個人Agent也有實戰榜了：Muse暫列第一，領先Instinct和Grok Bot

BiRun 訊，獨立評測項目 Assistant Benchmark 開始用眞實任務橫評個人 AI 助手。它直接讓 Agent 訂酒店、選餐廳、買東西、回郵件、連接第三方服務，再按實際完成情況打分。每個評分維度都有一個公開的固定任務，並要求有眞實運行記彔才給分。

目前 Muse 在已經完成的 7 個評分維度中平均 9.1 分，暫列第一；Instinct 測完 11 個維度，平均 8.4 分；Grok Bot 測完 7 個維度，平均 7.3 分。Muse 在購物、郵件和第三方應用連接上都拿到 10 分。

不過這更適閤看成一份持續更新的眞實體驗榜。Muse 的 9.1 目前只是已測 7 個維度的平均分，並不是完整成績。每個維度目前也只用一個固定任務測試，後續補測後分數和排名都可能變化。

信源

動察 Beating 頻道 · 動察 Beating 交流羣。