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

独立评测项目 Assistant Benchmark 开始使用真实任务横评个人 AI 助手。评测会让 Agent 订酒店、选餐厅、购物、回复邮件以及连接第三方服务，并根据实际完成情况评分。每个评分维度都设有一个公开的固定任务，只有提供真实运行记录才能获得分数。

目前，Muse 已完成 7 个评分维度，平均得分 9.1 分，暂列第一；Instinct 完成 11 个维度，平均得分 8.4 分；Grok Bot 完成 7 个维度，平均得分 7.3 分。Muse 在购物、邮件和第三方应用连接三个维度均获得 10 分。

不过，这份榜单更适合被视为持续更新的真实体验参考。Muse 的 9.1 分仅是已测 7 个维度的平均分，并非完整成绩。由于每个维度目前只采用一个固定任务进行测试，随着后续补测，分数和排名都可能发生变化。