个人Agent也有实战榜了：Muse暂列第一，领先Instinct和Grok Bot

动察 Beating AI 快讯，独立评测项目 Assistant Benchmark 开始用真实任务横评个人 AI 助手。它直接让 Agent 订酒店、选餐厅、买东西、回邮件、连接第三方服务，再按实际完成情况打分。每个评分维度都有一个公开的固定任务，并要求有真实运行记录才给分。 目前 Muse 在已经完成的 7 个评分维度中平均 9.1 分，暂列第一；Instinct 测完 11 个维度，平均 8.4 分；Grok Bot 测完 7 个维度，平均 7.3 分。Muse 在购物、邮件和第三方应用连接上都拿到 10 分。 不过这更适合看成一份持续更新的真实体验榜。Muse 的 9.1 目前只是已测 7 个维度的平均分，并不是完整成绩。每个维度目前也只用一个固定任务测试，后续补测后分数和排名都可能变化。