Shopee电商大模型Compass：覆盖8个市场，AI搜索推荐进入垂直模型阶段

Shopee面向东南亚六国、中国台湾和巴西共8个市场，针对每月数十亿次跨语种搜索请求，自主研发了垂直电商大语言模型Compass。由于通用大模型在印尼语、泰语、越南语、菲律宾语、马来语、他加禄语、葡萄牙语等语言的电商场景中表现存在不足，容易出现搜索词匹配偏差、商品类目识别错误以及买家意图判断不准确等问题，进而影响搜索推荐精准度、客服响应效率和欺诈识别能力。

Compass v3采用混合专家（MoE）架构，总参数量达到2450亿，单token激活参数为710亿。模型使用12万亿经过筛选的多语言token进行预训练，同时结合数十亿条自有商品标题、评价、评分等合成电商指令数据，让模型能够针对电商业务场景进行更深入的训练。目前，Compass已经全面应用于商品搜索、推荐、反欺诈和客服等核心环节。

与此同时，Shopee推出了EcomEval基准测试，用于评估模型在东南亚电商多语言任务中的实际表现。测试结果显示，部分开源通用模型在相关任务中的得分低至52%以下。相比单纯提升本地语言理解能力，Compass进一步结合本地语料和真实交易数据，让模型不仅能够“读懂本地语言”，还能够理解不同市场消费者的搜索方式和购买习惯。

从这一变化来看，东南亚电商平台的AI竞争正在从调用通用大模型API，逐渐向自研垂直场景模型转变。对于覆盖多个国家和地区的电商平台而言，语言本地化已经不只是翻译问题，还涉及搜索习惯、商品认知、消费意图以及交易行为。通过针对具体市场和业务场景训练底层模型，平台可以进一步优化搜索、推荐、客服等环节，也为跨市场转化效率提升提供新的技术路径。