2026年10月27日，科技媒體WIRED資深撰稿人Reece Rogers發表咗一篇實地測試報告，詳細記錄佢用一日時間測試而家主流個人AI Agent嘅表現。文章題為《我測試咗所有主流AI Agent，呢個係最好嘅一個》。測試對象包括Meta嘅Muse、OpenAI嘅Dots、Instinct、Anthropic嘅Claude Duet、Google嘅Gemini Spark以及xAI嘅Grok Bot。
呢係目前公開報道中較少見、以真實日常任務為基準嘅橫向對比。作者由非技術用戶視角出發，設計咗五項基礎任務，對每款Agent喺主動性、指令遵從能力同瀏覽器操作上嘅表現進行1至5分評分，最終得出綜合排名。
測試背景與方法
作者指出，一年前AI Agent仲普遍「乜都做唔好」，但到2026年情況已經明顯改善。呢啲工具唔再淨係係對話機械人，而係會主動掃描電郵、追蹤航班優惠、協助日常購物，並透過虛擬瀏覽器執行任務嘅「始終在線」助手。佢哋通常以單線程對話形式存在，更接近群聊體驗。
測試嘅六款產品價格同形態差異好大：
- Meta Muse：免費，獨立App，自9月推出後下載量高。
- OpenAI Dots：內置於ChatGPT，月費100美元，價格最高。
- Instinct：免費但需要邀請碼，主要透過短信互動。
- Anthropic Claude Duet：月費20美元，測試前一晚啱啱以研究預覽形式上線。
- Google Gemini Spark：Gemini App內嘅測試功能，月費20美元。
- xAI Grok Bot：獨立App，月費30美元。
作者只連咗個人Google日曆同Gmail，有意控制數據暴露範圍。佢強調，呢啲工具仍處於早期階段，隱私同安全風險係真實存在——有用戶曾經將Agent連接銀行戶口同Slack之後，意外洩露敏感資訊。
主要測試任務與結果亮點
晨間簡報與選題建議
要求Agent基於作者喺WIRED嘅報導範疇，進行深入研究後產生科技新聞選題。只有Muse同Dots真正花近30分鐘做研究，其餘大多快速輸出。最終Gemini Spark嘅角度被認為最具新聞價值，而Grok Bot同Instinct嘅選題顯得過時或平淡。
午餐點餐
任務要求為作者本人（偏重口味）同素食老闆（越南菜偏好）點餐，地點需靠近辦公室。大多數Agent推薦咗合理餐廳，Dots最終完成咗實際下單，表現最佳；Gemini Spark只點咗一個5美元春卷，明顯不足。
日程衝突處理與其他日常任務
喺處理日程衝突、夜間提醒等場景中，各Agent表現參差。有啲會主動提出合理下一步行動，有啲就會畀出無關或令人煩惱嘅建議。
綜合五項任務後，作者畀出嘅最終評價係：
- 最佳綜合表現：OpenAI Dots。儘管價格昂貴，並且喺作者專業範疇嘅選題任務中表現一般，但整體任務完成度同可靠性最高，已經顯得相對成熟。
- 最易用 / 最適合普通用戶：Meta Muse。免費、設定簡單，得分緊隨Dots之後。
- 最佳界面：Anthropic Claude Duet。儘管只係上線一日、整體得分中游，但其專用App喺任務跟蹤同互動流暢度上表現突出。
- 最令人煩惱：Instinct。短信互動方式令作者覺得脫節，且對錯誤嘅回應方式唔夠友善。
客觀看待：進展明顯，但仍處於早期
呢次測評嘅價值喺於佢跳出咗廠商嘅Benchmark，轉向真實場景。結果揭示咗幾個清晰信號：
- 能力確實提升。同一年前比，主流Agent喺瀏覽器控制、多步驟任務同主動性上已有實質進步，唔再只係示範。
- 價錢與可用性差距顯著。免費嘅Muse可以接近付費高端產品嘅表現，說明「好用」唔等於「昂貴」。Dots每月100美元依家仍然係多數用戶嘅門檻。
- 隱私與信任仍係核心障礙。幾乎所有Agent都需要存取個人數據先至可以發揮最大價值，而用戶對數據安全嘅顧慮未有消除。Meta嘅隱私承諾雖然有提，但佢過往記錄仍令部分人猶豫。
- 產品形態未定型。有啲做成獨立App，有啲嵌入現有聊天介面，有啲走短信路線。邊種方式最終勝出，仲要靠市場檢驗。
作者明確表示，呢唔係對任何產品嘅背書。AI Agent仍會出錯，喺複雜或高風險場景下可靠性有限。測試亦只涵蓋有限任務，長期使用後隨住用戶數據積累，表現可能進一步改變。
行業意義
WIRED今次嘅橫向實測，為目前AI Agent熱潮提供咗一份難得嘅「用戶視角」參考。佢既肯定咗技術進步，又提醒讀者：真正決定產品價值嘅，唔係宣傳中嘅「革命性」，而係喺瑣碎日常任務中能否穩定、安全咁幫到用戶。
依家睇，OpenAI Dots喺綜合能力上領先，Meta Muse以免費同易用性贏到普通用戶市場先機，Claude Duet喺互動體驗上展現潛力。隨住更多產品迭代同價格調整，呢條賽道嘅競爭先啱啱開始。對於普通用戶嚟講，更務實嘅建議可能係：先由免費或低門檻產品試用，嚴格控制數據權限，同對Agent嘅輸出保持人手覆核。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多AI新聞請訪問：https://www.airosetta.com