Personal Agent Bench

其他语言English日本語한국어

Muse 和 Instinct 对比:各自实际如何运行

最后核对 2026-10-26
本页由 2026-11-11 的英文版机器翻译而成,所有数字都已和原文核对。如有出入,以英文版为准。

最后核实于 2026-10-26

Instinct AI vs Muse,或者 Meta Muse vs Instinct,通常会被写成功能列表,因为两家公司发布的正是功能列表。但这种比较几乎说明不了什么,因为大多数个人智能体都声称支持邮件、日历、浏览和记忆。我们转而从运行时层面拆解两者,发现的差异是结构性的:它们运行在不同的地方,用户通过不同的方式使用它们,以截然相反的理念开放能力,并按照不同规则保存各自掌握的信息。这些差异决定了它们能为你做什么,也决定了它们可能对你做什么。

  • 简短结论按下文的事务类型归纳:通过文字交办事务,选 Instinct AI;需要在一台专属机器上运行的智能体,选 Meta Muse;需要打电话才能完成的事务,目前两者都不适合。
  • 它们不是形态相同的产品。一个存在于网页端,背后有一台自己的 Linux 机器;另一个存在于你已经在用的即时通信应用中。
  • 两者的工具开放方式在设计上完全相反。一个将权限与定义分开,只在需要时加载 schema;另一个提供命令行,并且在读取操作手册前拒绝执行相应操作。
  • 两者都以 markdown 文件保存记忆。区别在于这些文件存放在哪里、纠正后的事实如何处理,以及秘密信息如何单独保存。
  • 9 月主表中的完成率采用不同的任务集。另有一批较早的 114 项任务和一批 10 月的 20 项任务,分别让两者执行相同任务;这些结果在下文并列展示,绝不合并。

先说基础信息,因为其他介绍通常都从这里开始。Muse 属于 Meta。Meta 于 9 月 8 日发布的上线公告称,它正通过 iOS、Android 和网页端在美国推出,大多数用户所需的功能可以免费使用,想做更多事情的用户则可选择订阅方案。Meta 的日本新闻中心补充称,日本从 10 月 23 日开始上线;其新加坡公告则称,新加坡从 10 月 27 日开始上线。Instinct 由 Noah Shinn 创立的 Spear Street Technology, Inc. 开发。TechCrunch 报道,它于 2026 年 8 月以邀请制上线;在 The Verge 的上手体验中,用户需要获得现有用户邀请,或者通过候补名单审核。Instinct 没有公布价格。两款产品各自对费用的说明都集中收录在拆解页面中,分别是 Muse 和 Instinct,以免信息散落多处。

隐私方面,Meta 表示,对话和虚拟机数据不会进入其广告系统,网络访问则由 Sentinel 把关。我们的 Instinct 拆解发现了一个独立的凭据保险库,其设计用途是在不暴露秘密信息的情况下自动填入这些内容。两项说法描述的是不同的控制措施,任何一项都不构成防止数据暴露的普遍保证。

Instinct AI 和 Meta Muse 运行时对比

维度MuseInstinct
在哪里运行每位用户一台 Linux 虚拟机。请求在这台机器上组装,而不是以完成的数据包形式从别处取回。浏览器工作会启动另一台相互独立的机器。由服务器编排,具体工作在沙箱中运行。浏览器任务使用租用的云浏览器,而不是你桌面上的 Chrome。
如何开放工具两层结构被有意分开:一张包含 246 个方法的权限表,完全不携带参数;真正的定义则在需要时按命名空间逐个加载。提供命令行界面,而不是函数列表。按产品自己的统计,有 43 个系列和 571 项操作;由不同主体统计时,会得到 3 个不同总数。一项操作在其帮助文本被读取前会拒绝运行,这使操作手册成为提示词的一部分。
记忆存在哪里主目录中的纯 markdown 文件,直接嵌入请求。修改其中一个文件时,只会插入一条简短说明,而不是重建整个数据包。3 类承担不同职责的存储:一组由 git 跟踪的 markdown 记忆文件、一个可供查询的连接器数据索引层,以及一个只能填入、不能读取的秘密信息保险库。
哪些操作由你审批权限和审批没有散布在运行时的各处。唯一的把关组件是访问它们的唯一路径,任何离开机器的内容也必须经过这里;界面在活动信息流旁设置了审批标签页。同一套机制还将凭据保存在智能体无法接触的位置。我们检查的运行时包含文件删除和遗忘功能。用户能否直接打开或删除自己的记忆文件,尚未得到核实。审批卡片提供 3 种回答,而不是 2 种:批准、拒绝或忽略。卡片会显示计划,并指明由哪台设备执行。审批绑定的是所显示的确切文本,而不是产生该文本的请求,所以文本改写后需要重新审批。其自身规则禁止在不可逆的发送操作中夹带用户未看到的假设;应用户要求,它还会生成回执,说明读取了什么、发送了什么,以及没有触碰什么。删除功能有明确记录的界面,覆盖存储、训练、位置和桌面索引。
如何使用已在 iOS、Android 和网页端上线,也可通过 WhatsApp 使用。9 月 17 日推出的 Mac 应用可以操作你电脑上的应用。我们只测试了网页端。即时通信优先。默认入口为 WhatsApp、SMS 和 iMessage,另有一个位于其自有邮件域名下的地址。网页应用主要是管理面板。
我们无法确认的事项运行时与模型之间的原始流量:结构已知,但从未看到内容。此外还包括凭据、真实的第三方登录,以及产品方选择不开放的交互式终端。主指令集的正文,只出现了章节标题;主智能体运行在哪台主机上、生产环境模型 id,以及我们发现指向它们的线索、却从未看到正文的 4 个具名策略章节。
已完成的计分子集19% · 13 至 25 · 90 项任务43% · 36 至 50 · 159 项任务

完成率这一行对应的是不同的 9 月计分子集,测试对象是使用替代考试模型的适配版产品运行时,并非交付给消费者的正式产品。首批底层记录未公开;Muse 的完成率是在适配器修复后得出的。结果来源和局限。两个数字都不是排名,我们绝不会将其合并。截至 2026-09-22。

上表的每个单元格都来自我们对相应产品的拆解,并链接到完整文章。各行采用的是我们按相同顺序向本基准所有产品提出的 6 个相同问题,这也是这些列勉强可以横向比较的唯一原因。

Instinct 和 Muse 实际在哪里运行

Muse 为每位用户提供一台 Linux 虚拟机。发送给模型的请求在这台机器上组装,而不是以完整数据包形式从服务器抵达;浏览器工作还会启动另一台相互独立的机器。为每个人投入如此多的专属基础设施并不常见,我们对 Muse 的许多发现都位于这台机器上。

Instinct 由服务器编排,委派出去的工作在沙箱中运行。浏览器任务使用租用的云浏览器,而不是你桌面上的 Chrome。

实际区别在于,两次任务之间的工作状态可以保存在哪里。Muse 的虚拟机保留一个主目录。Instinct 委派的工作在沙箱中运行,能够延续的是它写入记忆存储的内容;我们未能确认一个沙箱会存在多久。抽象而言,两者没有谁更好;任务执行到一半出错时,它们可能给出不同的答案。

如何使用 Instinct 和 Muse

这是最直观的区别,也是大多数人最先注意到的区别。

Muse 已在 iOS、Android 和网页端上线,Meta 的上线公告还表示,你可以直接在 WhatsApp 中与它对话。Mac 应用于 9 月 17 日随后推出。我们拆解的是网页端,本页其余内容描述的也是这一版本。

Instinct 则正好相反。WhatsApp、SMS 和 iMessage 是默认入口,此外产品还会提供一个位于邮件域名下的地址。它的网页应用主要是管理面板。

在我们检查的 Instinct 账号中,审批卡片会显示拟执行的操作,提供批准、拒绝或忽略选项,并将审批绑定到所显示的确切文本。我们没有找到可编辑的计划界面,但仅凭使用即时通信这一点,也不能判定一个界面能提供哪些控制功能。

在委派会产生重大影响的操作之前,请先检查你自己账号中可用的控制选项。

Instinct 和 Muse 各自能看到什么

这是大多数比较都会跳过的问题,却真正关系到后果。

Muse 将权限表与工具定义分开。权限层是一份完全不带参数的方法列表,真正的定义则在需要时按命名空间逐个加载。这是一条有意设置的边界:说明允许做什么的部分,与说明具体怎么做的部分并不相同。

Instinct 提供命令行界面,而不是函数列表,并强制规定一项操作在其帮助文本被读取前不得运行。这使文档成为提示词的一部分,也成为费用的一部分。

两种设计都能自圆其说,针对的是不同类型的故障。权限表方案无需加载所有内容,就能更容易地判断允许做什么。强制阅读手册的方案,则让模型更难调用自己尚未了解的操作。

这也是 Instinct 与 Muse 工具数量不一致的原因。如果比较上表中的醒目数字,应把它们视为对不同事物的测量,而不是分数。

根据统计主体的不同,Instinct 的操作界面产生了 3 个不同总数:产品自己的统计、我们审计工具的统计,以及不同操作名称的原始计数,其中只有部分操作附带完整手册。我们公布了全部 3 个数字,没有挑选最有利的一个;拆解文章解释了每个数字的来源。

Muse 的数字统计的是权限表上的方法,这与命令行中的操作完全不是同一种对象。把两者并列当成竞赛,会是本页最具误导性的做法。

工具数量更多不代表产品更好,单凭数量也无法说明模型使用这些接口的效果。

Instinct vs Muse:谁会在行动前询问

两者都会询问,但询问的位置不同,这决定了审批实际覆盖什么。

Instinct 将问题放在卡片上。在我们检查的账号中,卡片会显示计划、注明负责执行的设备,并提供 3 种回答:批准、拒绝或忽略。审批绑定的是所显示的确切文本,因此智能体如果改写消息,就需要重新审批。其自身规则禁止在不可逆的发送操作中夹带用户未看到的假设;应用户要求,它还会提供回执,说明读取了什么、发送了什么,以及没有触碰什么。卡片覆盖操作,不覆盖读取。在一个公开报道的案例中,它在已连接的收件箱里找到登录验证码,并在未询问的情况下使用了该验证码。其独立页面详细说明了审批步骤。

Muse 通过一个把关组件来提出问题。在我们检查的运行时中,权限、审批和任何离开机器的内容都必须经过这条唯一路径,界面则在活动信息流旁设置审批标签页。同一套机制还将凭据保存在智能体无法接触的位置。Meta 表示,授权可以是单次、单会话、单任务、限时或永久;我们没有测试这些选项。

因此,两者需要进行的实际检查不同。使用 Instinct 时应仔细阅读卡片,因为你批准的正是卡片上的文字。使用 Muse 时应检查仍然有效的授权,因为非单次授权可能会覆盖后续请求,不再另行询问。

Muse 和 Instinct 各自记住什么

Muse 将记忆保存为主目录中的纯 markdown 文件,并直接嵌入请求。编辑其中一个文件时,只会插入一条简短说明,而不是重建整个数据包。你能否自行打开这些文件仍未得到核实,因为我们无法使用交互式终端。我们找到的记忆是一组可读文件。

Instinct 将记忆拆分到承担不同职责的存储中:一组由 git 跟踪的 markdown 记忆文件、一个可供查询的连接器数据索引层,以及一个只能填入、不能读取的秘密信息保险库。最后一项尤其值得关注,因为一个只能填入而永不暴露内容的保险库,意味着智能体可以完成登录,而密码无需经过对话。

两者都保留 markdown,区别在细节。Muse 的文件位于主目录中,但我们无法核实用户个人能否访问。Instinct 的文件受版本控制,因此纠正后的事实不会消失,而会留在历史记录中;它的秘密信息则保存在无法回读的保险库里。你更偏好哪一种,取决于你是希望审计它掌握的内容,还是限制它可能泄露的内容。

Instinct AI 或 Meta Muse 能替你打电话吗?

据报道,两者都在尝试从软件世界延伸到电话,但我们尚未确认其中任何一个。TechCrunch 报道,Instinct 已推出一项礼宾功能,可代替用户致电商家,例如预约不接受在线预订的场所。对于 Muse,Meta 随产品提供的指引称,用户确认后,它可以为用户自己的事务致电美国商家;该功能尚处于早期体验阶段,并会逐步开放给各个账号。我们检查的账号始终没有获得这一功能。

因此,我们没有看到两者中的任何一个实际拨打电话。我们可以确定的是,通话与发送消息或点击属于不同类型的操作:电话另一端有真人,使用的是你的账号,而且无法撤销。如果打电话是你选择产品的理由,Pine 才是围绕这一功能打造的产品;Muse vs Pine 介绍了这组对比。

两者都不会告诉我们的事

两篇拆解文章最后都列出了我们无法确认的事项,而且两份清单并不对称。

对于 Muse,我们知道运行时与模型之间原始流量的结构,却从未看到其中的内容;其他未知项还包括凭据、真实的第三方登录,以及产品方选择不开放的交互式终端。

对于 Instinct,主指令集只出现了章节标题,正文始终没有浮现;同样无法确认的还有主智能体运行在哪台主机上、生产环境模型 id,以及我们发现相关线索却未看到正文的 4 个具名策略章节。

公布这些空白正是重点。任何自称完整的比较,要么看到了所有内容,而这无人能够做到,要么正在悄悄用假设填补空白。

Instinct vs Muse 实际使用:差异体现在哪里

运行时差异听起来很抽象,直到把它们应用到具体事务中。以下是两者开始产生实际区别的地方。

在取消订阅和对一笔扣款提出异议时,入口差异决定了涉及资金的决策如何传达给你。据报道,Instinct 有电话礼宾功能,Muse 的商家通话功能则处于早期体验阶段,但我们没有看到任何一方实际拨打电话,所以不要指望它们替你打给公司。挽留优惠,或者在商户退款与银行拒付之间做选择,都是与你的钱有关的决定,应该交还给你。网页产品有可用于展示这类决定的界面。我们观察到的 Instinct 审批卡片,会要求用户针对确切的计划文本选择批准、拒绝或忽略。通过消息对话展示,并不会取消这道关卡。

在申请航班延误赔偿时,记忆差异更加重要。证据必须能够跨会话保留,两者都有持续保存的 markdown。区别在于,Muse 的文件位于主目录中,但我们无法核实用户能否访问;Instinct 的文件受版本控制,同时由产品决定哪些内容会写入其中。

在整理工作文件时,首先应检查执行方式的差异,因为保留主目录的机器与用于委派工作的沙箱,并不是处理文件树任务时的同一种工具。

在协调家庭事务和预订餐桌时,两者都需要提问,而问题通过什么界面送达,决定了你能否及时回答。

在筛选实时提醒时,首先要检查智能体能否自行唤醒。正是这项能力,同时带来了主动协助的可能,也带来了未经请求便打扰用户的可能。

如果你想要按适配场景,而非按排名来看的简短结论:

  • 如果符合以下情况,可选 Instinct:你希望直接从 WhatsApp、SMS 或 iMessage 交办事务,无需打开另一个应用;同时希望审批卡片准确显示它即将执行的内容。我们在所检查的账号中看到了这张卡片,不过有一名用户报告称,8 月的一次发送操作未经事先确认便已发出。
  • 如果符合以下情况,可选 Muse:你希望智能体在一台自己的机器上工作,将记忆以文件形式保存在该机器上,并把审批集中到一个标签页中。
  • 如果事务需要打电话,目前两者都不要选:我们没有看到其中任何一个实际拨打电话,而 Pine 是围绕通话打造的产品。

这些数字说明什么,又不说明什么

表格中的完成率,是每款产品在其各自计分任务中的完成比例,并不是针对同一项事务的正面对比。

阅读时必须同时查看区间和样本量,因为两者的样本规模并不相同。其中一列基于明显更多的计分任务;还有一个数字曾大幅变化,原因是我们修复了自己的适配器缺陷,而不是产品发生了变化。这项修正记录在记分卡中,并未被悄悄纳入。

我们不发布综合分数,也不提供排名。多少次未经授权的操作等同于一次错过截止时间,这项权衡应由你做出,而不是由我们替你决定;相关逻辑详见评分方式。单一综合数字恰恰会掩盖本页旨在展示的差异。

在单独的 114 项任务批次中,测量日期为 2026 年 9 月 22 日,Muse 完成了 40%(95% 区间为 33 至 46%;637 次尝试),Instinct 完成了 52%(95% 区间为 45 至 61%;380 次尝试)。两者回答了相同的 114 项任务。这些是较早运行时的复刻版本,统一替换为同一个 GLM 5.3 flash 模型,采用较早的规则,并根据 8 条规则从大约 5600 次尝试中筛选得出,并非新的产品测试结果。排除从未进入考试环节的尝试后,Pine 和 Muse 各自减少了 400 多次尝试;如果这些情况是拒绝执行,而不是入口损坏,所提供的替代估计值约为 Pine 22%、Muse 24%。我们收到了逐字记录,但尚未在此重新发布;部分文件在不同尝试之间被覆盖或共用,因此底层记录并不完整。请将这项测量与主表分开,不要把区间重叠或点估计当成显著性检验。

10 月批次于 2026 年 10 月 11 日运行,按照 9 月底生效的考试规则,让每款产品各执行 1 次相同的 20 项任务。Muse 在 19 次计分尝试中完成 11 次,即 58%(95% 区间为 36 至 77%);Instinct 在 15 次中完成 6 次,即 40%(20 至 64%)。两个区间大幅重叠。点估计的高低顺序与 9 月共同任务批次相反,但这并不意味着任何一款产品发生了变化:其间任务、规则和我们的复刻版本都发生了变化,而且多完成或少完成 1 项,就会让完成率移动 5 至 7 个百分点。各批次并列展示,绝不相加。其他 10 月批次各自采用不同的任务和构建版本,分别列在结果页面;单次记录则以数量而非完成率的形式列在运行记录页面。

虚拟机描述并不能涵盖完整的正式产品:Muse 还有 Mac 应用,自 9 月 17 日起可用,能够操作包括 Messages 和 Notes 在内的应用。我们检查的是网页端运行时,而不是这条 Mac 路径,因此本次比较无法说明其本地应用访问的实际表现。

常见问题

Muse 和 Instinct 的主要区别是什么? 区别在于它们在哪里运行,以及用户如何使用。Muse 可以通过 Meta 的应用、网页端和 WhatsApp 使用,背后为每位用户配有一台专属 Linux 机器;它还有一款自 9 月 17 日起提供、但我们尚未检查的 Mac 应用。Instinct 存在于你已经使用的即时通信应用中,委派工作则在沙箱里运行。工具和记忆也有所不同,上文分别介绍了每一项。

Muse 和 Instinct 哪个更好? 我们不发布排名,本页也不会选出一方。两者拥有不同的运行时、不同的工具理念和不同的记忆设计;现有完成率也来自不同批次,指向不同方向,而且绝不合并。真正有用的是了解哪些差异与你希望委派的事务有关,上文的简短适配清单已按事务类型进行了说明。

Instinct 能读取我的密码吗? 它的记忆系统包括一个只能填入、永不暴露内容的保险库,因此能够完成登录,而密码不会出现在对话中。这项设计选择会带来实际后果;Instinct 拆解介绍了我们能够和无法确认的内容。

Muse 真的会给每位用户一台自己的 Linux 虚拟机吗? 我们的拆解确实得出了这一发现:每位用户一台 Linux 虚拟机,模型请求在该机器上组装,而不是以完成的数据包形式取回;浏览器工作还会启动第 2 台机器。Muse 拆解列出了相关证据及其局限。

Muse 和 Instinct 分别由谁开发,如何获得? Muse 属于 Meta,9 月 8 日在美国上线、10 月 23 日在日本上线、10 月 27 日在新加坡上线,大多数用途免费,并提供付费方案。Instinct 由 Noah Shinn 创立的 Spear Street Technology 开发。据 TechCrunch 报道,它于 2026 年 8 月以邀请制上线,尚未公布价格。

Muse 或 Instinct 能替我打电话吗? 有可能,但我们没有看到其中任何一个实际做到。据 TechCrunch 报道,Instinct 有一项可致电商家的礼宾功能。根据 Muse 产品内的指引,其商家通话功能当时处于早期体验阶段,而我们检查的账号始终没有获得该功能。如果你现在就需要一款能替你致电公司的智能体,Pine 会从其服务器拨出电话,并保存每次通话的摘要。

这篇对比有多新? 页面顶部的日期包括编辑和信源核查,并不意味着所有运行时观察都在当天重新进行。两款产品都在快速迭代,这类页面比普通评测更快过时,因此我们会标注日期,而不会暗示内容永远有效。

其他对比

全部 6 组配对,以及为什么只有 6 组,均列在对比页面。

更多 Meta Muse 内容

更多 Instinct 内容