Grok vs. Dot vs. Muse vs. Duet:四款个人 AI Agent 九项任务实测,兼谈 Figma 产品经理的日常 AI 用法
摘要
Claire 用九项真实任务横向评测 Grok Bot、Dot、Meta Muse 与 Claude Duet 四款个人 AI agent,发现 Grok Bot 综合最强、Muse 最适合个人生活,而速度与授权摩擦是决定用户是否愿意长期使用的关键。
核心要点
- Grok Bot 以 93% 的总分成为本次评测中最强的全能个人 agent,并在 Figma 缩略图、收件箱分诊和购物三项任务中胜出,作者建议以专业工作流为首要目标的人从它入手。
- Meta Muse 在九项任务中有四项排名第一,几乎无需提示就生成了最强的短视频和家庭报纸,回答物理问题的速度甚至快到无法计时;这种速度已促使 Claire 把更多快速问答从 ChatGPT 迁到 Muse。
- Claude Duet 是四款中始终最慢的,且在基准测试中四次请求用户授权,其他每款 agent 仅请求一次,因而感觉更像需要人监督的工具而非可信赖的助手。
- Codex 审计显示各 agent 的连接器与技能并不对等:Muse 缺少 Slack 和 GitHub,导致多项工作任务无法完成,这也说明只有在同等配置下横向对比才公平。
- 编程判断力上 Claude Duet 与 Dot 仍最强:Dot 最接近预期的 Sentry 修复方案,Duet 额外发现了第二个 bug 并避免重复 Dot 已完成的工作;但作者做严肃编程仍会选 Claude 或 Codex,而非 Duet 的个人 agent 界面。
原文佐证
- Grok Bot is the strongest all-around personal agent in this benchmark, especially for work. It scored 93% overall and won the Figma, inbox triage, and shopping tasks.
- Claude Duet asks for permission too often. It requested approval four times during the benchmark, compared with once for every other agent.
- Muse lacked Slack and GitHub, which prevented it from completing several work tasks, highlighting the importance of equal setups for a fair comparison.
AI 洞察
这轮实测暴露出个人 agent 的竞争重心正从“模型多强”转向“延迟多低、授权多轻、连接器多全”——Muse 靠速度把轻量问答从 ChatGPT 分流走,说明响应速度本身就是产品力。Duet 四次请求授权则揭示了安全对齐与信任体验之间的张力:过度谨慎会把助手降格为需要人盯着的工具。而连接器不对等导致的成绩失真提醒我们,未来个人 agent 的护城河很可能在于工具接入的广度与权限编排能力,而非底层模型分数。