Visa 推出了专门的基准测试 Visa Agentic Commerce Benchmark，旨在评估 AI 智能体在真实商品购买场景中的处理效率。首轮测试结果远非理想，清晰展示了自主商务的雄心与当前技术水平之间的差距。
共有来自 12 个实验室的 22 个模型参与了测试——这是一个颇具规模的样本，涵盖了人工智能市场众多领先参与者。平均成功率仅为通过尝试的57.2%。换言之，几乎每两项商品筛选任务中就有一项以失败告终。
57.2% 这个数字背后意味着什么
略高于一半的指标并非简单的统计误差，而是一个系统性信号。智能体商务意味着 AI 需自主解读用户请求、在商品目录中导航、比较参数并做出购买决策。正是在这条多阶段的路径上，模型暴露出脆弱性：错误在每个环节累积，降低了最终可靠性。
对于支付行业和电子商务而言，这是一个至关重要的结论。自主智能体承诺将彻底改变用户体验，但在当前准确率下，对其大规模信任为时尚早。建立在将采购和购买功能完全交给 AI 基础上的商业模式，目前尚无法依赖稳定的结果。
Visa 的基准测试为整个行业设定了重要标杆：它将关于智能体商务的讨论从营销承诺层面转移到可衡量指标的层面。后续测试轮次将展示模型能以多快速度跨越真实交易所需的可靠性门槛。
Cryptalist 分析：57.2% 的结果反映了面向商务的智能体 AI 解决方案的根本性不成熟：演示能力与生产可靠性之间的差距依然显著。对市场而言，这是一个信号，表明自主支付和采购基础设施将逐步形成，而需求将转向有人参与的人机混合模式。投资者和支付平台应为智能体商务的落地预留较长的时间周期。