阿里巴巴 MerchantBench 测试：阿里电商 AI 的表现仅达到人类净资产的 27.3%

8 月 10 日当周，三大科技公司同步发布针对 AI 代理的专用工具。阿里巴巴推出 MerchantBench——一个模拟 365 天电商业务运营的基准测试，使用超过 98,000 笔真实商品记录与 26 种工具评估 AI 代理的长期业务决策能力；测试结果显示，表现最佳的 LLM 仅达到人工经营者净资产的 27.3%。

阿里巴巴 MerchantBench：365 天电商模拟，最佳 AI 代理仅达人工经营者 27.3%

MerchantBench 是阿里巴巴推出的电商业务长期管理基准测试，模拟 365 天的完整业务运营；使用超过 98,000 笔真实商品记录与 26 种业务决策工具，测试 AI 代理在定价、库存管理、现金流等方面的表现如下：

测试周期：模拟 365 天电商业务运营

数据规模：超过 98,000 笔真实商品记录

工具数量：26 种业务决策工具

测试维度：定价、库存管理、现金流及其他商业决策

结果：表现最佳的 LLM 仅达到人工经营者净资产的 27.3%

与短期基准测试不同，MerchantBench 专注于长期决策，因为早期错误可能在后期造成复合影响。此基准测试提供了衡量 AI 代理能否长期维持绩效、适应市场变化并作出合理财务决策的方法。

Cloudflare Kitesurf：代理优先浏览器，CPU 与内存远低于 Chromium

Cloudflare 推出的 Kitesurf 是专为 AI 工作负载设计的代理优先浏览器，在 Cloudflare Workers 的隔离 V8 环境中运行。与传统为人类用户设计的浏览器不同，Kitesurf 优先考虑 AI 代理的需求：可扩展性、结构化内容、性能与更低的资源占用。

对于截图和 HTML 提取等常见任务，Kitesurf 的 CPU 和内存占用远低于 Chromium，适合同时运行多个浏览器代理。Kitesurf 已通过超过 215,000 项 Web 平台测试，支持 Puppeteer、Playwright 和基于 MCP 的 AI 代理工具；目前处于 Beta 测试阶段，Cloudflare 计划未来将其开源。

微软研究院 Flint：开源可视化语言，支持 50 种图表类型

微软研究院推出 Flint，这是一种开源可视化语言，让 AI 代理使用简洁易读的规范（而非复杂的坐标轴、刻度、间距和布局配置）生成图表；其编译器自动处理底层细节，支持 Vega-Lite、ECharts、Chart.js、Plotly 及原生 Excel 图表等多个渲染平台。

Flint 支持 50 种图表类型，并提供用于代理工作流的 MCP 服务器；通过减少 AI 模型需要生成的代码量，提高图表创建的可靠性并降低出错率。

Flint 为开发者提供跨不同渲染系统构建可视化图表的通用接口，对于需要动态生成图表的 AI 分析工具和数据代理尤其实用。

常见问题

阿里巴巴 MerchantBench 测试的结果是什么？

根据阿里巴巴的测试，在模拟 365 天电商业务运营（使用超过 98,000 笔真实商品记录和 26 种工具）后，表现最佳的 LLM 仅达到人工经营者净资产的 27.3%，凸显 AI 代理在独立管理复杂业务方面仍有较大改善空间。

Cloudflare Kitesurf 目前是否可以使用？

根据文章说明，Kitesurf 目前处于 Beta 测试阶段，已通过超过 215,000 项 Web 平台测试；Cloudflare 计划未来将其开源。Kitesurf 支持 Puppeteer、Playwright 和基于 MCP 的 AI 代理工具。

微软 Flint 支持哪些图表渲染后端？

根据微软研究院说明，Flint 支持 Vega-Lite、ECharts、Chart.js、Plotly 及原生 Excel 图表等多个渲染平台，共支持 50 种图表类型，并提供用于代理工作流的 MCP 服务器。