Visa 测试 22 款 AI 模型购物 失败率 43%

时间：2026 年 11 月 4 日 地点：美国 人物：Visa 公司 事件详情：Visa 发布了首份 Agentic Commerce Benchmark（智能体商务基准测试），对 22 款 AI 模型进行了模拟购物测试。PYMNTS 报道，这些模型来自 12 家实验室，需要完成 15 项购物挑战，包括购买电视、笔记本电脑和个人护理电器等任务。测试结果显示，AI 模型的整体通过率仅为 57.2%，平均失败率约 42.8%。其中表现最好的模型通过率为 82.2%，而最差的仅 28.9%。TheNextWeb 进一步指出，54% 的失败运行最终仍以 AI 完成购买收场，说明模型在交易执行环节存在明显风险。ForkLog 的报道显示，排名靠前的分别是 Google 的 Gemini 4 Argon 和 Meta 的 Muse Wonder，Anthropic 的 Claude 以 76% 的成功率位列第三，OpenAI 的方案排在第六，成功率为 64%。 背景：随着 AI 代理越来越多地介入在线购物流程，Visa 希望建立一套行业标准来衡量不同模型在真实交易场景中的可靠性。此次基准测试覆盖了从商品搜索、比价到下单支付的全流程，是目前为止最大规模的 AI 购物代理横向对比。 影响：42.8% 的平均失败率意味着 AI 购物代理距离可靠地替代人类消费者还有显著差距。对于电商平台和支付公司而言，AI 代理的下单失败不仅影响转化率，还可能引发退款纠纷和欺诈风险。Visa 的基准测试为行业提供了可量化的评估框架，也提醒商家在接入 AI 导购时需设置更严格的交易验证环节。 总结：Visa 的基准测试揭示了当前 AI 模型在购物任务上的真实能力边界。尽管头部模型已能处理超过八成任务，但整体平均失败率仍接近四成，且高价模型并未显著优于低价模型。这一 findings 意味着 AI 代理的大规模商用仍需在准确性和安全性上继续打磨。 参考来源： Visa 官方新闻稿 https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.22936.html PYMNTS https://www.pymnts.com/news/artificial-intelligence/2026/visa-finds-ai-models-fail-43percent-shopping-test-runs/ TheNextWeb https://thenextweb.com/news/visa-ai-shopping-benchmark-agentic-commerce-ai-models-fail ForkLog https://forklog.com/en/ai-agents-fail-nearly-half-of-shopping-tasks-in-visa-test/ Digital Transactions https://www.digitaltransactions.net/visa-preps-agentic-commerce-benchmark-and-forecasts-a-4-5-holiday-spending-jump/ TheOutpost https://theoutpost.ai/news-story/visa-s-ai-shopping-benchmark-reveals-42-8-failure-rate-across-22-ai-agents-33166/ fintechgate https://fintechgate.net/256600