买电视的情境里,HDR10+ 支持、游戏性能这些细节能不能被机器读取,直接决定推荐是否成立。
Visa 也给出了后续路线:基准测试将扩展到结账、支付和下单环节,并增加更多商品品类。这意味着商家的准备范围不止是商品页——库存接口、价格同步、结账流程都要经得起代理的「考试」。

五、冷静的一面
也要看到,这份基准测试是 Visa 自己设计和执行的,官方未公布各模型归属,测试品类集中在消费电子和家电,尚未覆盖服饰、食品等高频复购品类。57.2% 这个数字反映的是当下模型的平均水平,而模型迭代速度很快,排名随时可能重写。
Visa 自己也没把话说死。在 FAQ 里它明确表示:测试结果说明 AI 代理「还没准备好」的结论并不成立——最高分的模型通过了 82.2% 的尝试,问题出在一致性和可靠性,而不是能力上限。支付巨头的立场也不难理解:Visa Intelligent Commerce 产品组合需要代理式商务尽快成熟,立基准、提标准,既是行业贡献,也是卡位。
但方向已经写在墙上了。当 Visa 开始用「该不该拒买」来考核 AI,说明代理购物已经从概念验证进入了信任建设阶段。对商家而言,真正的问题或许是:你的商品数据,经得起 AI 的这次开卷考试吗?

六、参考资料
- Visa Newsroom:《Visa Releases First-of-Its-Kind Industry Benchmark for AI Shopping; Almost Half of Test Runs Fail》(2026-11-05)
- PYMNTS:《Visa Finds AI Models Fail 43% of Shopping Test Runs》
- Fintech Garden:《AI shopping agents clear just 57% of Visa's agentic commerce benchmark as wrong purchases complicate the trust case》
- Goldman Sachs Research:《Consumer Agents Signal New Phase for AI Growth》
- 經濟日報(台湾):《Visa 首創「AI 智慧購物評測」測試通過率平均僅有五成》
- PYMNTS Intelligence:《Will the 2026 Shopping Season Go Agentic?》