micro1发布PersonalAgentBench基准

2026年10月6日，micro1 发布 PersonalAgentBench 基准测试，专测个人 AI 助手在订机票、回邮件、调整日程等真实日常任务中的表现与可信度，并强调个人 Agent 的能力并不等于可信；测试对象包括 Instinct、Muse、Grok Bot 和 Gemini Spark。同日公布的初步榜单显示，Gemini Spark 在四款助手的横评中暂时领先。该基准覆盖十类日常任务，例如给团队写备忘、搜航班、找最低价，由专家按任务完成度和行为是否可信两项指标打分。micro1 官网提供各 agent 的对话记录供对比查看，并称会持续收集公开任务、动态更新结果，因此榜单排名可能随测试推进而变化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。