Assistant Benchmark 上线：61 款 AI 助手 15 个维度实测横评
Scobleizer · x · 2026-09-11
Assistant Benchmark 正式上线并公开征集反馈，定位是基于真实使用打分的个人 AI 助手横评。首版 Scorecard 覆盖 61 款助手、15 个维度（在线任务、旅行、购物、邮件、主动性、记忆、电话、多步任务等），目前已实测 61 个任务中的 13 款。- Muse 以 9.1 分、7 秒响应居首，Instinct 8.3 分、szn 7.6 分紧随其后- Grok Bot 得 7.3 分（10 秒响应），豆包（Doubao）仅部分维度标记 N/A、多数未测- 排名靠后的 Catch 6.0、tinyNature 4.5、Town 3.3- 多数助手仍无缘测试池，如 Letta Agent、Zapia 等- 测试记录含细节：如 Shuffle 无法打通餐厅电话、Notion/Slack 集成失败，只能靠设提醒兜底
「模型」频道最新
- GPT-6.1 Terra 控制真机器人胜过 Opus 5.5,较三月前提升 3.7 倍 — ycombinator · 2026-10-28
- Kimi 发布 K3.1 Pro：3T 级开源权重模型，100 万上下文幻觉降 65% — NVIDIAAI · 2026-10-28
- OpenSIR 自博弈框架：LLM 无需训练数据自学数学推理 — PMinervini · 2026-10-28
- Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
- Codex 后台任务一夜烧光 500 美元周额度外加 75000 credits — sethlazar · 2026-10-28
- 用 $TAO 两分钟上手开源模型：Bittensor 侧链 SN53 实测体验 — markjeffrey · 2026-10-28