Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
10万元、日本円で約235万円。AIにこれを渡して、1年間ネットショップを回させる。中国Alibabaの Qwenチームと香港科技大学（HKUST）の研究者らがまとめた論文「E-Commerce Bench」は、そんな長期の模擬経営でAIモデルの自律的なビジネス運用能力を測るベンチマーク（同じ条件で複数のモデルを比べる共通の試験）を提示した。論文はarXivに公開された予備稿（プレプリント）である。
100.000 yuan, circa 2.350.000 yen. Tanto viene affidato a un'IA perché gestisca per un anno un negozio online. Il team Qwen di Alibaba e i ricercatori dell'Università di scienza e tecnologia di Hong Kong (HKUST) hanno presentato lo studio «E-Commerce Bench», che propone un benchmark (una prova comune per confrontare più modelli nelle stesse condizioni) per misurare la capacità dei modelli di IA di svolgere autonomamente un'attività commerciale in simulazioni di lunga durata. Lo studio è una prestampa (preprint) pubblicata su arXiv.
舞台は、実際のECサイト、淘宝（タオバオ）と天猫（Tモール）のデータに基づく市場モデルだ。6886点の商品と576社のサプライヤーが存在し、AIは最大4店舗を同時に運営する。市場調査から価格交渉、仕入れ、価格設定、発送、返品処理、資金管理まで、18種類のツールを使って業務を自律的に回す。サプライヤーの約4分の1は、相場より高く売りつける、注文数をごまかす、返品率の跳ね上がる粗悪品を送る、といった詐欺業者として設定されている。
Lo scenario è un modello di mercato basato sui dati reali di Taobao e Tmall, due piattaforme di e-commerce. Ci sono 6.886 prodotti e 576 fornitori, e l'IA gestisce fino a quattro negozi contemporaneamente. Con 18 strumenti si occupa in autonomia di tutto il ciclo: dalla ricerca di mercato alla trattativa sui prezzi, dagli acquisti alla definizione dei prezzi, fino a spedizioni, gestione dei resi e della liquidità. Circa un quarto dei fornitori è impostato come azienda truffaldina: vende a prezzi superiori a quelli di mercato, falsifica il numero di ordini o invia merce scadente, con tassi di reso che salgono rapidamente.
資金の流れにも罠がある。仕入れ代や運営費は銀行口座から即座に引き落とされる一方、売上金は発送から9日間、エスクロー（取引の安全のために第三者が代金を預かる仕組み）口座に留め置かれてからウォレットに入る。そのため、黒字でも計画的に銀行口座へ出金しなければ、銀行口座のマイナスが10日連続で続き、破産となる。さらに、古い会話履歴は一定量を超えると自動で消えるため、AIは最大20件のメモリを使って取引の情報を覚えておかなければならない。
Anche i flussi di cassa sono una trappola. Costi di acquisto e spese di gestione vengono addebitati subito sul conto bancario, mentre gli incassi restano per nove giorni dalla spedizione su un conto di garanzia (escrow, il meccanismo in cui una terza parte custodisce il pagamento a tutela della transazione) prima di confluire nel portafoglio. Così, anche in presenza di utili, se i prelievi non sono pianificati il saldo del conto bancario resta negativo per dieci giorni consecutivi e si arriva al fallimento. Inoltre, le vecchie cronologie delle conversazioni vengono cancellate automaticamente oltre una certa soglia, quindi l'IA deve usare fino a 20 voci di memoria per ricordare le informazioni sulle transazioni.
結果で首位に立ったのは「GPT-5.6 Sol」で、初期資金を平均約14.3倍（約143万元）に増やした。ただし詐欺業者への支出割合は18モデル中16位と悪かった。2位の「Fable5」（約8倍）はGPT-5.6 Solの半分以下のツール呼び出し回数で手堅く稼ぎ、1手あたりの利益効率では1位だった。「Claude Opus 4.7」は値引き交渉と詐欺回避の両方で全モデル中トップの緻密さを見せたが、取引規模を広げられず総資産は8位にとどまった。オープンウェイトモデルの最高は、アリババの「Qwen3.8-Max-Preview」（約4.2倍、全体5位）で、再仕入れの際に過去の最安値を基準に値引きを引き出す長期学習能力が全18モデル中トップだった。
Nei risultati, in testa c'è «GPT-5.6 Sol», che ha fatto crescere il capitale iniziale in media di circa 14,3 volte (circa 1,43 milioni di yuan). Tuttavia, la quota di spesa verso i fornitori truffaldini è stata la sedicesima su 18 modelli. Al secondo posto, «Fable5» (circa 8 volte) ha guadagnato con costanza usando meno della metà delle chiamate agli strumenti rispetto a GPT-5.6 Sol, ed è primo per efficienza di profitto per mossa. «Claude Opus 4.7» ha mostrato la massima accuratezza sia nelle trattative sui prezzi sia nell'evitare le truffe, ma non è riuscito ad ampliare il volume d'affari e chiude all'ottavo posto per patrimonio complessivo. Tra i modelli a pesi aperti, il migliore è «Qwen3.8-Max-Preview» di Alibaba (circa 4,2 volte, quinto posto complessivo), che nei riacquisti prende come riferimento il prezzo più basso mai pagato e ottiene sconti: la sua capacità di apprendimento a lungo termine è la prima tra i 18 modelli.
この結果が効くのは、AIに業務を任せたい事業者と、モデルを選ぶ開発者である。資産を大きく増やすモデルと、詐欺や破産を避けるモデルが同じとは限らないことを、論文は数字で示した。全90回の試行のうち10回が途中で破産しており、内訳はGPT-5.5、Claude Opus 4.6、Gemini 3.1 Proが5回中2回、Qwen3.5-Plusが5回中4回だった。ただし各モデルのテストは5回ずつで、市場も模擬のものだ。
Il risultato interessa le aziende che vogliono affidare processi all'IA e gli sviluppatori che scelgono i modelli. Lo studio dimostra con i numeri che il modello che fa crescere di più il patrimonio non coincide necessariamente con quello che evita truffe e fallimenti. Su 10 prove su 90 complessive si è arrivati al fallimento a metà percorso: GPT-5.5, Claude Opus 4.6 e Gemini 3.1 Pro hanno fallito 2 volte su 5, Qwen3.5-Plus 4 volte su 5. Va però considerato che ogni modello è stato testato solo 5 volte e che il mercato è simulato.