Perplexity_Comet测试报告-电商选购类任务_51页_6mb

Perplexity Comet电商购物能力测试报告总结

一、测试背景与目的

• 该报告对比OpenAI Agent、Perplexity Comet、Manus、Genspark四个AI模型在电商购物任务中的表现。
• 测试涵盖多个具体场景，包括：亚马逊复购、自行车最快发货查找、聚会杂物采购、风衣购买、嵌入式冰箱购买。
• 涉及核心功能：商品搜索、筛选、智能推荐、加购、订单预处理、支付等电商全流程。

二、核心能力对比：Perplexity Comet优势明显

1. 整体成功率与效率

   • 根据5项核心测试（含亚马逊商品复购、购物选择等），Comet成功率达5/5，成功时间普遍在300-800秒之间，平均耗时约为500秒。
   • 特别是在自动加购、完成购买并生成对比文档方面表现突出，与OpenAI Agent相比具有明显优势。
   • 实时交互、商品挑选、一键购买流程大幅领先对手。

2. 特定测试细节

   • 亚马逊商品复购：Comet直接模拟登录、访问历史订单并执行购买指令，其他模型仅支持信息检索。
   • 自行车发货速度查询：仅用20秒完成网站访问与数据提取，其余模型耗时6-240秒不等。
   • 风衣购买任务：Comet成功推荐5款风衣并制作对比文档，是当前最接近用户真实需求的AI商品导购模型。
   • 嵌入电冰箱采购：Comet未能完成购物车操作，但搜索策略和选项符合用户要求，整体比多数AI表现更好。

3. 用户交互体验

   • Comet支持清晰任务反馈、自定义提示优化与高质量信息整合。
   • 拥有模糊需求解析能力（如单价查询隐含品牌横向比较）、分层筛选机制（如用滚动生成风衣推荐列表）。

三、对比其他模型的优势弱项分析

四、结论与建议

• 推荐优先选用：Perplexity Comet，适合构建电商购物流程自动化工厂应用。
• 对于不具备直接网购能力的AI，更建议用于智能客服、数据顾问、体验性导购辅助，以规避安全和授权风险。
• 推荐初期用户将任务细化（明确预算、偏好、渠道），以防模型分为模糊推理产生低效率。

最终测试数据显示，Perplexity Comet在电商实操领域具备真正的自动化购物能力，尤其是在网站收录、指令精准与交互深度这三个方面遥遥领先，建议在多任务电商场景中部署该AI模型及其相关插件。