Scale CEO 力推助手评测:Muse 综合得分 9.3,4–1 胜 Instinct
alexandr_wang · x · 2026-09-09
Scale CEO Alexandr Wang 转发 assistantbenchmark.com 上 Muse 与 Instinct 两款 AI 助手的正面对比:Muse 以 4–1(1 项平局)胜出,综合分 9.3 对 8.6。评测用 16 项同规模真实任务打分,重点差异包括:
- 执行在线任务:Muse 8 分,遇到周末芝加哥酒店紧张时主动返回 4 个可退款方案并给出改预算/换日期选项。
- 差旅预订:Instinct 得 10 分,能登录用户自己的账号订机票酒店、自动值机并处理登机牌;Muse 只走 Duffel 聚合渠道,供给受限,只能让用户改约束条件。
- 消费与推荐:Muse 在按预算下单鲜花、预约餐厅等场景表现细腻,会先列明细请求批准,并用虚拟卡隐藏真实卡号。
该帖本质是 Scale 一方对自己评测体系(及 Muse)的宣传,但评测维度与逐项案例细节较为具体,可作 agent 能力横评参考。
所属事件:Scale AI 发布个人助手 Muse，CEO 转发好评造势(7 条相关)→
「模型」频道最新
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26