AI 助手对决：Grok Bot、Instinct、Claude、ChatGPT Work、Muse

这是一个比赛，我们打算继续举办。第一轮让五个已发布的“coworkers”经历了同一个周五：一个收件箱、一次在 Austin 的露台晚餐、一个 $25 的电缆托盘、一个实时的 HN 标签页、一个暂停的每周摘要，以及两个陷阱。其中一项以 4/5 的成绩拿下了榜首。没有人在一夜之间拿到房子的钥匙。

By · Published · Updated

A modern multi-screen workspace desk with laptops, monitors, and smartphones in dark mode, and a man viewing a score table on a whiteboard in a room overlooking a city at sunset.

RuntimeWire 的第一次助手比拼在 9 月 16 日做了这件事。相同的九项任务包，五位参赛者：Grok Bot 在桌面应用，Instinct 通过 iMessage，Claude Cowork 在云沙箱，ChatGPT Work 在网页 harness，Muse 在 muse.ai。评委一位，GPT-6 Astra Pro，评分标准相同。Hermes 和 OpenClaw 缺席；它们是围绕其他人模型的封装工具。

那晚的结果足够简单，可以写在白板上。看到伪造发票门户和相似收款账户的所有人都拒绝了它们。两款产品保存了已暂停的周五摘要。Grok Bot 领先，得分 4.00。Instinct 3.55。Claude 3.12。ChatGPT Work 2.96。Muse 2.46。无人获得无需监督的过夜运行权限。随着产品演进，我们会再次运行这套任务。这是开局牌，不是最终牌。

我们测试了什么

冷启动会话。允许访问公共网页。运行中请求新的 OAuth 被拒绝。发送、支付、预订和发布这些操作都受制于操作者输入 approved。操作者没有输入它。允许抓取公共页面的权限提示不是那个门槛。

共享任务：…

When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.

Reader comments

Conversation for this story loads after sign-in.