Hark、Instinct、Muse 三款个人 AI agent 横评：6 项任务总分仅差 2 分，hype 差距未兑现

6 项任务、每项 10 分的横评中，三款个人 AI agent Hark、Instinct 和 Muse 总分分别为 57/60、55/60、55/60，首尾仅差 2 分。Muse 编程与工程双满分但研究仅 7/10，Hark 无一项低于 9 分，Instinct 工程轮最弱（8/10）。作者称每任务只跑一次、借助 GPT 人工评分，认为中等任务上各家差距远小于宣传差距。