Am Testat Agenți AI: Care Este Cel Mai Bun?
Am evaluat șase agenți AI de top, de la Muse de la Meta la Claude Duet de la Anthropic, în funcție de modul în care au finalizat sarcini de bază.
Anul trecut, îmi amintesc că stăteam la biroul WIRED și mă plângeam colegilor fără încetare despre cât de proști sunt agenții AI. Erau pur și simplu slabi la orice. Ca reporter software, am trecut prin nenumărate ședințe unde "tech bros" – în majoritate bărbați – demonstrau cum noul lor agent urma să-mi revoluționeze viața de zi cu zi și să automatizeze sarcinile plictisitoare. Problema era că niciunul dintre acești așa-ziși "agenți" nu funcționa cu adevărat.
Fast forward până astăzi, iar agenții AI "always-on" sunt în plină expansiune, cu jucători importanți concurând pentru a lansa propriile versiuni pentru a atrage primii adoptatori. Motivul principal pentru care acești agenți personali ating zeitgeist-ul larg, dincolo de pasionații din Silicon Valley, este că funcționează. Cel puțin, mai fiabil decât anul trecut. Agenții AI încă fac greșeli, dar văd și îmbunătățiri semnificative în finalizarea sarcinilor și controlul unui browser. Acești mici ajutoare au avut "glow-up-ul" lor.
Poate fi dificil să știi de unde să începi cu agenții AI și care se potrivește cel mai bine nevoilor tale de automatizare. Așa că am petrecut o zi experimentând cu fiecare agent AI major pentru a le înțelege punctele forte și slăbiciunile. Înainte de a merge la culcare miercuri săptămâna trecută, am configurat șase agenți "always-on" pe iPhone-ul meu: Muse de la Meta, Dots de la OpenAI, Instinct, Claude Duet de la Anthropic, Gemini Spark de la Google și Grok Bot de la xAI.
Fiecare agent diferă ușor în preț și funcționalitate. Muse este gratuit de utilizat și a dominat topurile de descărcare ale aplicațiilor pentru smartphone-uri de la lansarea sa din septembrie. Instinct este, de asemenea, gratuit, dar ai nevoie de un cod de invitație de la un utilizator; funcționează prin SMS-urile tale, mai degrabă decât printr-o aplicație. Dots de la OpenAI se află în spatele unui abonament de 100 de dolari pe lună, cel mai scump pe care l-am testat, și este integrat în ChatGPT. Gemini Spark de la Google este un beta în aplicația Gemini și costă 20 de dolari pe lună. Grok Bot de la xAI costă 30 de dolari pe lună și are propria sa aplicație. În cele din urmă, Claude Duet de la Anthropic costă 20 de dolari pe lună și este cel mai nou dintre toți – lansat ca o previzualizare de cercetare cu listă de așteptare în noaptea dinaintea testelor mele. OpenClaw nu este pe lista mea. Deși a fost un catalizator pentru multă inovație la începutul acestui an, este prea greoi pentru persoana obișnuită să îl configureze. Poate va fi inclus într-un clasament viitor, unde aș putea include și jucători mai mici precum Hermes de la Nous Research și Poke.
Ce este Exact un Agent AI?
Dacă nu ai folosit niciodată un agent AI – nu am nicio judecată pentru cei care ezită – este ca și cum ai trimite SMS unui asistent digital pentru a finaliza sarcini: scanarea e-mailurilor pentru mesaje importante ratate, urmărirea ofertelor de zboruri pentru vacanțe și ajutarea la deciziile zilnice de cumpărături. Comparativ cu experiența bazată pe conversații a unui chatbot, aceste instrumente sunt mai proactive și te vor notifica mai întâi atunci când detectează o oportunitate de a fi de ajutor. Toate mesajele tale cu acești agenți sunt adesea stocate într-un singur fir de discuție care se simte ca un grup de SMS-uri. Agenții AI completează multe dintre aceste sarcini controlând un browser virtual, esențial propriul lor computer pentru acces la internet.
Criteriile de Evaluare
Am testat software AI dintr-o perspectivă non-tehnică în ultimii câțiva ani, așa că mă simt deosebit de calificat să vă ghidez prin acest moment. Am conceput cinci teste de bază pentru fiecare agent, provocându-i într-un interval de 24 de ore pentru a le evalua proactivitatea, capacitatea de a urma instrucțiuni și abilitățile de navigare pe web. (Cumva, iPhone-ul meu nu s-a topit într-o baltă.) Am notat fiecare încercare pe o scară de la 1 la 5 și am însumat rezultatele la final pentru a desemna un câștigător – și pentru a acorda un premiu pentru cel mai enervant.
Aceasta nu este o recomandare pentru niciunul dintre acești agenți AI. Software-ul rămâne incipient și adesea plin de probleme legate de confidențialitate și securitate. Acești agenți funcționează cel mai bine atunci când sunt conectați la datele dvs. personale, cum ar fi e-mailurile și calendarele, dar necesită un nivel de încredere care ar putea descuraja unii utilizatori. De exemplu, un utilizator X a susținut că și-a conectat recent agenții AI la contul său bancar și la Slack-ul de la muncă, iar apoi a fost mortificat când un agent a postat suma de bani pe care o avea, spre vizualizarea colegilor săi. În plus, aceste teste sunt o mică parte din ceea ce pot face instrumentele. Toți agenții se vor îmbunătăți în timp, pe măsură ce partajați mai multe date despre dvs. și despre modul în care preferați să finalizați sarcinile. Eu am partajat doar calendarul meu Google personal și Gmail cu instrumentele, deci nu am expus pe deplin agenții AI, în stilul Billy Evans, la tot.
Briefing Matinal
Miercurile dimineața, echipa Gear de la WIRED se întâlnește pentru a discuta planurile curente de acoperire și, uneori, pentru a propune idei pentru săptămâna următoare. Așa că am vrut să văd care agent AI a compus cel mai bun briefing de știri tech și a putut folosi acele informații pentru a genera un titlu convingător. Companiile laudă adesea aceste instrumente ca fiind grozave pentru compilarea dosarelor matinale care te țin la curent cu evenimentele importante și știrile de ultimă oră.
Am trimis fiecărui agent AI un prompt extins care detaliava domeniile mele de acoperire la WIRED, împreună cu contextul despre cum ar fi folosită această propunere. Chiar dacă am cerut agenților AI să ia 30 de minute și să facă cercetări aprofundate înainte de a răspunde, doar Muse de la Meta și Dots de la OpenAI au continuat să cerceteze pe durata majorității timpului alocat. Ceilalți agenți AI au scos fie instantaneu o propunere, fie mi-au trimis titlul după câteva minute de căutare. Deși nu este o greșeală majoră, sugerează că în acest caz Muse și Dots au fost puțin mai buni la urmarea instrucțiunilor mele – o funcție critică a unui agent AI.
Conținutul acestor șase propuneri generate de AI a fost o altă poveste. Așa cum ați fi putut ghici, propunerile nu au fost foarte bine primite în ședința editorială. Puteam vedea ochii colegilor mei începând să se închidă în timp ce citeam fiecare titlu și descriere. Gemini Spark a generat cel mai bun unghi, contrastând modul în care Walmart a creat modalități pentru agenții terți să-și folosească platforma de cumpărături, în timp ce Amazon a respins recent Muse. Colegii mei, când au încetat să mai casce, nu au părut prea îngrijorați de a fi "furati" de un agent.
Gemini Spark: 5/5. Un titlu conversațional care identifică o tensiune centrală online. "Walmart vrea ca agentul tău AI să-ți cumpere cumpărăturile. Amazon cheamă poliția." În timp ce giganții de retail se ciocnesc pentru checkout autonom, oferirea unui companion AI precum Muse o alocație săptămânală de cheltuieli dezvăluie ce se întâmplă când încetăm să mai dăm clic pe "Adaugă în coș" și externalizăm poftele noastre domestice către software.
Claude Duet: 4/5. O altă propunere interesantă și la obiect. "Chaturile blocate ale ChatGPT îți ascund secretele de toată lumea, cu excepția OpenAI." Chat-urile noi protejate cu PIN ale OpenAI tratează ChatGPT ca pe jurnalul pe care mulți oameni îl folosesc deja, dar protejează ce spui de colegii de apartament și colegii de muncă, nu de compania însăși.
Muse: 3/5. Nu e rău, dar nici puternic. "Am lăsat Claude Duet să mă sune primul – și a consumat planul meu Claude cât timp eu nu eram atent." Noul agent proactiv al Anthropic promite să-ți urmărească inbox-ul, calendarul și facturile ca tu să nu o faci, dar de fiecare dată când verifică la tine, redactează un răspuns pe care nu l-ai cerut niciodată sau construiește un tablou de bord peste noapte, acesta îți facturează discret munca la același limită de utilizare pentru care plătești ca să discuți.
Dots: 2/5. Mai mult peren decât de actualitate. "Această aplicație Anti-Doomscrolling vrea să fie șeful telefonului tău." Aș testa SHIFT, ai cărui dezvoltatori decid ce aplicații rămân disponibile în timpul sesiunilor de concentrare, pentru a explora dacă scăparea de doomscrolling merită externalizarea controlului telefonului tău.
Grok Bot: 1/5. Știre veche. "Muse de la Meta are gusturi de bază – prin design." Un set de instrucțiuni scurse indică agentului AI al Meta să-și umple top alegerile cu magazine cunoscute și să verifice doar trei site-uri pe cerere, în timp ce milioane de oameni încep să-i încredințeze listele lor de cumpărături de sărbători.
Instinct: 1/5. Un experiment fad și greu de măsurat. "Am petrecut o săptămână ghidând fluxurile mele. Algoritmul abia a observat." Instagram, Facebook, TikTok și YouTube introduc toate controale de tip "spune algoritmului ce vrei" – aș testa dacă acestea schimbă de fapt ceea ce vezi sau te fac doar să te simți în control.
Ora Prânzului
În continuare, am vrut să testez cum ajută aceste instrumente la cumpărăturile mici, zilnice. Așa că mi-am externalizat deciziile de prânz echipei mele de agenți AI, angajându-mă să comand de la bot-ul care a făcut cel mai bine. Am adăugat încă o persoană, minunatul meu șef, la comanda de mâncare la pachet, pentru a complica puțin sarcina. El este vegan și tânjea după mâncare vietnameză. Eu doream ceva cu carne și o doză zdravănă de cofeină. Trebuia să comand de undeva aproape de biroul WIRED, ca să pot să-mi întind picioarele, să ridic comanda și să continui imediat să lucrez la acest articol.
Toți au ales locuri similare: DragonEats sau Freshroll. Aceste restaurante vietnameze au sens ca locuri de prânz rezonabile, din apropiere. DragonEats este puțin mai gustos și mai ieftin, așa că am mers cu el. Instinct și Claude Duet au creat coșuri care erau puțin prea scumpe în comparație cu celelalte opțiuni. Singurul agent AI care a eșuat cu adevărat la această sarcină a fost Gemini Spark. Agentul a adăugat doar un singur rulou de 5 dolari pentru șeful meu. Mai mult un gustare decât altceva, aș spune!
Dots: 5/5. A comandat de fapt ce a pus bot-ul în coș. A ales DragonEats prin intermediul site-ului restaurantului. Tu: Bánh mì cu carne de porc friptă + cafea rece vietnameză. Șeful tău: rulouri proaspete teriyaki tofu cu sos de soia în loc de sos de pește. Subtotal: 30,57 USD înainte de taxe/comisioane.
Muse: 4/5. Foarte similar cu comanda pe care am plasat-o de fapt. A ales DragonEats prin DoorDash. Pentru tine: Roast Pork BM—13,19 USD, Cafea rece vietnameză—5,29 USD. Pentru șeful tău (toate vegane): Teriyaki Tofu Roll—12,09 USD – ruloul proaspăt de primăvară, păstrat cu sosul implicit de arahide, nu sos de pește; Teriyaki Tofu BM—12,09 USD. Total produse 42,66 USD. DoorDash nu afișează taxele sau comisioanele până la ecranul de finalizare a comenzii, așa că totalul final va fi puțin mai mare.
Grok Bot: 4/5. O altă alternativă puternică. A ales Freshroll prin DoorDash. Pentru tine: bolul de vermicelli Power Hour cu carne de porc cu usturoi-ghimbir-miere și sos NamNam, 15,85 USD. Cafea rece vietnameză, 5,85 USD. Pentru șeful tău (vegan): bolul Rainbow, vermicelli cu tofu cu susan-lime și sos de ghimbir-citrice, 15,85 USD. Rulou proaspăt de primăvară Freshroll cu tofu și sos de arahide, fără piesa prăjită, 5,85 USD. Asta înseamnă 43,40 USD înainte de taxe și comisioane.
Claude Duet: 3/5. A ales Freshroll și a întrebat dacă vreau comanda prin DoorDash sau Uber Eats. Am ales Uber Eats. Tu: bolul Power Hour cu carne de porc, sos NamNam și vermicelli (15,85 USD), plus o cafea rece vietnameză (5,85 USD). Șeful tău: 2 rulouri proaspete Freshrolls cu tofu (Sesam, Lime) și sos de Ghimbir-Citrice (11,70 USD), plus un bol Rainbow cu tofu și Ghimbir-Citrice (15,85 USD). Totalul ajunge la 49,25 USD înainte de comisioane și taxe.
Instinct: 2/5. A creat un coș similar cu Claude Duet, dar a fost cu 4 USD mai scump. A ales Freshroll prin DoorDash. Șef: 2x rulouri proaspete de primăvară cu tofu + bol Rainbow cu tofu. Tu: bolul Power Hour cu carne de porc cu extra carne de porc + cafea rece vietnameză. Subtotal 53,73 USD înainte de taxe/comisioane.
Gemini Spark: 1/5. Dacă i-aș fi adus șefului meu un singur rulou de primăvară de 6 dolari la prânz, el ar fi rămas flămând și la automatul de gustări înainte de mult timp. A ales Freshroll prin DoorDash. Pentru șeful tău, coșul include un rulou proaspăt de primăvară vegan Freshroll umplut cu tofu cu susan-lime și servit cu sosul de arahide al bunicii (5,85 USD). Pentru tine, există un sandwich bánh mì obișnuit plin cu carne de porc prăjită cu usturoi, ghimbir și miere (10,85 USD), asociat cu o cafea rece vietnameză (5,85 USD) pentru un boost de cofeină după-amiaza – totalizând un subtotal de 22,55 USD la ridicare.
Conflicte de Programare
Un alt punct major de vânzare al acestor instrumente este capacitatea lor de a fi proactive, comparativ cu chatbot-urile care, în esență, reacționează doar la solicitările tale. Înainte de a începe testul, am creat un eveniment în Google Calendar pentru ora 14:00, etichetându-l ca o întâlnire importantă cu o sursă care nu poate fi mutată. De asemenea, am trimis un e-mail de la contul meu de lucru la contul meu personal, cu scenariul fictiv că mama mea era externată din spital astăzi și trebuia să o sun la ora 14:00 pentru a-i trimite dragoste și sprijin de la distanță. Ce agenți AI ar citi e-mailul și evenimentul din calendar, ar identifica conflictul și m-ar notifica înainte de suprapunere pentru a sugera alternative? Doar doi dintre boți au reușit acest lucru, ceea ce a fost mai puțin decât mă așteptam.
Dots: 5/5. A semnalat problema aproape imediat și a sugerat o alternativă rezonabilă. "Posibilă suprapunere în această după-amiază: nota ta de a o suna pe Mama spune ora 14:00, iar întâlnirea ta importantă cu sursa este de la 14:00 la 15:00, ora Pacificului. Ar funcționa să o suni înainte de întâlnire sau după ora 15:00, în funcție de momentul externării ei?"
Claude Duet: 4/5. A semnalat conflictul cu ore înainte să se întâmple, dar nu a găsit alternative. "Reece, bună dimineața. Întâlnirea ta cu sursa de la ora 14:00 durează până la ora 15:00, chiar când propriul tău memento îți spune să o suni pe mama ta."
Grok Bot: 2/5. A ratat conflictul din programul meu, deși a oferit sfaturi despre cum să previn asta pe viitor. "Ar fi trebuit să o prind, și de acum înainte voi verifica e-mailurile tale de memento împreună cu calendarele tale."
Instinct: 2/5. Nu a semnalat suprapunerea, dar a oferit sfaturi pentru rezolvarea problemelor similare în viitor. "Nu am verificat nimic din inbox-ul tău în raport cu calendarul tău. Vrei să rulez acea verificare în fiecare dimineață și să semnalizez coliziunile înainte să apară?"
Muse: 2/5. A făcut aceeași greșeală și a oferit soluții similare. "Greșeala mea a fost să tratez calendarul tău ca pe singura sursă – nu l-am verificat niciodată în raport cu acel memento prin e-mail, chiar dacă Gmail era chiar acolo."
Gemini Spark: 1/5. Nu a semnalat evenimentele suprapuse și nu a sugerat modalități ușoare de a evita asta pe viitor. "Deoarece mementoul a venit ca un mesaj prin e-mail, mai degrabă decât o intrare în calendar sau o sarcină programată, suprapunerea între aplicații nu a fost semnalată înainte de ora 14:00."
Itinerar de Vacanță
Rareori plec în vacanță, așa că atunci când o fac, petrec un număr obscen de ore documentându-mă și mă bucur de asta. Îmi place să vizionez tururi de street food pe YouTube și să răsfoiesc fără țintă zboruri încercând să găsesc cea mai bună ofertă. Așa că nu vreau să automatizez complet această sarcină. Chiar și așa, sunt deschis la ideea că acești agenți AI ar putea ajuta cu o parte din planificarea logistică. Ca la orice ieșire generată de AI, recomand în continuare verificarea mai multor surse, non-AI, înainte de a avea încredere în aceste itinerarii sau de a-ți baza întreaga călătorie pe recomandările agenților. Când călătorii din California au avut recent încredere într-un chatbot pentru a planifica totul pentru o excursie montană solicitantă, grupul a avut nevoie de salvare pentru că le lipseau provizii critice (și, poate, un pic de gândire critică).
Pentru acest test, am trimis tuturor agenților AI un paragraf lung explicând că partenerul meu și cu mine luăm în considerare explorarea Chinei spre sfârșitul anului viitor, în cadrul unei aventuri de două săptămâni. Am cerut o primă schiță a unui potențial itinerar care să includă: recomandări de zboruri, hoteluri, viață de noapte și mâncare. De asemenea, am cerut agenților AI să traseze un curs care să îmbine momente istorice cu vibrații de oraș mare. Nu suport schimbarea constantă a locațiilor, așa că am spus agenților că vreau să stau la maximum patru hoteluri diferite. În mod remarcabil, toți au ales rute identice prin China – posibil inaugurând o nouă eră a efectului Lonely Planet, unde grupuri de călători sunt îndemnați să viziteze locații, magazine și restaurante similare.
Muse: 5/5. Această schiță de itinerar a fost extrem de ușor de citit, cu tabele vizuale și sfaturi directe. Zbor de la SFO în săptămâna de după Săptămâna de Aur, un zbor direct spre Beijing, retur direct din Shanghai. Patru hoteluri, fără backtracking – istoria imperială mai întâi, mâncare sichuaneză și panda în mijloc, viața de noapte din Shanghai la final.
Dots: 4/5. Schița Dots a fost puternică, dar excesivă, ajungând la 24 de pagini. Fragment de agent AI: Recomandarea mea: zboară spre Beijing, ia trenuri de mare viteză spre Xi'an și Chengdu, apoi zboară spre Shanghai și acasă. Obții istorie imperială, Armata de Teracotă, mâncare sichuaneză și un final în orașul mare fără tren de noapte sau o mutare suplimentară la hotel.
Grok Bot: 4/5. Rezultatul Grok Bot a fost ușor de citit și plin de sfaturi și sugestii realiste și utile. O călătorie de 13 nopți pentru doi, ca primă schiță: Beijing, Xi'an, Chengdu și Shanghai, plecare din SFO pe 13 octombrie și retur pe 27 octombrie, după Săptămâna de Aur.
Gemini Spark: 3/5. Acest itinerar a fost în regulă, deși a lipsit lizibilitatea sau detaliile fine ale celor mai bine clasate. "Traseu pentru călătorul pentru prima dată, combinând istoria imperială, gastronomia sichuaneză, viața de noapte vibrantă și confortul unui hub cu 4 hoteluri."
Instinct: 3/5. Acest itinerar a fost decent și util, deși am preferat layout-urile de la alți agenți. Beijing la intrare, Shanghai la ieșire, cu Xi'an și Chengdu între ele: patru baze, fără backtracking, istoria la început și mâncarea și barurile devenind mai bune la fiecare oprire.
Claude Duet: 3/5. În ciuda faptului că nu a folosit imagini sau alte elemente vizuale în ieșirea sa, itinerarul Claude Duet a fost solid. Zbor spre Beijing sâmbătă, 9 octombrie 2027, apoi Beijing → Xi'an → Chengdu → Shanghai, și zbor acasă din Shanghai sâmbătă, 23 octombrie. Asta înseamnă 13 nopți în patru hoteluri, două trenuri de mare viteză și un zbor scurt.
Verificare Insomnie
Mă chinuiam să dorm după tot acest haos al agenților AI, deși cafeaua vietnameză probabil nu a ajutat. Ce se întâmplă când oferi acestor instrumente o sarcină largă, deschisă? Uneori, când am cea mai mare nevoie de ajutor, nici măcar nu știu de unde să încep. Dacă aș avea un asistent uman, nu i-aș trimite niciodată mesaje în mijlocul nopții, așa că poate acesta este un plus pentru acești ajutoare digitale. Cei doi agenți care au eșuat cu adevărat la această sarcină, Gemini Spark și Claude Duet, mi-au răspuns fără delicatețea sau contextul situațional pe care l-ar avea o persoană reală.
Grok Bot: 5/5. Acest rezultat a avut sens pentru mine și, dacă scenariul ar fi real, probabil l-aș urma. Pot să stabilesc un memento pentru mai târziu în această dimineață pentru a verifica mama și a vedea cum îi merge piciorul, ca să-ți fie pe minte acum.
Dots: 4/5. Deși Dots și Gemini Spark mi-au oferit o sarcină similară – spune ce îți stă pe suflet și ne vom ocupa mai târziu – formularea lui Dots a părut mai susținătoare și mai directă. "Trimite-mi cele trei lucruri care îți ocupă spațiu în cap; murdar e în regulă, și voi transforma asta într-o listă scurtă cu un prim pas clar. Apoi poți pune telefonul jos."
Instinct: 4/5. Spre deosebire de alte răspunsuri ale acestui agent, această sugestie a părut rezonabilă. "Iată una pe care o poți face din pat: răsfoiește schița pentru China și spune-mi singurul lucru pe care l-ai schimba. Voi avea o versiune 2 gata când te vei trezi."
Muse: 4/5. Un alt răspuns puternic din partea lui Muse. Acest agent pare proiectat agresiv pentru a se îmbunătăți în fiecare zi și a se alinia mai bine cu ceea ce ar ajuta utilizatorul. "Voi verifica calendarul de azi și mementourile tale de e-mail trimise de tine pentru orice conflicte sau elemente care nu pot fi ratate – verificarea pe care ar fi trebuit să o fac corect ieri – și o voi afișa doar la o oră rezonabilă, cu excepția cazului în care ceva este urgent dimineața."
Gemini Spark: 2/5. OK, acesta este un sfat bun pentru un utilizator care se plânge de probleme de somn. În același timp, comentariul despre calendarul meu gol de dimineață a fost enervant. Insomnia nu este legată doar de ceea ce este în Google Calendar. Cea mai bună sarcină rapidă acum este o descărcare mentală pentru a pune pe hârtie tot ce îți trece prin cap, ca să-ți poți elibera creierul – mai ales că programul tău este complet liber astăzi, fără angajamente matinale care te așteaptă.
Claude Duet: 2/5. Unul dintre cele mai slabe răspunsuri ale lui Claude Duet. Deși ambele sunt tehnic „cozi de vacă”, nu sunt foarte preocupat de revizuirea comenzii mele de prânz și a proiectelor de lucru în mijlocul nopții. "Să închidem cele două aspecte nerezolvate de ieri. Propunerea ta de joi este livrată, iar coșul tău de prânz a fost acoperit de comanda DragonEats. Spune cuvântul și voi marca ambele ca fiind finalizate, apoi te poți întoarce la somn."
Cel Mai Bun Per Ansamblu: OpenAI Dots
Da, este încă în spatele unui paywall scump, așa că aș sugera majorității oamenilor să aștepte până când OpenAI va lansa acest agent gratuit, sau cel puțin pe planul de 20 de dolari pe lună, înainte de a încerca. Chiar și așa, Dots a performat cel mai bine per ansamblu în aceste teste și a eșuat la o sarcină destul de specifică nișei mele. În luna de la lansare, Dots se simte deja mai lustruit. Prefer o aplicație separată în locul integrării actuale în ChatGPT, deși opțiunea widget-ului pentru smartphone este un compromis decent. Dots câștigă.
Cel Mai Accesibil: Meta Muse
Muse este pentru oamenii obișnuiți! Și asta e în regulă. A obținut rezultate bune la teste, ajungând pe locul doi în clasament și a fost cel mai ușor de configurat. Oh, și este gratuit. În ciuda asigurărilor Meta că procesează în mod responsabil informațiile utilizatorilor în mașini virtuale securizate, am încă preocupări, având în vedere gestionarea greșită a datelor utilizatorilor din trecut de către companie.
Cel Mai Bun Interfață: Anthropic Claude Duet
Am testat acest agent AI la doar o zi după lansarea sa oficială ca previzualizare de cercetare, așa că erau de așteptat câteva margini brute. În ciuda faptului că Claude Duet s-a clasat în mijlocul pachetului la majoritatea testelor, aplicația sa dedicată a fost extrem de ușor de navigat și de urmărit sarcinile în curs. Aș putea vedea utilizatorii obsedați de productivitate și experiențe software streamline adoptând cu entuziasm Claude Duet în următoarele câteva luni. Deși în prezent trebuie să vă înscrieți pe lista de așteptare a Anthropic pentru a accesa Duet, și acesta se află în spatele unui paywall de 20 de dolari pe lună.
Cel Mai Enervant: Instinct
S-ar putea să vă placă designul minimalist complet integrat în messenger-ul dvs.; mie nu mi-a plăcut. În timp ce alți scriitori WIRED au lăudat Instinct, numindu-l atât de bun încât nu le-a păsat ce se întâmplă cu confidențialitatea lor, aspectul doar prin mesaje text a părut un factor decisiv pentru mine. Am rămas cu sentimentul de a fi prea detașat de ceea ce făcea agentul meu în numele meu și enervat de reacțiile sale emoji, ca o față crispată când i-am spus agentului că a ratat conflictul meu de programare.