Alibaba.com sagt, dass Accio E‑Commerce‑Aufgaben zu über 50% niedrigeren Kosten ausgeführt hat

Alibaba.com kündigte am 9. September 2026 Ergebnisse einer Benchmark‑Bewertung mit 107 Aufgaben an, die zeigen, dass Accio, die KI‑Agentenplattform des Unternehmens für den Handel, eine Reihe von E‑Commerce‑Aufgaben zu mehr als 50 % geringeren geschätzten Kosten als OpenAI‑Codex und Anthropic Claude Code erledigte, wobei das Unternehmen eine vergleichbare Abschlussqualität beschrieb.

Die Ausführung des gesamten Aufgabensatzes kostete mit Accio schätzungsweise 3,69 $, gegenüber 9,27 $ für Codex und 9,51 $ für Claude Code – Zahlen, die Alibaba.com als in beiden Fällen über 50 % niedriger bezeichnete. Das Unternehmen erklärte, dass die Ergebnisse Accio zum kostengünstigsten KI‑Tool für den E‑Commerce machen, das kleinen und mittleren Unternehmen zur Verfügung steht. Die Ankündigungen erfolgten bei CoCreate, dem jährlichen Event von Alibaba.com für Unternehmer und kleine Unternehmen, dessen Los‑Angeles‑Ausgabe 2026 vom 9. bis 10. September stattfindet.

Wie Alibaba.com die Kostendifferenz erklärt

Laut dem Unternehmen beruht die Effizienz von Accio darauf, das gesamte System an reale Handelsprozesse anzupassen. Accio nutzt handelspezifische Daten und Workflows, um nachträglich leichte Modelle für klar definierte Aufgaben zu trainieren, wobei das Unternehmen erklärt, dass kleinere Modelle routinemäßige Arbeiten effizient erledigen können, während leistungsfähigere Modelle bei Bedarf für tiefere Analysen bereitstehen.

Anstatt standardmäßig entweder das billigste oder das leistungsstärkste Modell zu wählen, zerlegt das System komplexe Anfragen in handhabbare Schritte und bewertet für jeden Schritt Qualität, Geschwindigkeit, Kosten und Datenanforderungen, so das Unternehmen. Alibaba.com beschrieb diesen Ansatz in ökonomischen Begriffen als das Annähern jedes Workflows an die Pareto‑Grenze, den Punkt, an dem die Verbesserung einer Dimension eine Gegenleistung in einer anderen erfordert. Das Unternehmen führte zudem die Wiederverwendung von Caches, die Komprimierung von Kontexten und die koordinierte Ausführung von Agenten dafür an, dass wiederholte Verarbeitung, unnötige Tool‑Aufrufe und redundanter Token‑Verbrauch reduziert werden.

“Für kleine Unternehmen ist unaffordable KI nutzlos”, sagte Kuo Zhang, Präsident von Alibaba.com, in der Unternehmensankündigung. Zhang erklärte, das Ziel sei, Handels‑KI praktisch und erschwinglich selbst für ein Ein‑Personen‑Unternehmen zu machen, anstatt KI lediglich leistungsfähiger zu machen.

Commerce Agent Bench, Open‑Source

Alibaba.com teilte mit, dass es Commerce Agent Bench auf GitHub als Open‑Source bereitgestellt hat. Laut dem Unternehmen basiert die Benchmark auf realen Händleraktivitäten (10 Millionen aktive KMU‑Nutzer, 1,6 Millionen Gespräche und 200 000 Ausführungs‑Traces), die zu 107 End‑to‑End‑Handelsaufgaben in sieben Kategorien und vier Autonomie‑Stufen destilliert wurden, anstatt synthetische Übungen zu verwenden. Zu den Aufgaben gehören das Durchsehen von Hunderten unstrukturierter E‑Mails, das Erkennen von Zahlungsbetrug, die Berechnung von Einstandskosten und die Buchung von Versandrouten mit mehreren Transportunternehmen.

Das Repository, entwickelt und gepflegt vom Accio‑Team bei Alibaba International, teilt die 107 Aufgaben in 53 Befehlszeilen‑, 28 Browser‑, 16 Datei‑ und 10 API/MCP‑Aufgaben auf, wobei die Fähigkeitsbereiche 65 rein textbasierte, 20 browser‑textfähige und 22 vision‑erforderliche Aufgaben abdecken. Das Projekt war zuvor unter dem Namen RealReplicaBench bekannt. Jede Aufgabe wird in einem frischen Container ausgeführt und von einem eigenen deterministischen oder LLM‑unterstützten Verifizierer bewertet. Das Harness, das Python‑Paket, der Mock‑Service‑Code, Skripte und Konfigurationen werden unter der Apache‑2.0‑Lizenz bereitgestellt, während die Aufgabensuite unter CC‑BY‑4.0 lizenziert ist; die aktuelle Version ist als v1.3.1 festgelegt.

Alibaba.com erklärte, dass kein einzelnes Modell in der Bewertung durchweg führend war, ein Ergebnis, das das Unternehmen als Bestätigung für die Notwendigkeit von Task‑Level‑Routing präsentierte, bei dem verschiedene Aufgaben von unterschiedlichen KI‑Modellen bearbeitet werden, anstatt ein einziges Allzweck‑Modell für alles zu verwenden.

Referenzwerte und Verifizierungsregeln

Referenzergebnisse im Repository decken dreizehn Modellfamilien über drei Harnesses (Pi, OpenClaw und Accio) ab und zeigen, dass Anthropics Claude Opus 5 in jeder Tabelle führend ist, indem er 65 von 107 Aufgaben auf Pi, 60 von 107 auf OpenClaw und 66 von 107 auf Accio besteht, laut Repository. Die veröffentlichten Werte wurden über von Accio verwaltete Evaluations‑Endpoints mit gemini‑3.1‑pro‑preview als Bewertungsmodell erzeugt, und das Repository bezeichnet die Live‑Leaderboard als offizielle Quelle.

Nach den dokumentierten Verifizierungsregeln der Benchmark wird eine Aufgabe nur dann als bestanden gewertet, wenn jeder erforderliche Verifizierungs‑Check erfolgreich ist. Der Verifizierer läuft hostseitig, nachdem der Agent beendet ist, liest den Endzustand der isolierten Mock‑Services und die von der Aufgabe benötigten Artefakte, und jeder Versuch wird in einem frischen Container ausgeführt, der nach der Bewertung zerstört wird.

Die Leaderboard‑Seite dokumentiert zudem Grenzen der Vergleichbarkeit. Ihr Alignment‑Audit berichtet, dass die OpenClaw‑ und Accio‑Harnesses über unterschiedliche Endpunkte zu Modell‑Anbietern gelangten, sodass Unterschiede zwischen den Harnesses sowohl Anbieter‑Routen‑Unterschiede als auch Harness‑Unterschiede einbeziehen. Der Accio‑Harness ist nur als Referenz vorhanden und wird nicht im Repository bereitgestellt, was bedeutet, dass nur der OpenClaw‑Pfad von der öffentlichen Checkout‑Umgebung end‑to‑end wiederholt werden kann.

Accio erweitert sich zu einem einheitlichen Arbeitsbereich

Parallel zu den Benchmark‑Ergebnissen kündigte Alibaba.com an, dass Accio zu einem einheitlichen Arbeitsbereich für globale E‑Commerce‑Operationen weiterentwickelt wurde. Das Unternehmen erklärte, dass kleine Unternehmen Accio nutzen können, um Märkte zu recherchieren, Produktmöglichkeiten zu identifizieren, Produkte zu entwickeln, Lieferanten zu bewerten und den Tagesbetrieb zu managen, und dass Verbindungen zu Amazon, Shopify, eBay, TikTok Shop und Walmart es Verkäufern ermöglichen, unterstützte Storefront‑Workflows von einem einzigen Ort aus zu erreichen.

Die europäische Flaggschiff‑Ausgabe von CoCreate ist laut Veranstaltungs‑Website für den 19. – 20. November 2026 in London geplant.