Năm ngoái, tôi nhớ mình đã ngồi trong văn phòng của WIRED và không ngừng phàn nàn với các đồng nghiệp của mình về việc các tác nhân AI tệ đến mức nào. Họ chỉ tệ ở mọi thứ.

Với tư cách là một phóng viên phần mềm, tôi đã ngồi hết cuộc họp này đến cuộc họp khác, nơi những người anh em công nghệ—chủ yếu là nam giới—chứng minh cách người đại diện mới của họ sẽ cách mạng hóa cuộc sống hàng ngày của tôi và tự động hóa việc loại bỏ sự tẻ nhạt. Điều đáng chú ý là không có cái gọi là “tác nhân” nào thực sự hoạt động.

Chuyển nhanh đến ngày hôm nay và các Agent AI luôn hoạt động đang bùng nổ, với những người chơi lớn chạy đua phát hành phiên bản của riêng họ để thu hút những người áp dụng sớm. Lý do chính khiến những người đại diện cá nhân này tấn công những người theo chủ nghĩa tư tưởng lớn hơn, ngoài những người mọt sách ở Thung lũng Silicon, là vì họ làm việc. Chà, ít nhất là đáng tin cậy hơn năm ngoái. Các tác nhân AI vẫn mắc lỗi, nhưng tôi cũng thấy những cải tiến đáng kể trong việc thực hiện các tác vụ và kiểm soát trình duyệt. Những chàng trai nhỏ này đã tỏa sáng.

Có thể khó biết nên bắt đầu từ đâu với các tác nhân AI và cái nào phù hợp nhất với nhu cầu tự động hóa của bạn. Vì vậy, tôi đã dành một ngày để thử nghiệm từng tác nhân AI chính để hiểu điểm mạnh và điểm yếu của chúng. Trước khi đi ngủ vào thứ Tư tuần trước, tôi đã thiết lập sáu tác nhân luôn hoạt động trên iPhone của mình: Muse của Meta, Dots của OpenAI, Bản năng, Claude Duet của Anthropic, Gemini Spark của Google và Grok Bot của xAI.

Mỗi Agent AI có một chút khác nhau về giá cả và chức năng. Muse được sử dụng miễn phí và đã thống trị bảng xếp hạng tải xuống ứng dụng dành cho điện thoại thông minh kể từ khi phát hành vào tháng 9. Bản năng cũng miễn phí, nhưng bạn cần có mã mời từ người dùng; nó được vận hành thông qua tin nhắn của bạn chứ không phải là một ứng dụng. Dots của OpenAI nằm sau bức tường trả phí 100 đô la một tháng, bức tường đắt nhất mà tôi đã thử nghiệm và được xây dựng bên trong ChatGPT. Gemini Spark của Google là bản beta bên trong ứng dụng Gemini và có giá 20 USD một tháng. Grok Bot của xAI có giá 30 USD một tháng và nằm trong ứng dụng riêng của nó. Cuối cùng, Claude Duet của Anthropic có giá 20 đô la một tháng và là sản phẩm mới nhất trong nhóm — được phát hành dưới dạng bản xem trước nghiên cứu trong danh sách chờ vào đêm trước khi tôi thử nghiệm.

OpenClaw không có trong danh sách của tôi. Mặc dù tác nhân AI đã khơi dậy phần lớn sự đổi mới này vào đầu năm nay, nhưng việc thiết lập của một người bình thường lại quá phức tạp. Có thể nó sẽ nằm trong bảng xếp hạng trong tương lai, nơi tôi cũng có thể bao gồm những người chơi nhỏ hơn như Hermes của Nous Research và Poke.

Tác nhân AI chính xác là gì?

Nếu bạn chưa bao giờ sử dụng tác nhân AI—tôi không có phán xét gì đối với những khoản nắm giữ—điều đó giống như nhắn tin cho trợ lý kỹ thuật số để hoàn thành nhiệm vụ: quét email của bạn để tìm những tin nhắn quan trọng bị bỏ lỡ, theo dõi các giao dịch chuyến bay trong kỳ nghỉ và trợ giúp đưa ra các quyết định mua sắm hàng ngày.

So với trải nghiệm theo lượt của chatbot, những công cụ này chủ động hơn và sẽ thúc đẩy bạn trước khi chúng phát hiện cơ hội hữu ích. Tất cả tin nhắn của bạn với các tác nhân này thường được lưu trữ trong một chuỗi duy nhất có cảm giác giống như một văn bản nhóm. Các tác nhân AI hoàn thành nhiều nhiệm vụ này bằng cách điều khiển một trình duyệt ảo, về cơ bản là máy tính của riêng họ để truy cập internet.

Phiếu tự đánh giá

Tôi đã thử nghiệm phần mềm AI từ góc độ phi kỹ thuật trong vài năm qua, vì vậy tôi cảm thấy đặc biệt đủ điều kiện để giúp hướng dẫn bạn vượt qua thời điểm này. Tôi đã thiết kế năm bài kiểm tra cơ bản để thực hiện từng đặc vụ, thực hiện tất cả sự hỗn loạn này trong vòng 24 giờ để đánh giá tính chủ động, khả năng tuân theo chỉ đạo và khả năng duyệt web của họ. (Bằng cách nào đó, iPhone của tôi đã không tan thành vũng nước.) Tôi ghi điểm cho mỗi lần thử theo thang điểm từ 1 đến 5 và tính kết quả ở cuối để trao giải cho người chiến thắng — và trao giải cho người khó chịu nhất.

Đây không phải là sự chứng thực của bất kỳ tác nhân AI nào. Phần mềm này vẫn còn non trẻ và thường có nhiều lo ngại về quyền riêng tư và bảo mật. Các tác nhân này hoạt động tốt nhất khi được kết nối với dữ liệu cá nhân của bạn, như email và lịch, nhưng yêu cầu mức độ tin cậy có thể ngăn cản một số người dùng. Ví dụ: một người dùng X cho biết gần đây anh ta đã kết nối các đặc vụ AI với tài khoản ngân hàng của mình và làm việc với Slack, sau đó cảm thấy xấu hổ khi một đặc vụ đăng số tiền anh ta có cho đồng nghiệp của mình xem.

Ngoài ra, những thử nghiệm này chỉ là một phần giới hạn về những gì công cụ có thể thực hiện. Tất cả các nhân viên sẽ cải thiện theo thời gian khi bạn chia sẻ nhiều dữ liệu hơn về bản thân và cách bạn muốn hoàn thành nhiệm vụ. Tôi chỉ chia sẻ Lịch Google và Gmail cá nhân của mình với các công cụ, vì vậy tôi không cho các tác nhân AI, theo kiểu Billy Evans, tiếp xúc đầy đủ với mọi thứ.

Tóm tắt buổi sáng

Vào các buổi sáng thứ Năm, bộ phận Gear của WIRED họp để trò chuyện về các kế hoạch phủ sóng hiện tại và đôi khi đưa ra các ý tưởng cho tuần tới. Vì vậy, tôi muốn xem tác nhân AI nào tổng hợp tin tức công nghệ tốt nhất và có thể sử dụng thông tin đó để tạo ra tiêu đề hấp dẫn. Các công ty thường giới thiệu những công cụ này là công cụ tuyệt vời để biên soạn hồ sơ buổi sáng giúp bạn cập nhật các sự kiện quan trọng và tin tức nóng hổi.

Tôi đã gửi cho mỗi đặc vụ AI một lời nhắc chi tiết nêu chi tiết các lĩnh vực phủ sóng của tôi tại WIRED, cùng với bối cảnh về cách sử dụng quảng cáo chiêu hàng này. Mặc dù tôi đã yêu cầu các đặc vụ AI dành 30 phút và thực sự nghiên cứu sâu trước khi trả lời, nhưng chỉ có Muse của Meta và Dots của OpenAI thực sự tiếp tục nghiên cứu trong phần lớn thời gian quy định. Các đặc vụ AI khác ngay lập tức đưa ra lời chào hàng hoặc gửi cho tôi dòng tiêu đề sau vài phút tìm kiếm. Mặc dù không phải là một sai lầm lớn nhưng nó cho thấy rằng trong trường hợp này Muse và Dots đã làm theo hướng dẫn của tôi tốt hơn một chút - một chức năng quan trọng của tác nhân AI.

Nội dung của sáu quảng cáo chiêu hàng do AI tạo ra này rất khác nhau. Như bạn có thể đã đoán, phần chào hàng đã không diễn ra tốt đẹp trong cuộc họp biên tập. Tôi có thể thấy đồng nghiệp của tôi bắt đầu trợn mắt khi tôi đọc từng tiêu đề và mô tả. Gemini Spark đã tạo ra góc nhìn tốt nhất, trái ngược với cách Walmart tạo ra các cách để các Agent AI bên thứ ba sử dụng nền tảng mua sắm của mình trong khi Amazon gần đây đã từ bỏ Muse. Các đồng nghiệp của tôi, khi họ ngừng ngáp, dường như không quá lo lắng về việc bị người đại diện săn đón.

**Tia lửa Song Tử:**5/5. Tiêu đề trò chuyện xác định sự căng thẳng cốt lõi trên mạng.

Walmart muốn Agent AI của bạn mua hàng tạp hóa của bạn. Amazon đang gọi cảnh sát Khi các gã khổng lồ bán lẻ xung đột về việc thanh toán tự động, việc cấp cho người bạn đồng hành AI như Muse của Meta một khoản trợ cấp chi tiêu hàng tuần sẽ tiết lộ điều gì sẽ xảy ra khi chúng ta ngừng nhấp vào “Thêm vào giỏ hàng” và thuê phần mềm đáp ứng nhu cầu nội địa của chúng ta.

**Song ca Claude:**4/5. Một sân thú vị và kịp thời khác.

Trò chuyện bị khóa của ChatGPT Ẩn bí mật của bạn với mọi người trừ OpenAI. Các cuộc trò chuyện được bảo vệ bằng mã PIN mới của OpenAI coi ChatGPT giống như nhật ký mà nhiều người đã sử dụng nhưng chúng bảo vệ những gì bạn nói với bạn cùng phòng và đồng nghiệp chứ không phải từ chính công ty.

**Nàng thơ:**3/5. Không tệ, nhưng không

đómạnh mẽ.

Tôi để Claude Duet nhắn tin cho tôi trước—và nó đã tiêu tốn kế hoạch Claude của tôi khi tôi không nhìn. Tác nhân chủ động mới của Anthropic hứa hẹn sẽ xem hộp thư đến, lịch và hóa đơn của bạn để bạn không cần phải làm vậy, nhưng mỗi khi nó kiểm tra bạn, soạn thảo câu trả lời mà bạn chưa bao giờ yêu cầu hoặc xây dựng trang tổng quan qua đêm, nó sẽ âm thầm tính phí hoạt động theo cùng giới hạn sử dụng mà bạn phải trả để trò chuyện.

**Chấm:**2/5. Thường xanh hơn tin tức.

Ứng dụng chống Doomscrolling này muốn trở thành ông chủ điện thoại của bạn. Tôi sẽ thử nghiệm SHIFT, nơi các nhà phát triển của họ quyết định ứng dụng nào vẫn khả dụng trong các phiên tập trung, để khám phá xem việc thoát khỏi doomscrolling có đáng để thuê ngoài kiểm soát điện thoại của bạn hay không.

**GrokBot:**1/5. Tin cũ.

Muse của Meta có hương vị cơ bản—theo thiết kế. Một bộ hướng dẫn bị rò rỉ yêu cầu Agent AI của Meta điền vào các lựa chọn hàng đầu của mình với các cửa hàng nổi tiếng và chỉ kiểm tra ba trang web cho mỗi yêu cầu, giống như hàng triệu người bắt đầu giao cho nó danh sách mua sắm trong kỳ nghỉ của họ.

**Bản năng:**1/5. Một thí nghiệm nhạt nhẽo và khó đo lường.

Tôi đã dành một tuần để điều khiển các nguồn cấp dữ liệu của mình. Thuật toán hầu như không được chú ý. Instagram, Facebook, TikTok và YouTube đều đang triển khai các biện pháp kiểm soát "nói cho thuật toán biết bạn muốn gì"—Tôi sẽ kiểm tra xem chúng có thực sự thay đổi những gì bạn nhìn thấy hay chỉ khiến bạn cảm thấy có trách nhiệm.

Giờ ăn trưa

Tiếp theo, tôi muốn kiểm tra xem những công cụ này hỗ trợ như thế nào đối với các giao dịch mua hàng nhỏ, hàng ngày. Vì vậy, tôi đã giao các quyết định về bữa trưa của mình cho nhóm Agent AI của mình, cam kết đặt hàng từ bất kỳ bot nào làm tốt nhất.

Tôi đã thêm một người khác, ông chủ tuyệt vời của tôi, vào đơn đặt hàng mang đi, để làm phức tạp thêm nhiệm vụ thêm một chút. Anh ấy ăn chay và thèm món Việt. Tôi muốn thứ gì đó nhiều thịt và một lượng lớn caffeine. Tôi cần phải đặt hàng từ một nơi nào đó gần văn phòng WIRED để có thể duỗi chân, nhặt nó lên và ngay lập tức tiếp tục thực hiện bài viết này.

Tất cả họ đều chọn những địa điểm tương tự: DragonEats hoặc Freshroll. Những nhà hàng Việt Nam đó có ý nghĩa hợp lý, gần các điểm ăn trưa. DragonEats ngon hơn và rẻ hơn một chút nên chúng tôi đã chọn loại đó. Bản năng và Claude Duet đã chế tạo những chiếc xe đẩy có giá hơi cao so với các lựa chọn khác. Đặc vụ AI duy nhất thực sự thất bại trong nhiệm vụ này là Gemini Spark. Người đại diện vừa thêm một cuộn $5 cho sếp của tôi. Tôi muốn nói là giống một bữa ăn nhẹ hơn bất cứ thứ gì!

Chấm: 5/5. Trên thực tế đã đặt hàng những gì bot này cho vào giỏ hàng. Chọn DragonEats thông qua trang web của nhà hàng.

Bạn: Bánh mì thịt lợn nướng + cà phê đá Việt Nam. Sếp của bạn: Đậu hủ teriyaki cuộn tươi chấm nước tương thay vì nước mắm. Tổng phụ: 30,57 USD trước thuế/phí.

Nàng thơ: 4/5. Rất giống với thứ tự mà tôi thực sự đã đặt. Đã chọn DragonEats thông qua DoorDash.

Dành cho bạn: Thịt lợn nướng BM—$13,19, Cà phê đá Việt Nam—$5,29. Dành cho sếp của bạn (tất cả đều thuần chay): Bánh đậu phụ Teriyaki— $ 12,09 — chả giò tươi, được dùng với nước sốt đậu phộng mặc định, không phải nước mắm; Đậu phụ Teriyaki BM—$12,09. Tổng số mặt hàng là $ 42,66. DoorDash không hiển thị thuế hoặc bất kỳ khoản phí nào cho đến màn hình thanh toán, do đó tổng số cuối cùng sẽ cao hơn một chút.

Bot Grok: 4/5. Một sự thay thế mạnh mẽ khác. Đã chọn Freshroll thông qua DoorDash.

Dành cho bạn: Bún Power Hour với thịt heo tỏi-gừng-mật ong và sốt NamNam, $15,85. Cà phê đá lạnh Việt Nam, 5,85 USD. Dành cho sếp của bạn (thuần chay): Rainbow Bowl, bún với đậu phụ chanh mè và sốt gừng cam quýt, $15,85. Chả giò đậu phụ tươi sốt đậu phộng, không có miếng chiên, $5,85. Đó là $43,40 trước thuế và phí.

Song ca của Claude: 3/5. Chọn Freshroll và hỏi tôi muốn đặt hàng qua DoorDash hay Uber Eats. Tôi đã chọn Uber Eats.

Bạn: Tô Power Hour với thịt heo, sốt NamNam và bún ($15,85), kèm theo Cà phê đá lạnh Việt Nam ($5,85). Sếp của bạn: 2 Bánh cuốn tươi với Đậu phụ (Vừng, chanh) và sốt Gừng ($11,70), cùng với một Bát cầu vồng với đậu phụ và Gừng có múi ($15,85). Tổng số tiền đó là 49,25 USD trước phí và thuế.

Bản năng: 2/5. Đã tạo ra một chiếc xe đẩy tương tự như Claude Duet, nhưng nó đắt hơn 4 USD. Đã chọn Freshroll thông qua DoorDash.

Sếp: 2x nem tươi đậu hủ + đậu phụ Bát cầu vồng. Bạn: Bát thịt heo Power Hour thêm thịt heo + Bia lạnh Việt Nam. Tổng cộng $53,73 trước thuế/phí.

Tia lửa Song Tử: 1/5. Nếu tôi mang cho sếp của mình một chiếc chả giò trị giá 6 đô la cho bữa trưa, chẳng bao lâu sau ông ấy sẽ nôn nao và đến máy bán hàng tự động. Đã chọn Freshroll thông qua DoorDash.

Đối với sếp của bạn, xe đẩy bao gồm một chả giò tươi thuần chay nhân đậu phụ chanh mè và ăn kèm với nước sốt đậu phộng của bà ($5,85). Đối với bạn, có một chiếc bánh mì sandwich thông thường với thịt lợn nướng tỏi, gừng và mật ong ($10,85), kết hợp với cà phê đá pha lạnh của Việt Nam ($5,85) để tăng lượng caffeine vào buổi chiều— nâng tổng chi phí lên 22,55 USD.

Lập lịch xung đột

Một điểm nổi bật khác của những công cụ này là khả năng chủ động, so với các chatbot về cơ bản chỉ phản ứng với lời nhắc của bạn. Trước khi bắt đầu thử nghiệm, tôi đã tạo một sự kiện trên Lịch Google vào lúc 2 giờ chiều, gắn nhãn đó là cuộc họp nguồn quan trọng không thể di chuyển. Tôi cũng đã gửi một email từ tài khoản công việc đến tài khoản cá nhân của mình, với kịch bản bịa đặt là hôm nay mẹ tôi sẽ xuất viện và tôi cần gọi cho mẹ lúc 2 giờ chiều để gửi tình yêu và sự ủng hộ từ xa.

Tác nhân AI nào sẽ đọc email và sự kiện trên lịch, xác định xung đột và nhắn tin cho tôi trước khi xảy ra sự kiện chồng chéo để đề xuất các giải pháp thay thế? Chỉ có hai trong số các bot thành công ở đây, ít hơn tôi mong đợi.

Chấm: 5/5. Gần như ngay lập tức gắn cờ vấn đề và đề xuất giải pháp thay thế hợp lý.

Có thể xảy ra xung đột chiều nay: lời nhắn gọi cho mẹ của bạn là 2 giờ chiều và cuộc họp nguồn quan trọng của bạn là 2-3 giờ chiều, Thái Bình Dương. Liệu việc gọi cho cô ấy trước cuộc họp hay sau 3 giờ họp có phù hợp với thời gian xuất viện của cô ấy không?

Song ca của Claude: 4/5. Đã gắn cờ xung đột vài giờ trước khi nó xảy ra nhưng không tìm được giải pháp thay thế.

Reece, chào buổi sáng. Cuộc họp nguồn lúc 2 giờ chiều của bạn kéo dài đến 3 giờ, ngay khi lời nhắc của bạn nói hãy gọi cho mẹ bạn.

Bot Grok: 2/5. Đã bỏ lỡ xung đột trong lịch trình của tôi, mặc dù nó đã chia sẻ cách tránh điều này xảy ra lần nữa.

Đáng lẽ tôi phải nắm bắt được nó và từ bây giờ tôi sẽ kiểm tra email tự nhắc nhở cùng với lịch của bạn.

Bản năng: 2/5. Nó không gắn cờ sự trùng lặp nhưng nó cung cấp các mẹo để khắc phục các vấn đề tương tự trong tương lai.

Tôi không kiểm tra chéo hộp thư đến của bạn với lịch của bạn. Bạn có muốn tôi thực hiện kiểm tra đó mỗi sáng và gắn cờ các va chạm trước khi chúng xảy ra không?

Nàng thơ: 2/5. Đã mắc lỗi tương tự và đưa ra các cách sửa lỗi tương tự.

Sai lầm của tôi là coi lịch của bạn là nguồn duy nhất — tôi chưa bao giờ kiểm tra chéo lời nhắc email đó với lịch đó, mặc dù Gmail ở ngay đó.

Tia lửa Song Tử: 1/5. Nó không gắn cờ các sự kiện chồng chéo và không đề xuất những cách dễ dàng để tránh điều này trong tương lai.

Vì lời nhắc đến dưới dạng email chứ không phải mục lịch hoặc tác vụ đã lên lịch nên sự chồng chéo giữa các ứng dụng không xuất hiện trước 2 giờ chiều.

Hành trình nghỉ dưỡng

Tôi hiếm khi đi nghỉ, vì vậy khi đi nghỉ, tôi dành rất nhiều thời gian để nghiên cứu và tôi thích nó. Tôi thích xem các chuyến tham quan ẩm thực đường phố trên YouTube và vô tình lướt qua các chuyến bay để cố gắng tìm kiếm ưu đãi tốt nhất. Vì vậy, tôi không muốn tự động hóa hoàn toàn nhiệm vụ này. Mặc dù vậy, tôi vẫn cởi mở với ý tưởng rằng các tác nhân AI này có thể giúp thực hiện một số công việc lập kế hoạch hậu cần.

Giống như bất kỳ kết quả đầu ra nào do AI tạo ra, tôi vẫn khuyên bạn nên kiểm tra nhiều nguồn không phải AI trước khi tin tưởng vào những hành trình này hoặc xoay quanh toàn bộ chuyến đi của bạn theo những gì Agent AI đề xuất. Gần đây, khi những khách du lịch ở California tin tưởng một chatbot để lên kế hoạch cho mọi thứ cho chuyến đi bộ đường dài vất vả, nhóm đã phải được giải cứu vì họ thiếu nguồn cung cấp quan trọng (và có thể cả một số tư duy phản biện).

Đối với bài kiểm tra này, tôi đã gửi cho tất cả các đặc vụ AI một đoạn văn dài giải thích rằng tôi và đối tác đang cân nhắc việc khám phá Trung Quốc vào cuối năm tới trong chuyến phiêu lưu kéo dài hai tuần. Tôi đã yêu cầu bản phác thảo đầu tiên về hành trình tiềm năng bao gồm: gợi ý về chuyến bay, khách sạn, cuộc sống về đêm và đồ ăn. Ngoài ra, tôi đã yêu cầu các đặc vụ AI vạch ra một lộ trình kết hợp những khoảnh khắc lịch sử với những rung cảm của thành phố lớn. Tôi không thể chịu được việc thay đổi địa điểm liên tục, vì vậy tôi đã nói với các Agent AI rằng tôi muốn ở tối đa bốn khách sạn khác nhau.

Đáng chú ý, tất cả họ đều chọn những tuyến đường giống hệt nhau qua Trung Quốc — có khả năng mở ra một kỷ nguyên mới của hiệu ứng Lonely Planet, nơi các nhóm du khách được thúc đẩy đến thăm các địa điểm, cửa hàng và nhà hàng tương tự.

Nàng thơ: 5/5. Bản thảo hành trình này cực kỳ dễ đọc, có bảng biểu trực quan và các mẹo đơn giản.

Bay khỏi SFO vào tuần sau Tuần lễ Vàng, bay thẳng đến Bắc Kinh, về nhà thẳng từ Thượng Hải. Bốn khách sạn, không quay lại — lịch sử đế quốc trước hết, ẩm thực Tứ Xuyên và gấu trúc ở giữa, cuộc sống về đêm ở Thượng Hải kết thúc.

Chấm: 4/5. Bản nháp Dots rất mạnh mẽ nhưng quá nhiều, chỉ dài 24 trang.

Đoạn Agent AI: Đề xuất của tôi: bay đến Bắc Kinh, đi tàu cao tốc đến Tây An và Thành Đô, sau đó bay đến Thượng Hải và về nhà. Bạn sẽ có được lịch sử đế quốc, Đội quân đất nung, đồ ăn Tứ Xuyên và đêm chung kết ở thành phố lớn mà không cần phải đi tàu qua đêm hoặc di chuyển thêm khách sạn.

Bot Grok: 4/5. Kết quả đầu ra của Grok Bot rất dễ đọc và có đầy đủ các mẹo cũng như đề xuất hữu ích mang tính thực tế.

Chuyến đi 13 đêm dự thảo đầu tiên dành cho hai người: Bắc Kinh, Tây An, Thành Đô và Thượng Hải, khởi hành từ SFO vào ngày 13 tháng 10 và trở về vào ngày 27 tháng 10, sau Tuần lễ Vàng.

Tia lửa Song Tử: 3/5. Hành trình này vẫn ổn, mặc dù nó thiếu khả năng đọc hoặc chi tiết tốt hơn so với những hành trình được xếp hạng cao hơn.

Lộ trình dành cho khách du lịch lần đầu kết hợp giữa lịch sử hoàng gia, ẩm thực Tứ Xuyên, cuộc sống về đêm sôi động và tiện nghi tại trung tâm 4 khách sạn.

Bản năng: 3/5. Hành trình này rất hay và hữu ích, mặc dù tôi thích cách bố trí của các Agent AI khác hơn.

Bắc Kinh, quê hương Thượng Hải, với Tây An và Thành Đô ở giữa: bốn căn cứ, không quay lại, lịch sử ở phía trước và đồ ăn cũng như quán bar ngày càng ngon hơn ở mỗi điểm dừng.

Song ca của Claude: 3/5. Mặc dù không sử dụng bất kỳ hình ảnh hoặc yếu tố hình ảnh nào khác trong đầu ra, hành trình của Claude Duet vẫn rất chắc chắn.

Bay đến Bắc Kinh vào Thứ Bảy, ngày 9 tháng 10 năm 2027, sau đó đi Bắc Kinh → Tây An → Thành Đô → Thượng Hải và bay về nhà từ Thượng Hải vào Thứ Bảy, ngày 23 tháng 10. Đó là 13 đêm ở bốn khách sạn, hai chuyến tàu cao tốc và một chuyến bay ngắn.

Kiểm tra chứng mất ngủ

Tôi khó ngủ sau tất cả sự hỗn loạn của đặc vụ AI này, mặc dù cà phê Việt Nam có lẽ không giúp ích được gì. Điều gì xảy ra khi bạn giao cho những công cụ này một nhiệm vụ mở rộng? Đôi khi tôi cần sự giúp đỡ nhất là khi tôi thậm chí không biết bắt đầu từ đâu.

Nếu tôi có trợ lý con người, tôi sẽ không bao giờ nhắn tin cho họ vào lúc nửa đêm, vì vậy có lẽ đó là điểm cộng cho những người trợ giúp kỹ thuật số này. Hai đặc vụ thực sự thất bại trong nhiệm vụ này, Gemini Spark và Claude Duet, đã trả lời tôi mà không có sự đụng chạm nhẹ nhàng hoặc bối cảnh tình huống mà một người thực có thể làm.

GrokBot: 5/5. Kết quả đầu ra này có ý nghĩa đối với tôi và nếu kịch bản này là có thật, tôi có thể sẽ làm theo nó.

Tôi có thể đặt lời nhắc vào cuối buổi sáng nay để kiểm tra sức khỏe của mẹ bạn và xem chân của bà thế nào, vì vậy bây giờ bạn không cần bận tâm nữa.

Chấm: 4/5. Mặc dù Dots và Gemini Spark đều giao cho tôi một nhiệm vụ tương tự - hãy nói những gì bạn đang nghĩ và chúng ta sẽ đề cập đến vấn đề đó sau - cách diễn đạt của Dots mang lại cảm giác hỗ trợ và trực tiếp hơn.

Gửi cho tôi ba thứ đang chiếm lĩnh không gian trong đầu bạn; lộn xộn cũng được, và tôi sẽ biến chúng thành một danh sách kiểm tra ngắn gọn với một bước đầu tiên rõ ràng. Sau đó, bạn có thể đặt điện thoại xuống.

Bản năng: 4/5. Không giống như một số câu trả lời khác của Agent AI này, đề xuất này có vẻ hợp lý.

Đây là một việc bạn có thể làm khi đang trên giường: đọc lướt bản dự thảo của Trung Quốc và cho tôi biết điều bạn muốn thay đổi. Tôi sẽ chuẩn bị sẵn v2 khi bạn thức dậy.

Nàng thơ: 4/5. Một phản ứng mạnh mẽ khác từ Muse. Tác nhân này dường như được thiết kế tích cực để cải thiện mỗi ngày và phù hợp hơn với những gì sẽ giúp ích cho người dùng.

Tôi sẽ kiểm tra chéo lịch hôm nay và lời nhắc email tự gửi của bạn để tìm bất kỳ xung đột hoặc mục nào không thể bỏ lỡ—việc kiểm tra mà đáng lẽ tôi phải thực hiện đúng vào ngày hôm qua—và chỉ hiển thị nó vào một giờ lành mạnh, trừ khi có việc gì đó khẩn cấp sớm.

Tia lửa Song Tử: 2/5. Được rồi, đây là lời khuyên hữu ích dành cho người dùng đang phàn nàn về vấn đề giấc ngủ. Đồng thời, nhận xét về lịch buổi sáng trống rỗng của tôi thật khó chịu. Chứng mất ngủ không chỉ gắn liền với những gì có trên Lịch Google của tôi.

Nhiệm vụ nhanh chóng tốt nhất hiện nay là tải xuống trong đầu để ghi bất cứ điều gì đang lặp lại trong đầu bạn ra giấy để não bạn có thể quên nó đi—đặc biệt vì hôm nay lịch của bạn hoàn toàn trống rỗng và không có công việc buổi sáng nào đang chờ bạn.

Song ca của Claude: 2/5. Một trong những câu trả lời yếu nhất của Claude Duet. Mặc dù cả hai đều chưa hoàn thiện về mặt kỹ thuật, nhưng tôi không lo lắng lắm về việc xem lại đơn đặt hàng bữa trưa và các dự án công việc của mình vào lúc nửa đêm.

Hãy khép lại hai đầu lỏng lẻo của ngày hôm qua. Buổi chào hàng vào thứ Năm của bạn đã được giao và xe ăn trưa của bạn đã được đáp ứng theo đơn đặt hàng DragonEats. Nói một từ và tôi sẽ đánh dấu cả hai là xong, sau đó bạn có thể quay lại ngủ.

Tổng thể tốt nhất: OpenAI Dots

Có, nó vẫn nằm sau một bức tường phí đắt tiền, vì vậy tôi khuyên hầu hết mọi người nên đợi cho đến khi OpenAI ra mắt Agent AI này miễn phí hoặc ít nhất là với gói 20 đô la một tháng trước khi dùng thử. Mặc dù vậy, Dots đã thể hiện tổng thể tốt nhất trong các thử nghiệm này và thất bại ở một nhiệm vụ khá cụ thể đối với lĩnh vực của tôi.

Trong tháng kể từ khi phát hành, Dots đã trở nên bóng bẩy hơn. Tôi thích một ứng dụng riêng biệt hơn là tích hợp ChatGPT hiện tại, mặc dù tùy chọn tiện ích trên điện thoại thông minh là một sự thỏa hiệp hợp lý. Dấu chấm cho chiến thắng.

Dễ tiếp cận nhất: Meta Muse

Muse là dành cho những người bình thường! Và điều đó ổn thôi. Nó hoạt động tốt trong các bài kiểm tra, đứng thứ hai trên bảng điểm và là thiết bị dễ thiết lập nhất. Ồ, và nó miễn phí. Bất chấp sự đảm bảo của Meta rằng họ xử lý thông tin người dùng trong các máy ảo an toàn một cách có trách nhiệm, tôi vẫn lo ngại về việc công ty xử lý sai dữ liệu người dùng trong quá khứ.

Giao diện đẹp nhất: Anthropic Claude Duet

Tôi đã thử nghiệm tác nhân AI này chỉ một ngày sau khi nó chính thức ra mắt dưới dạng bản xem trước nghiên cứu, vì vậy dự kiến sẽ có một số khó khăn. Mặc dù Claude Duet đạt điểm ở mức trung bình trong hầu hết các bài kiểm tra, ứng dụng chuyên dụng của nó cực kỳ thân thiện với người dùng để điều hướng và theo dõi các nhiệm vụ đang diễn ra. Tôi có thể thấy người dùng bị ám ảnh bởi năng suất và trải nghiệm phần mềm hợp lý thực sự chú ý đến Claude Duet trong vài tháng tới. Mặc dù hiện tại bạn phải đăng ký danh sách chờ của Anthropic để truy cập Duet và nó có tường phí 20 đô la một tháng.

Khó chịu nhất: Bản năng

Bạn có thể thích thiết kế thưa thớt được tích hợp hoàn toàn vào ứng dụng nhắn tin của mình; Tôi đã không làm vậy. Trong khi các nhà văn WIRED khác đã ca ngợi Bản năng, gọi nó tốt đến mức họ không quan tâm đến điều gì đã xảy ra với quyền riêng tư của mình, thì khía cạnh chỉ nhắn tin có vẻ như là một yếu tố phá vỡ thỏa thuận đối với tôi. Tôi để lại trải nghiệm với cảm giác quá khác biệt với những gì người đại diện của tôi đang làm thay mặt tôi và khó chịu trước phản ứng biểu tượng cảm xúc của nó, giống như khuôn mặt nhăn nhó khi tôi nói với người đại diện rằng họ đã bỏ lỡ xung đột lịch trình của tôi.

Bình luận

Quay lại đầu trang