E255｜模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔
Show notes
模型在榜单上越来越强，为什么真正把工作交给AI，还是需要人反复解释、检查和兜底？
半年前，我们与阿里国际站总裁张阔聊了Accio Work，以及Agent如何参与采购和日常经营。半年后，我们再次请到他，聊聊这半年来商家使用Accio Work的真实案例，试图回答这个问题：模型能力的提升，究竟有多少变成了商家工作里的进步？
张阔分享，很多模型的通用评测成绩已经接近满分，但团队在真实经营中，并没有感受到同样幅度的提升。为此，他们从实际业务中整理了107个任务，包括比较供应商报价、识别钓鱼邮件、预订船期和处理交易纠纷。据他介绍，在这套特定评测中，最前沿模型在无人干预条件下的任务通过率约为61%。
这些任务没有数学竞赛那么耀眼，却直接关系到商家的成本、交期和利润。一个好用的Agent，既要能把工作做完，也要让人用得起；既要理解工具和流程，也要理解这盘生意究竟想追求什么。
这期节目，我们聊聊榜单成绩与实际交付之间的落差、通用模型与垂直产品的竞争，以及当AI接手越来越多的执行工作，人还需要保留哪些判断。
【主播】
Yiwen，硅谷101主持人
【嘉宾】
张阔，阿里国际站总裁
【你将听到】
从写代码到做生意，Agent还差什么？
01:18 AI同事市场：编程之外，专业工作走到了哪一步？
02:38 商业任务为什么比编程更难？
03:48 从采购搜索到日常经营，Accio Work的任务边界如何扩展
06:12 商家案例：植物监测产品，从创意走到设计、供应链和销售
07:47 找工厂、比报价、拿样品：采购流程里，人和AI如何协作
通用模型越来越强，垂直产品还有什么优势？
10:13 中美Agent生态的差异：垂直SaaS与平台工具
11:30 AI会替代SaaS吗？
14:11 独立站与平台电商：不同市场如何影响产品设计
15:16 Agent公式：模型 × 工程框架 × 上下文
17:46 模型与工程联合优化，不能只等模型升级
榜单接近满分，真实工作为什么还会失败？
20:29 107个真实任务：无人干预条件下，最前沿模型通过率约61%
24:32 报价、钓鱼邮件、订船和纠纷：怎样才算真正完成任务？
26:33 新版本也可能退步，评测必须持续做
28:55 多平台经营：有流水，不代表有利润
32:39 产品品味、市场判断与预算分配：老板仍要做的选择
最贵的模型，不一定是最好的选择
33:44 多模型路由：如何为不同任务匹配能力与成本？
38:05 多个Agent建议冲突，商家该听谁的？
40:35 上云、定时任务、事件响应与长期经营，是不同的能力
43:05 CoCreate现场：商家对Agent有哪些期待？
44:43 小企业如何借助AI，把生意做得更大
【往期相关】
E231｜从B2B到A2A：Agent新基建，如何让“一人企业”做全球生意？
【监制】
泓君
【后期】
Amei
【运营】
朱婕
【BGM】
Trace - Lennon Hutton
Signal Containment - Out To The World
Reclaim - Megan Wofford