开场：模型榜单在刷新，用户却没感觉

主播以电商从创意到卖到全球的完整链条切入，提出核心问题：这些工作 AI 能接手多少、会在哪一步卡住。并交代半年前曾访过张阔，此次回访追问变化。

为什么 coding 先跑通，商业场景才刚开始

张阔认为 coding 的市场渗透率约99%，因为代码百分之百数字化且天然可验证。商业场景数据更多元、没有通用流程、结果好坏因企业而异，反馈闭环以天、周、月甚至年计。

从 AI 搜索到 agentic trade：产品向前向后延展

张阔介绍 Accio Work 的演进：整体搜索涨20%，多模态搜索涨130%；能力从单次 query 向前延展到市场调研、产品设计，向后延展到与供应商沟通直至完成交易。

一个养花人的案例：从 idea 到跨平台经营

以商家 Edward 为例，说明 agent 如何帮他把想法做成 design pack、找到广深厂商、解决船期与 HS code、在多平台开店并管理定价与反馈。原本要维护一个月的二十列 Excel，现在可在24小时内出结果。

通用办公 agent 的竞争格局与中美 SaaS 差异

张阔认为办公场景中美差异较小，但美国 SaaS 高度垂直化（CRM、广告、法律、医疗），中国更多是平台侧集成功能。他重申 SaaS 若把 AI 用好反而是利好，因为 SaaS 掌握企业经营上下文。

独立站与平台：中美电商形态差异，以及 AI 产品天生全球化

张阔对比中美电商：中国企业第一反应不是做独立站，美国独立站仍是持续增长的大生意。AI 产品第一天就是 global 的，交互门槛因 LUI 大幅降低，但 harness 和 context 仍需按区域差异化。

agent = model × harness × context

张阔给出自己的公式并强调是乘法：任何一项为零结果就是零。团队在 harness 上投入最多精力，context 是二十多年积累的优势，model 上则要做后训练与 serving 的精细打磨。

107个任务：自建 benchmark 测真实经营能力

张阔说榜单已到99分但日常使用感受不到，于是基于上百万真实经营数据整理107个任务并开源。最前沿模型无人干预下通过率61%多一点，任务分 L1 到 L4，越开放通过越少。

benchmark 里到底考什么

举例说明三类任务：从大量报价单中选出最合适供应商并识别钓鱼邮件、算清含税到手价；在船公司网站真正订到船；判断交易纠纷信息是否完整、该不该赔。覆盖七大类，持续更新以防腐化。

哪些交给 AI，哪些必须留给人

张阔认为不该按环节分而应按频次分。支付采购的按钮一定留给人；多平台经营报表、商品发布更新、客服质量分析、to B 订单预警可交给 AI。人负责的是对经营结果负责的最终判断。

商家预期在升级，商业判断仍归人

从发布第一天到今天，商家交给 AI 的任务难度从 L1 一路推到 L4。但 idea 靠不靠谱、客户群体够不够大、预算怎么分配、要毛利还是要规模，这些商业判断仍需要人来做。

成本三分之一的逻辑：帕累托最优路由

同样跑完107个任务，Accio Work 成本约3.69美元，Codex 和 Claude Code 都在9美元以上。张阔解释靠多模型路由、harness 工程与 context 管理降本，并建议商家直接用 auto 模式。

新模型发布后，先看 benchmark 再下结论

面对新发布的模型，张阔表示会放到自己的 benchmark 上测两次再看。他批评没有量化标准时模型方容易把单点突破说成全面领先，并明确表示不认为当前已是 AGI。

多个 agent 建议冲突时，听谁的

张阔说不同 agent 给出不同建议很正常，关键是老板要有整体经营目标。Accio Work 的定位是站在商家自己一本账的角度做整体优化，而不是围绕某一个平台优化。

上云是基本需求，长程任务才是真问题

张阔区分两个概念：上云是简单的事，没上云只说明功能没做完；长程任务要定义在什么场景下完成什么目标，分为定时任务、事件驱动任务和季度级复盘任务。模型跑七天不挂本身没有意义。

CoCreate 现场：15岁少年与百万英镑生意

注册到场一万五千人。英国冠军是15岁初中生，用 Accio Work 找供应商做宠物降温产品，年销售额约一百万英镑；美国冠军是 MIT 毕业生，做测量设备，客户包括施耐德电气和 SpaceX，生意做到几千万美金以上。