Visa 测了 22 个购物智能体，平均通过率只有 57.2%：能下单不等于能买对

Visa 公布了一组购物智能体的测试结果：22 个智能体参加，平均任务通过率 57.2%。这个数字比任何榜单都更接近真实世界的水平。

57.2% 意味着什么

接近一半的任务失败。失败的可能原因很多：选错商品规格、优惠券没用上、配送地址填错、支付环节卡住、超时未确认。对消费者来说，这些都不是「体验不佳」，而是实实在在的损失。

为什么购物场景特别难

一是状态多。购物车、库存、优惠、地址、支付方式，每一步都有服务端状态，模型看不到全貌，只能靠页面推断。二是不可逆。点下支付就是真金白银，没有撤销键。三是对抗性强。电商页面本身就在用各种设计引导点击，智能体很容易被带偏。

行业的老问题

能力上线速度一直快于交易可靠性与责任机制。模型买错了东西，责任在谁？平台、模型厂商、还是用户？现在没有共识。这也是为什么支付机构比模型厂商更急于做基准测试：钱过手的那一刻，风险是实打实的。

给做 Agent 的团队的建议

别把「能完成」当成功标准，要把「错了能发现、能回滚」做进设计。下单前做一次结构化确认，支付前设金额阈值，异常状态一律转人工。这三条不酷，但能救命。

一个观察

今年智能体的宣传口径普遍从「能做什么」转向「多可靠」。这是个好信号，说明行业开始算账了。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

57.2% 这个数字比任何榜单都实在。购物场景状态多、不可逆、页面本身还有引导性设计，智能体很容易被带偏。支付前设金额阈值是必须的。

57.2% 的通过率比任何榜单都诚实，购物场景状态多且不可逆，模型看不到全貌只能靠页面推断。选错规格、优惠没用上、地址填错，每一步都是真金白银的损失。建议评测把可恢复步骤和不可逆步骤分开统计，后者才是决定体验的关键。