反常识真相：Agent在真实工作场景成功率依然很低，多模型电商任务通过率不足50%

阿里国际站开源的RealReplicaBench评测显示，107个真实电商任务中，Claude Opus 5以60.75%通过率居首，Qwen 3.8 Max和DeepSeek V4 Pro以49.53%并列第三，多数模型通过率不足50%。