Visa 让 22 个 AI 去网购,42.8% 没买对

一、最该知道：买错了还算小事，54% 的失败单照样付了钱

Visa 在 11 月 5 日发布了一份基准测试报告，名字叫 Visa Agentic Commerce Benchmark。做法很直接：把来自 12 家实验室的 22 个 AI 模型放进来，让它们扮演购物助手，跟一个藏着真实需求的模拟顾客聊天，然后决定买还是不买。

一共 15 个购物场景，买电视、买笔记本、买个人护理电器，每个模型每个场景跑三次，合计 990 次测试。

结果并不好看。整体通过率 57.2%，失败率 42.8%。表现最好的模型过了 82.2%，最差的只有 28.9%。一家模型在一个场景跑三次全部成功的组合，只占 34.2%——同一个模型这次挑对了，下次未必。

真正让人警觉的是失败之后发生了什么：54% 的失败测试里，AI 还是把单下了。要么买的商品不符合已经识别出来的要求，要么在还没问清楚需求时就付了款。

Visa 的结论是，失败的关键不在会不会算账，而在会不会问。表现最好的五个模型平均通过率 70.2%，它们共同的特点是能从对话里挖出顾客没主动说出口的条件；挖得最少的五个只有 44.4%。价格贵一点确实有优势——最贵的五个模型通过率 67.1%，最便宜的五个 50.2%——但贵不保证对。

一句判断：AI 已经拿到了钱包的钥匙，还没学会在结账前多问一句。

数据来源：Visa Agentic Commerce Benchmark

二、值得一看

1. 谷歌视频模型价格再降三成

11 月 5 日，谷歌正式推出 Gemini Omni 1.2 Flash，720p 视频生成价格降到每秒 0.07 美元，比上一代 Omni 1.1 Flash 便宜 30%。单条视频最长时长从 10 秒提到 15 秒，支持以 1 秒为步进在 3 到 15 秒之间任意指定。值得看的地方在于工作流变了：先出 360p 或 720p 的草稿，改到满意再升到 1080p 或 4K，改背景、换产品、调光线都能在同一段视频上多轮对话完成，不用推倒重来。视频生成的计费方式，正在从按条买变成按秒抠。

2. 月之暗面把 2.8 万亿参数全放出来了

11 月 4 日，月之暗面在 Hugging Face 上线 Kimi K3.1 Pro 的完整权重，总参数 2.8 万亿，每个 token 激活 1040 亿，上下文 100 万 token，权重文件 1.56 TB，用 MXFP4 格式存。API 定价每百万输入词元 2 美元、输出 10 美元，比上一代 K3 的 3 美元和 15 美元便宜三分之一。据 Arena.ai 11 月 5 日的数据，它基于超过 1.75 万次真实智能体会话，在开放权重模型里排第一，总榜第 13。参数规模只是表面，价格往下走的同时能力往上走才是关键。

3. 百度开源 2800 亿参数的基座

11 月 5 日，百度开源文心 5.5 Flash Base，采用稀疏 MoE 架构，总参数 2800 亿，每个 token 只激活 140 亿，用 33.5 万亿 token 从零预训练，训练上下文 128K，微调和推理支持到 100 万 token。这次放的是预训练终点的权重，没有做中训练和后训练，开发者拿去自己做领域适配和强化学习。值得看的是它把效率写进了每个零件：门控投影参数量砍掉 75%，43 层里有 37 层用了每 128 个 token 只缓存一条的压缩注意力，省的是显存。FP8 和 BF16 两版权重都已上线。

4. 蚂蚁百灵的新模型比 Claude Opus 5 便宜太多

11 月 6 日，蚂蚁百灵推出原生多模态模型 Ling-3.2-flash，总参数 5600 亿、激活 250 亿、上下文 100 万 token，图像、文本、视频都能进。官方公布的评测里，它在 OmniDocBench 1.5 拿 92.21 分，对比 Claude Opus 5 的 90.56；ZEROBench 拿 43.71，对比 39.52；Vision2Web 拿 85.86，对比 80.20。在 DesignArena 图生前端榜以 1238 的 Elo 分进入前十。定价每百万输入词元 0.30 美元、输出 0.90 美元，上线前两周免费。值得看的是这个价差——同一档能力，费率差了一个数量级。

5. 视频模型公司两亿美元融资挤进独角兽

11 月 5 日，视频生成基础模型公司 Sand.ai 宣布完成 2 亿美元 A+ 轮融资，基石资本、网宿科技联合领投，这是它 2026 年第三轮，10 个月累计融资 3 亿美元，本轮后正式跻身独角兽。它 8 月开源过 MAGI-2 Preview，总参数 1140 亿、单次激活 60 亿，官方称蒸馏后生成 10 秒 1080P 视频的推理成本为 0.5 元。应用端 VidMuse 上线两个月 ARR 破千万美元。值得看的是那份账：据网宿科技公告，Sand.ai 主体 2026 年上半年营业收入 1739.8 万元，净亏损 1.52 亿元。融资速度和经营数据不在一个量级。

三、一句话速览

OpenAI 11 月 6 日发布网络安全专用模型 GPT-6 Cyber，在 Firefox 代码库挖出 81 个 此前未公开的高危漏洞，靠自动化流水线复现了 1724 个 Linux 内核漏洞，其中 948 个生成了可用的提权利用程序。

腾讯 混元 Hy4 上线首日被挤爆，推理集群紧急扩容 十倍，免费体验额度同步上调，Hy3 限免延长到 11 月 15 日；这个 770B 参数 的模型发布即宣布全面开源。

Meta 11 月 4 日确认收购 AI 编程初创 Conductor，这款工具让开发者同时派多个智能体在隔离工作区里并行写代码，已有超过 10 万人 使用。

OpenAI 同一天宣布收购 Git 基础设施公司 Pierre Computer，Codex 里浏览文件和审阅变更用的两个库本来就出自它，收购后要把代码托管一并并入。

谷歌 11 月 5 日宣布投资 170 亿美元在怀俄明州拉勒米县建该州首座数据中心，配套 702 兆瓦天然气燃料电池电站，全部用电成本自担。

Marvell 宣布以全股票方式收购光通信器件厂商 Lumentum，隐含企业价值 1150 亿美元，较市价溢价 23.9%，预计 2028 年上半年交割。

Anthropic 11 月 5 日为 Claude 上线个人理财，通过 Plaid 只读接入银行和信用卡账户，能看余额和最长两年的交易记录，不能转账也不能动用资金。

特斯拉 新一代 Optimus 在第九届进博会完成中国首秀，官方给出的量产目标成本是每台 2 万到 3 万美元，优先用在自家工厂的物流搬运和零部件装配。

当天最该记住的一句话：模型在榜单上越来越能打，可一旦要它替人做决定，短板立刻回到最原始的地方——会不会问问题，以及知不知道自己什么时候该停手。

AI星轨持续追踪AI前沿与产业链变化，感兴趣保持关注。

本文由AI辅助完成数据整理与初稿撰写，经人工深度分析后发布。