Alibaba.com、Accioがeコマースタスクを50%以上低コストで実行したと発表

Alibaba.comは2026年9月9日、107タスクのベンチマーク評価結果を発表し、同社の商取引用AIエージェントプラットフォームであるAccioが、OpenAIのCodexおよびAnthropicのClaude Codeと比べ、推定コストを50%以上低減した上で、同等の完了品質を実現したことを示しました。

Accioで全タスクを完了する推定コストは3.69ドルで、Codexは9.27ドル、Claude Codeは9.51ドルでした。Alibaba.comは、いずれの場合も50%以上コストが低いと述べています。同社は、この結果によりAccioが中小企業向けに利用できる最もコスト競争力のあるeコマースAIツールになると語りました。この発表は、Alibaba.comが主催する起業家・中小企業向け年次イベントCoCreateで行われ、2026年ロサンゼルス開催は9月9日～10日です。

Alibaba.comがコスト差を説明する方法

同社によれば、Accioの効率性は実際の商取引業務に合わせてシステム全体を最適化することに起因しています。Accioは商取引用のデータとワークフローを活用し、明確に定義されたタスク向けに軽量モデルを事後学習させます。これにより、比較的小規模なモデルでも日常的な作業を効率的に処理でき、より高度な推論が必要な場合には能力の高いモデルが利用できると同社は述べています。

同社は、最も安価なモデルや最も高性能なモデルに自動的に依存するのではなく、システムが複雑なリクエストを管理しやすいステップに分割し、各ステップごとに品質、速度、コスト、データ要件を評価すると説明しています。Alibaba.comはこの手法を経済学的に、各ワークフローをパレートフロンティアに近づけること、すなわちある指標を向上させると別の指標でトレードオフが生じる点へと移行させることと表現しています。また、キャッシュの再利用、コンテキスト圧縮、エージェントの協調実行により、重複処理や不要なツール呼び出し、冗長なトークン消費が削減されたと評価しています。

「中小企業にとって、手が届かないAIは無意味です」とAlibaba.comの社長、Kuo Zhangは同社の発表で述べました。Zhang氏は、AIを単に高性能にするだけでなく、たとえ1人の会社でも実用的かつ手頃な価格で商取引AIを利用できるようにすることが目標だと語っています。

Commerce Agent Bench、オープンソース化

Alibaba.comはCommerce Agent BenchをGitHubでオープンソース化したと発表しました。同社によれば、このベンチマークは実際のマーチャント活動（1,000万のアクティブなSMBユーザー、160万件の会話、20万件の実行トレース）を基に、7つのカテゴリと4つの自律レベルにわたる107のエンドツーエンド商取引タスクに凝縮したものです。合成的な演習に頼るのではありません。タスクには、数百件の非構造化メールのレビュー、支払い詐欺の検出、着荷コストの算出、複数キャリアの配送ルート予約などが含まれます。

Alibaba InternationalのAccioチームが開発・維持するこのリポジトリは、107タスクを53のコマンドライン、28のブラウザ、16のファイル、10のAPI/MCPタスクに分割し、機能スライスはテキストのみのタスクが65、ブラウザテキスト対応が20、ビジョンが必要なタスクが22となっています。プロジェクトは以前RealReplicaBenchという名称でした。各タスクは新しいコンテナ内で実行され、独自の決定論的またはLLM支援の検証者によって評価されます。ハーネス、Pythonパッケージ、モックサービスコード、スクリプト、設定はApache‑2.0ライセンスで提供され、タスクスイートはCC‑BY‑4.0で提供されます。現在のリリースはv1.3.1に固定されています。

Alibaba.comは、評価において単一のモデルが全体で優位に立つことはなかったと述べ、この結果はタスクレベルのルーティングの重要性を裏付けるものと提示しました。タスクレベルのルーティングでは、すべてを一つの汎用モデルで処理するのではなく、タスクごとに異なるAIモデルが割り当てられます。

参照スコアと検証ルール

リポジトリ内の参照結果は、3つのハーネス（Pi、OpenClaw、Accio）にわたる13のモデルファミリーをカバーし、AnthropicのClaude Opus 5が各テーブルでトップとなり、Piで107タスク中65件、OpenClawで60件、Accioで66件をクリアしたとされています。公開されたスコアは、Accioが管理する評価エンドポイントを通じて、gemini‑3.1‑pro‑previewを審査モデルとして生成され、リポジトリはライブリーダーボードを正式な記録として示しています。

ベンチマークで文書化された検証ルールによれば、すべての必須検証チェックが成功した場合にのみタスクは合格とみなされます。検証者はエージェント終了後にホスト側で実行され、分離されたモックサービスの最終状態とタスクが要求した成果物を読み取ります。各試行は新しいコンテナ内で実行され、スコア付け後に破棄されます。

リーダーボードサイトは比較可能性に関する制限も記載しています。アラインメント監査によれば、OpenClawとAccioのハーネスは異なるエンドポイントを通じてモデルプロバイダーに到達しているため、ハーネス間のスコア差はプロバイダー経路の違いとハーネス自体の違いの両方を含んでいます。Accioハーネスは参照用のみでリポジトリに含まれておらず、公開されたチェックアウトからはOpenClawパスのみがエンドツーエンドで再実行可能です。

Accioが統合ワークスペースへ拡張

ベンチマーク結果と同時に、Alibaba.comはAccioがグローバルなeコマース運用向けの統合ワークスペースへと進化したと発表しました。同社は、中小企業がAccioを活用して市場調査、製品機会の特定、製品開発、サプライヤー評価、日常業務の管理ができ、さらにAmazon、Shopify、eBay、TikTok Shop、Walmartとの連携により、販売者は単一の場所からサポートされたストアフロントワークフローにアクセスできると述べました。

イベントサイトによると、CoCreateの欧州旗艦版は2026年11月19日～20日にロンドンで開催される予定です。