آزمایش جامع دستیارهای هوش مصنوعی؛ کدام عامل بهترین عملکرد را دارد؟

توسعه دستیارهای هوش مصنوعی همیشه روشن سرعت گرفته و این ابزارها با قابلیت کنترل مرورگر و انجام وظایف، به جریان اصلی فناوری راه یافته‌اند. برای ارزیابی عملکرد این ابزارها، شش دستیار اصلی شامل Muse از متا، Dots از اوپن‌آی‌وی، Instinct، Claude Duet از انتروپیک، Gemini Spark از گوگل و Grok Bot از xAI روی آیفون آزمایش شدند. هر کدام از این ابزارها از نظر قیمت و نحوه عملکرد تفاوت دارند؛ از مدل‌های رایگان مانند Muse گرفته تا مدل‌های گران‌قیمت مانند Dots با قیمت صد دلار در ماه.

در این آزمایش‌ها، سناریوهای مختلفی از جمله تهیه بسته خبری صبحگاهی، سفارش آنلاین ناهار برای تیم، شناسایی تداخلات تقویم و ایمیل، و برنامه‌ریزی یک سفر دو هفته‌ای به چین اجرا شد. در بخش تهیه گزارش خبری، مدل‌های Muse و Dots بیش از سایرین زمان صرف تحقیق عمیق کردند. در بخش سفارش ناهار، اکثر مدل‌ها رستوران‌های مشابهی را پیشنهاد دادند، اما Gemini Spark با افزودن تنها یک رول کوچک نتوانست وظیفه خود را به درستی انجام دهد.

در آزمایش تقویم، تنها دو ربات توانستند تداخل میان یک ایمیل شخصی درباره تماس با مادر و یک جلسه کاری مهم را پیش از موعد تشخیص دهند و هشدار دهند. همچنین در سناریوی برنامه‌ریزی سفر به چین، همه دستیاران مسیرهای مشابهی را برای بازدید از شهرهای پکن، شیان، چنگدو و شانگهای پیشنهاد دادند.

در نهایت، مدل Dots از اوپن‌آی‌وی به عنوان بهترین مدل کلی شناخته شد، هرچند که پشت یک حصار قیمتی گران قرار دارد. مدل Muse از متا به عنوان قابل‌دسترس‌ترین و رایگان‌ترین گزینه رتبه دوم را کسب کرد، Claude Duet از انتروپیک بهترین رابط کاربری را ارائه داد، و Instinct به دلیل محدودیت در تعاملات متنی به عنوان آزاردهنده‌ترین مدل شناخته شد.