มีอันดับการต่อสู้จริงสำหรับ Agent ส่วนบุคคลแล้ว: Muse อยู่อันดับหนึ่งชั่วคราว นำหน้า Instinct และ Grok Bot

动察 Beating ข่าวด่วน AI โครงการประเมินอิสระ Assistant Benchmark เริ่มใช้ภารกิจจริงในการเปรียบเทียบผู้ช่วย AI ส่วนบุคคล โดยให้ Agent จองโรงแรม เลือกร้านอาหาร ซื้อของ ตอบอีเมล เชื่อมต่อบริการบุคคลที่สาม แล้วให้คะแนนตามผลการดำเนินงานจริง แต่ละมิติการให้คะแนนมีภารกิจคงที่ที่เปิดเผย และต้องมีบันทึกการทำงานจริงจึงจะได้คะแนน

ปัจจุบัน Muse ได้คะแนนเฉลี่ย 9.1 จาก 7 มิติที่ประเมินเสร็จแล้ว อยู่อันดับหนึ่งชั่วคราว; Instinct ทดสอบครบ 11 มิติ เฉลี่ย 8.4 คะแนน; Grok Bot ทดสอบครบ 7 มิติ เฉลี่ย 7.3 คะแนน Muse ได้ 10 คะแนนเต็มในด้านการช้อปปิ้ง อีเมล และการเชื่อมต่อแอปบุคคลที่สาม

อย่างไรก็ตาม ควรมองว่านี่เป็นตารางประสบการณ์จริงที่อัปเดตต่อเนื่องมากกว่า คะแนน 9.1 ของ Muse ในตอนนี้เป็นเพียงค่าเฉลี่ยจาก 7 มิติที่ทดสอบแล้ว ไม่ใช่คะแนนสมบูรณ์ แต่ละมิติในตอนนี้ก็ใช้เพียงภารกิจคงที่หนึ่งภารกิจในการทดสอบ หลังจากทดสอบเพิ่มเติมในภายหลัง คะแนนและอันดับอาจเปลี่ยนแปลงได้