AutoVend：让大模型经营20台售货机，180天后能否真正赚钱？

2026年11月10日阅读约 3 分钟

导语

让大模型完成一次购物、下单或客服对话，往往可以用单轮成功率衡量。但如果任务变成经营一项业务，评价标准就必须改变：今天的采购会影响数日后的库存，当前的定价会改变需求与现金流，一次看似合理的补货也可能因为运输延迟或商品过期而变成成本。

AutoVend正是为检验这种长期经营能力而设计的基准。研究让一个大模型代理通过网页操作界面，连续管理20台自动售货机，覆盖五类地点，运行周期为180个模拟日。

从单笔交易转向持续经营：代理不仅要选择商品和设定价格，还要决定采购数量、安排补货，并在经营过程中不断调整策略。
线上决策受到线下约束：模拟器设置了共享仓库、采购交付周期、付费补货、商品过期和持续运营费用。仓库中的商品不能直接满足售货机顾客需求，必须经过实际补货才能形成销售。
多个地点需要协同：不同地点具有不同的需求特征。代理需要在有限库存和资金之间进行分配，而不是只为单台机器优化销量。
长期反馈并不容易利用：代理需要从销售、库存和成本变化中总结规律，再修订后续政策。研究通过轨迹分析，进一步观察其行动是否可执行、库存承诺是否合理，以及反馈是否真正改变了决策。

研究比较了五个大模型代理与一个规则型库存控制基线。结果显示，五个代理中有四个未能超过这一相对简单的基线。这并不意味着大模型无法处理经营任务，而是说明语言推理能力与稳定的运营控制之间仍存在明显距离。

更值得注意的是，单项指标领先并不等同于经济表现更好。更高的可用库存或更积极的补货，可能同时带来过期损耗、配送支出和资金占用；看起来更聪明的策略，如果执行成本过高，也未必能带来更高回报。研究还将推理成本纳入收益评估，发现按“每单位推理成本对应的回报”排序时，模型排名会发生变化。

AutoVend的价值在于，它把代理评测从“能否完成一个动作”推进到“能否让一组相互影响的决策持续产生收益”。这类设计更接近零售、供应链、运营管理等真实场景，也提醒开发者不能只看成功率、销量或局部任务分数。

对未来的业务型代理而言，关键能力可能包括可执行的计划、跨地点资源协调、对延迟和损耗的建模，以及根据长期结果修正策略。AutoVend仍是模拟基准，不能直接等同于现实商业表现，但它清晰暴露了当前代理从会做决定到会经营业务之间的缺口。