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

个人 Agent 的真实任务榜单开始成型。Assistant Benchmark 让 Agent 跑订酒店、选餐厅、回邮件、接第三方服务，按实际完成度打分，且要求留真实运行记录，Muse 已测 7 个维度平均 9.1 暂列第一，Instinct 测完 11 个维度平均 8.4，Grok Bot 7 个维度 7.3。

Meta 9 月 9 日才发布 Muse，主打云端独立环境、WhatsApp 入口与 Meta 账号体系打通，不到一周就在第三方实测中拿到购物、邮件、第三方应用连接三项满分，说明 Meta 的分发优势正在转化为任务完成度。对比之下，Instinct 8 月底估值已冲到 25 亿美元、累计融资约 3.5 亿美元，却测了 11 个维度仍落后，资本定价与实测表现的错位值得跟踪。

最该注意的是 Muse 的 9.1 只是 7 个维度的暂列成绩，每维度仅一个固定任务，补测后排名可能重排——榜单的样本密度仍是这份真实体验榜最弱的一环。