摘要

獨立評測項目 Assistant Benchmark 開始用真實任務橫評個人 AI 助手，Muse 在已完成的 7 個評分維度中平均 9.1 分暫列第一，領先 Instinct 和 Grok Bot。

內容總結

  • 該評測讓 Agent 執行訂酒店、選餐廳、買東西、回郵件、連接第三方服務等真實任務，按實際完成情況打分，每個評分維度有公開的固定任務，並要求有真實運行記錄才給分。
  • 目前 Muse 在已完成的 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均拿到 10 分。
  • 該榜被描述為持續更新的真實體驗榜，Muse 的 9.1 分僅為已測 7 個維度的平均分，並非完整成績；每個維度目前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。

📊 標的：xAI

來源：X 動態監測 · 09-15 12:14（北京時間）