研究与基准测试/2026-08-24/8 分钟用户过 0.03 亿就饱和：蚂蚁在支付宝数据上测表征缩放支付宝数据上，用户数超过约 3000 万或时间窗超过 60 天，下游探测变平。模型从 0.2B 加到 0.4B，训练损失还降，准确率几乎不动。ALGN 的 AUC 76.43%，容量 63.47%。
研究与基准测试/2026-07-16/8 分钟有 Skill 平均高 10.31 个点：蚂蚁用 18 道仓库任务评支付集成装上 alipay-payment-integration 后，六个模型的平均规则通过率高 10.31 个百分点，108 格里 101 格为正。静态检查可以到 92.79%，集成仍可能只有 38.6%。
