导读
Visa 11月5日发布 Agentic Commerce Benchmark：22个模型、12家实验室、15个购物挑战（电视、笔记本、个护电器一类）。新闻稿自报总体通过约57.2%，也就是失败约42.8%；更扎眼的一句是——失败跑次里约54%仍完成了购买。我的判断：Agent 会下单，不等于替买家买对；对卖家来说，要防的是「失败但仍成交」的脏单，不是只盯结账按钮亮不亮。
本号 10-26 写过 AP2 Whisper 论文里的错车率；今天结的是 Visa 行业基准账——角度是基准、信任与卖家验收，不把两篇炒成同一则错车故事。
本文看点
No.01
基准自报了什么
No.02
会下单≠买对
No.03
卖家三步防脏单
No.01BENCHMARK
Visa新闻稿里的数
图 1｜Visa 自报：22模型×15挑战；通过约57.2%；失败跑次里约54%仍买
Visa 新闻稿（2026-11-05）自报：首轮测了 22 个 AI 模型、来自 12 家实验室，共 15 个购物挑战。规则写得很硬——模型要靠对话挖出买家隐藏需求；没有合适货就该选择不买；还得挖够信息，不能靠蒙。总体通过约 57.2%，最好一组尝试通过 82.2%，最差 28.9%。挖出最多隐藏购买因素的五模型平均通过 70.2%；挖得最少的五模型 44.4%。按单次运行成本看，最贵五模型通过 67.1%，最便宜五模型 50.2%——贵一点均值更高，但不保证次次过。一致性更刺眼：每个场景给三轮，三轮全过只占 34.2%。
失败跑次里约 54% 仍完成了购买：要么买了不符合已识别需求的货，要么没挖全需求就买了。新闻稿还引用 2026年9月 Trust Index：72% 的美国消费者用过 AI 助手，仅 23% 信任 AI 代付。Rubail Birwadker（Visa Global Head of Growth）说：trust is key。Visa 写明后续会把测试扩到 checkout、payment、order placement；Payments Frontier 上可以自测、看回放、读白皮书。
模型名排行？Visa 稿本身没点名。据 Fortune（Jeff John Roberts，2026-11-05）报道，Google 与 Meta 相关 Agent 顶分约 82%，Claude 约 76%，OpenAI 约 64%——这是 Fortune 的写法，不是 Visa 新闻稿原文，别混进「Visa 官方排行榜」。
No.02DIRTY
会下单≠买对；脏单在失败里
图 2｜两层辨真伪：通过率≠买对；失败跑次里过半仍成交=脏单风险
第一层辨真伪：Agent 能走完购买动作，不等于替买家买对。基准的「通过」要求挖全任务定义的需求，并且买对或正确选择不买。只看「下了单」会把失败跑次里那一半仍成交的单子当成成功。第二层辨真伪：信任账与能力账要分开。Trust Index 里「用过」远高于「信它代付」——用户愿让 AI 参谋，不等于愿把付款权交出去；卖家若把「Agent 渠道」当成已验证的合格订单漏斗，会低估退货、客诉与拒付。
对照本号 10-26 AP2 Whisper：那篇是协议/签名场景下的错车论文（自报约 56%）；今天是支付网络方给出的行业购物基准——42.8% 失败 + 失败里约 54% 仍买。两篇都在说「动作完成≠需求对齐」，但信源、测法、卖家动作清单不同，别当成同一篇翻炒。
No.03CHECKLIST
卖家今晚三步
图 3｜本期结账：字段可解析 / 拒买条件可执行 / 人审脏单
结 余LAST WORD
写在最后
Agent 会下单，不等于替买家买对。Visa 自报失败约 42.8%，失败跑次里约 54% 仍完成了购买——卖家要防的是脏单，不是只庆祝结账按钮亮了。基准会继续扩到支付与下单；你今晚能做的更小：字段写清楚、拒买条件可执行、脏单有人审。
你更怕买错，还是买不到？评论区二选一。负责 Agent 渠道或独立站字段的同事，可以把这篇转给他对照三步。
出处：Visa 新闻稿（2026-11-05，Agentic Commerce Benchmark；57.2%/42.8%/82.2%/28.9%/70.2%/44.4%/67.1%/50.2%/34.2%/54%；Trust Index 72%/23%；Birwadker）。模型名排序据 Fortune 2026-11-05，非 Visa 稿点名。数字均为原文自报，非本号实测。
往期相关
▪ 购物Agent签了单仍能下错车：论文测出56%
— 本 期 结 账 —
我是「写新AI电商」，每天挑一个 AI 用在电商里的真实案例，把账算清楚。
觉得有用的话，欢迎点赞、收藏、评论。