Alibaba.com Mengatakan Accio Menjalankan Tugas E-Commerce dengan Biaya Lebih Rendah Lebih dari 50%

Alibaba.com pada 9 September 2026 mengumumkan hasil evaluasi benchmark 107 tugas yang menunjukkan bahwa Accio, platform agen AI untuk perdagangan miliknya, menyelesaikan berbagai tugas e‑commerce dengan perkiraan biaya lebih dari 50% lebih rendah dibandingkan Codex milik OpenAI dan Claude Code milik Anthropic, dengan kualitas penyelesaian yang perusahaan sebut sebanding.

Menyelesaikan seluruh rangkaian tugas diperkirakan memakan biaya $3,69 dengan Accio, dibandingkan $9,27 untuk Codex dan $9,51 untuk Claude Code, angka yang Alibaba.com sebut lebih dari 50% lebih rendah dalam kedua kasus. Perusahaan mengatakan hasil tersebut menjadikan Accio alat AI e‑commerce paling kompetitif secara biaya yang tersedia bagi usaha kecil dan menengah. Pengumuman tersebut disampaikan pada CoCreate, acara tahunan Alibaba.com untuk pengusaha dan usaha kecil, yang edisi Los Angeles 2026 berlangsung pada 9–10 September 2026.

Bagaimana Alibaba.com Menjelaskan Kesenjangan Biaya

Menurut perusahaan, efisiensi Accio berasal dari mengoptimalkan seluruh sistem di sekitar pekerjaan perdagangan nyata. Accio memanfaatkan data dan alur kerja khusus perdagangan untuk melatih model ringan pasca‑pelatihan bagi tugas yang jelas terdefinisi, yang memungkinkan model yang lebih kecil menangani pekerjaan rutin secara efisien sementara model yang lebih kuat tetap tersedia ketika diperlukan penalaran yang lebih mendalam.

Alih-alih secara otomatis memilih model termurah atau paling kuat, sistem memecah permintaan kompleks menjadi langkah‑langkah yang dapat dikelola dan menilai kualitas, kecepatan, biaya, serta kebutuhan data untuk setiap langkah, kata perusahaan. Alibaba.com menggambarkan pendekatan itu, dalam istilah ekonomi, sebagai mendekatkan setiap alur kerja ke batas Pareto, titik di mana meningkatkan satu dimensi memerlukan kompromi pada dimensi lain. Perusahaan juga mengapresiasi penggunaan kembali cache, kompresi konteks, dan eksekusi agen yang terkoordinasi dalam mengurangi pemrosesan berulang, panggilan alat yang tidak perlu, dan konsumsi token yang berlebih.

“For small businesses, unaffordable AI is useless,” Kuo Zhang, Presiden Alibaba.com, kata dalam pengumuman perusahaan. Zhang menyatakan tujuan mereka adalah menjadikan AI perdagangan praktis dan terjangkau bahkan untuk perusahaan satu orang, bukan semata‑mata membuat AI lebih kuat.

Commerce Agent Bench, Sumber Terbuka

Alibaba.com menyatakan telah merilis kode sumber terbuka Commerce Agent Bench di GitHub. Menurut perusahaan, benchmark ini mengambil data aktivitas pedagang nyata (10 juta pengguna UKM aktif, 1,6 juta percakapan, dan 200.000 jejak eksekusi) yang disaring menjadi 107 tugas perdagangan end‑to‑end dalam tujuh kategori dan empat tingkat otonomi, alih‑alih mengandalkan latihan sintetis. Tugas‑tugas tersebut mencakup meninjau ratusan email tidak terstruktur, mendeteksi penipuan pembayaran, menghitung biaya landed, dan memesan rute pengiriman multi‑carrier.

Repositori, yang dikembangkan dan dipelihara oleh tim Accio di Alibaba International, membagi 107 tugas menjadi 53 tugas baris perintah, 28 tugas berbasis peramban, 16 tugas berkas, dan 10 tugas API/MCP, dengan segmen kemampuan mencakup 65 tugas hanya teks, 20 tugas yang dapat menangani teks peramban, dan 22 tugas yang memerlukan visi. Proyek ini sebelumnya dikenal sebagai RealReplicaBench. Setiap tugas dijalankan dalam kontainer baru dan dinilai oleh verifikator deterministik atau yang dibantu LLM masing‑masing. Harness, paket Python, kode layanan tiruan, skrip, dan konfigurasi didistribusikan di bawah lisensi Apache‑2.0, sementara rangkaian tugas berada di bawah CC‑BY‑4.0; rilis terkini ditandai sebagai v1.3.1.

Alibaba.com menyatakan tidak ada satu model pun yang memimpin secara keseluruhan dalam evaluasi, hasil yang mereka sajikan sebagai penguatan argumen untuk routing tingkat tugas, di mana tugas‑tugas berbeda ditangani oleh model AI yang berbeda alih‑alih satu model serba guna untuk semuanya.

Skor Referensi dan Aturan Verifikasi

Hasil referensi dalam repositori mencakup tiga belas keluarga model di tiga harness (Pi, OpenClaw, dan Accio), dan menunjukkan Claude Opus 5 milik Anthropic memimpin setiap tabel, melewati 65 dari 107 tugas pada Pi, 60 dari 107 pada OpenClaw, dan 66 dari 107 pada Accio, menurut repositori. Skor yang dipublikasikan dihasilkan melalui endpoint evaluasi yang dikelola Accio dengan gemini-3.1-pro-preview sebagai model penilai, dan repositori mengidentifikasi papan peringkat langsung sebagai sumber catatan.

Menurut aturan verifikasi yang didokumentasikan dalam benchmark, sebuah tugas dianggap lulus hanya jika setiap pemeriksaan verifikator yang diperlukan berhasil. Verifikator dijalankan di sisi host setelah agen keluar, membaca keadaan akhir layanan tiruan yang terisolasi serta artefak yang dibutuhkan tugas, dan setiap percobaan dijalankan dalam satu kontainer baru yang dihancurkan setelah penilaian.

Situs papan peringkat juga mendokumentasikan batasan pada keterbandingan. Audit penyelarasan melaporkan bahwa harness OpenClaw dan Accio menjangkau penyedia model melalui endpoint yang berbeda, sehingga perbedaan skor antar‑harness menyerap perbedaan rute penyedia serta perbedaan harness. Harness Accio bersifat referensi‑saja dan tidak disertakan dalam repositori, artinya hanya jalur OpenClaw yang dapat dijalankan kembali secara end‑to‑end dari checkout publik.

Accio Diperluas Menjadi Ruang Kerja Terpadu

Seiring dengan hasil benchmark, Alibaba.com mengumumkan bahwa Accio telah berkembang menjadi ruang kerja terpadu untuk operasi e‑commerce global. Perusahaan menyatakan usaha kecil dapat menggunakan Accio untuk meneliti pasar, mengidentifikasi peluang produk, mengembangkan produk, mengevaluasi pemasok, dan mengelola operasi harian, serta bahwa koneksi dengan Amazon, Shopify, eBay, TikTok Shop, dan Walmart memungkinkan penjual mengakses alur kerja toko yang didukung dari satu tempat.

CoCreate’s European flagship edition is scheduled for November 19–20, 2026, in London, according to the event site.