摘要

独立评测项目 Assistant Benchmark 开始用真实任务横评个人 AI 助手，Muse 在已完成的 7 个评分维度中平均 9.1 分暂列第一，领先 Instinct 和 Grok Bot。

内容总结

  • 该评测让 Agent 执行订酒店、选餐厅、买东西、回邮件、连接第三方服务等真实任务，按实际完成情况打分，每个评分维度有公开的固定任务，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均拿到 10 分。
  • 该榜被描述为持续更新的真实体验榜，Muse 的 9.1 分仅为已测 7 个维度的平均分，并非完整成绩；每个维度目前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。

📊 标的：xAI

来源：X 动态监测 · 09-15 12:14（北京时间）