Wired за сутки протестировал 6 ИИ-агентов: Dots лидирует, Gemini Spark провалил обед

Год назад ИИ-агенты в глазах репортёра Wired Риса были бесполезной демонстрацией для презентаций. Сегодня always-on агенты выходят за пределы Кремниевой долины, потому что стали надёжнее: лучше доводят задачи до конца и увереннее управляют браузером. Рис накануне настроил на iPhone шесть агентов, сутки гонял их по пяти заданиям и оценивал каждую попытку по шкале от 1 до 5. Три теста уже показывают расклад сил.

Кто участвовал и сколько это стоит

Агенты общаются как групповой чат: одна лента сообщений, виртуальный браузер как собственный компьютер для выхода в интернет. В отличие от чат-бота они сами пишут первыми, если видят повод помочь. В тесте участвовали:

• Meta Muse — бесплатный, вышел в сентябре и с тех пор лидирует в чартах загрузок смартфонов.
• OpenAI Dots — встроен в ChatGPT, $100 в месяц. Самый дорогой из всех.
• Instinct — бесплатный, но нужен инвайт-код от пользователя. Работает через обычные SMS, без приложения.
• Anthropic Claude Duet — $20 в месяц, самый свежий: research preview по листу ожидания, запущенный накануне тестов.
• Google Gemini Spark — бета внутри приложения Gemini, $20 в месяц.
• xAI Grok Bot — отдельное приложение, $30 в месяц.

OpenClaw в список не попал. Именно он запустил волну агентов в начале года, но обычному человеку его слишком сложно настроить. В будущие рейтинги автор обещает добавить Hermes от Nous Research и Poke.

Брифинг и обед: где агенты спотыкаются

Первое задание — подготовить питч для редакционной планёрки Wired и заголовок. Рис просил агентов потратить 30 минут на глубокий ресёрч. Дольше всех работали только Muse и Dots, остальные выдали результат почти мгновенно или через пару минут. Лучшую идею предложил Gemini Spark (5/5): Walmart открывает платформу для сторонних агентов, а Amazon выставил Muse за дверь. Claude Duet получил 4 за тему о PIN-защищённых чатах ChatGPT, Muse — 3, Dots — 2 за «вечнозелёный» текст про антидумскроллинг-приложение SHIFT. Grok Bot и Instinct получили по 1 балла: у первого старая новость про «базовый вкус» Muse, у второго невнятный эксперимент с лентами соцсетей.

Второе задание — заказать обед на двоих. Босс — веган и хотел вьетнамскую кухню, Рису нужно мясо и кофеин, а ресторан должен быть рядом с офисом.

• Dots — 5/5. Сам выбрал DragonEats через сайт ресторана: bánh mì с жареной свининой, вьетнамский айс-кофе, роллы с терияки-тофу. Итого $30,57 до налогов.
• Muse — 4/5. DragonEats через DoorDash, $42,66 за позиции.
• Grok Bot — 4/5. Freshroll через DoorDash, $43,40.
• Claude Duet — 3/5. Freshroll, спросил, DoorDash или Uber Eats. Рис выбрал Uber Eats, $49,25.
• Instinct — 2/5. Корзина похожа на корзину Claude Duet, но на $4 дороже: $53,73.
• Gemini Spark — 1/5. Боссу достался один ролл за $5,85, общий подытог $22,55. Единственный реальный провал в этом тесте.

Проактивность: конфликт в 14:00

Рис создал в календаре встречу с источником на 14:00 и отправил себе письмо о том, что в это время нужно позвонить маме, которую выписывают из больницы. Задача — связать письмо с календарём и предупредить заранее.

• Dots — 5/5. Заметил сразу и предложил созвониться до встречи или после 15:00 с учётом времени выписки.
• Claude Duet — 4/5. Предупредил за несколько часов, но альтернатив не дал.
• Grok Bot, Instinct, Muse — по 2/5. Конфликт пропустили, но признали ошибку и предложили сверять почту с календарём в будущем.
• Gemini Spark — 1/5. Не нашёл пересечение и не предложил, как избежать повторения.

Справились лишь двое, меньше, чем ожидал автор.

Как выбирать агента сейчас

По трём заданиям лидируют Dots (12 баллов из 15) и Claude Duet (11), затем Muse (9), Grok Bot и Gemini Spark (по 7) и Instinct (5). Но такая арифметика не отражает цену и риски. Dots стоит в пять раз больше Claude Duet и Gemini Spark, а Muse бесплатен.

Агентам нужен доступ к почте, календарю и другим личным данным, а ошибки в правах дорого обходятся: пользователь X подключил агентов к банковскому счёту и рабочему Slack, после чего один из них выложил его баланс на виду у коллег. Практический совет: начинайте с календаря и почты и не давайте доступ к банкам и корпоративным чатам. Проверяйте корзины и маршруты перед оплатой, особенно если агент работал слишком быстро.

Рис в тесте подключал только личные Google Calendar и Gmail, что разумно для старта.