Przejdź do treści
6 min czytania

WIRED testuje 6 agentów AI: Muse, Dots, Gemini Spark i inni

Dziennikarka WIRED przez dobę testowała sześć agentów AI – Muse, Dots, Gemini Spark, Grok Bot, Claude Duet i Instinct – oceniając ich skuteczność i ceny.

WIRED testuje 6 agentów AI: Muse, Dots, Gemini Spark i inni

Źródło zdjęcia: WIRED

Dziennikarka WIRED przez 24 godziny testowała sześć głównych agentów AI, by sprawdzić, który z nich najlepiej radzi sobie z codziennymi zadaniami – od przeglądania poczty po samodzielne przeszukiwanie internetu. Jeszcze rok temu, jak przyznaje autorka tekstu, agenci AI byli „źli we wszystkim” – prezentacje technologicznych startupów obiecywały rewolucję, ale narzędzia po prostu nie działały. Dziś sytuacja wygląda inaczej: agenci popełniają błędy, ale znacznie lepiej realizują zadania do końca i sprawniej obsługują przeglądarkę.

Kluczowe wnioski

  • Dziennikarka WIRED skonfigurowała sześć stale działających agentów AI na swoim iPhonie: Muse od Mety, Dots od OpenAI, Instinct, Claude Duet od Anthropic, Gemini Spark od Google i Grok Bot od xAI.
  • Ceny i formy dostępu mocno się różnią: Muse i Instinct są darmowe, Dots kosztuje 100 dolarów miesięcznie (najdrożej w zestawieniu), Gemini Spark i Claude Duet po 20 dolarów miesięcznie, a Grok Bot 30 dolarów miesięcznie.
  • Autorka opracowała pięć testów oceniających proaktywność, podążanie za instrukcjami i umiejętności przeglądania internetu, punktując każdą próbę w skali 1–5.
  • W pierwszym teście – przygotowaniu porannego podsumowania wiadomości technologicznych – tylko Muse i Dots rzeczywiście „badały” temat przez większość wyznaczonych 30 minut, co sugeruje ich przewagę w podążaniu za instrukcjami.
  • Najlepszy wynik w tym konkretnym teście zdobył Gemini Spark (5/5) dzięki trafnemu uchwyceniu napięcia między Walmartem a Amazonem w kontekście zakupów realizowanych przez agentów AI.

Czym właściwie jest agent AI i jak go przetestowano

Dla osób, które nigdy nie korzystały z agenta AI, autorka wyjaśnia, że działanie przypomina pisanie wiadomości do cyfrowego asystenta, który samodzielnie wykonuje zadania: skanuje skrzynkę mailową w poszukiwaniu ważnych wiadomości, śledzi oferty lotów wakacyjnych czy pomaga w codziennych decyzjach zakupowych. W przeciwieństwie do klasycznych chatbotów działających na zasadzie pytanie-odpowiedź, agenci są bardziej proaktywni – sami zgłaszają się, gdy wykryją okazję do pomocy. Wszystkie wiadomości z danym agentem trafiają zwykle do jednego wątku, przypominającego grupową konwersację SMS. Wiele zadań agenci wykonują, kontrolując wirtualną przeglądarkę – swój własny „komputer” z dostępem do internetu.

Autorka testowała narzędzia od lat z perspektywy osoby nietechnicznej, co – jak sama podkreśla – daje jej odpowiednie kwalifikacje do oceny tego etapu rozwoju AI. Przygotowała pięć podstawowych testów, przeprowadzonych w ciągu doby chaotycznych interakcji, oceniających proaktywność agentów, zdolność trzymania się poleceń oraz umiejętności przeglądania sieci. Każdą próbę oceniała w skali od 1 do 5, a wyniki miały posłużyć do wyłonienia zwycięzcy – oraz przyznania „nagrody” dla najbardziej irytującego agenta.

Testerka zaznacza jednak wyraźnie, że artykuł nie jest rekomendacją żadnego z narzędzi. Oprogramowanie pozostaje na wczesnym etapie rozwoju i wiąże się z obawami o prywatność oraz bezpieczeństwo. Agenci działają najlepiej, gdy mają dostęp do danych osobistych – maili, kalendarzy – co wymaga poziomu zaufania mogącego zniechęcić część użytkowników. Jako przykład podano użytkownika serwisu X, który podłączył agenta AI do swojego konta bankowego oraz firmowego Slacka, po czym ku swojemu przerażeniu agent opublikował informację o stanie konta widoczną dla współpracowników.

Który agent nie trzymał się reguł gry

Spośród obecnych na rynku rozwiązań w zestawieniu zabrakło OpenClaw – mimo że to on w dużej mierze zapoczątkował tegoroczną falę innowacji w tej dziedzinie, okazał się zbyt skomplikowany do skonfigurowania przez przeciętnego użytkownika. Autorka zasugerowała, że w przyszłości może rozszerzyć testy o mniejszych graczy, takich jak Hermes od Nous Research czy Poke.

Warto też zwrócić uwagę na różnorodność formatów: Instinct wymaga kodu zaproszenia od innego użytkownika i działa poprzez wiadomości tekstowe, a nie osobną aplikację – co wpisuje się w szerszy trend agentów AI, do których można pisać po prostu SMS-y. Dots od OpenAI z kolei zbudowany jest wewnątrz ChatGPT i stanowi rozwinięcie podejścia, o którym pisaliśmy przy okazji tego, jak OpenAI zmieniło narzędzia do kodowania w asystenta dots. Claude Duet od Anthropic był z kolei najświeższym z testowanych narzędzi – trafił do testerki jako badawcza wersja z listą oczekujących, udostępniona dopiero w noc poprzedzającą start eksperymentu.

Poranna odprawa – pierwszy test na podążanie za instrukcjami

Pierwszym zadaniem, jakie autorka zleciła wszystkim sześciu agentom, było przygotowanie porannego podsumowania wiadomości technologicznych oraz chwytliwego nagłówka – dokładnie takiego, jakiego używa redakcja WIRED podczas czwartkowych spotkań zespołu Gear, poświęconych planowaniu bieżącego pokrycia tematów. Firmy często reklamują tego typu narzędzia jako idealne do kompilowania porannych raportów utrzymujących użytkownika na bieżąco z ważnymi wydarzeniami.

Testerka wysłała każdemu agentowi rozbudowany prompt opisujący jej obszary dziennikarskie oraz kontekst, w jakim pitch miałby być wykorzystany, prosząc o 30 minut dogłębnego researchu przed odpowiedzią. Mimo to tylko Muse od Mety i Dots od OpenAI faktycznie kontynuowały badanie tematu przez większość wyznaczonego czasu. Pozostali agenci albo natychmiast wypluwali gotowy pitch, albo przesyłali nagłówek po zaledwie kilku minutach wyszukiwania. To sugeruje, że w tym konkretnym przypadku Muse i Dots lepiej trzymały się instrukcji – a jest to kluczowa funkcja, jakiej oczekuje się od agenta AI.

Jakość samych propozycji okazała się jednak zupełnie inną kwestią. Jak przyznaje autorka, wygenerowane przez AI pitche nie zrobiły dobrego wrażenia na redakcyjnym spotkaniu – widziała, jak oczy kolegów zaczynają się szklić przy każdym kolejnym odczytywanym nagłówku i opisie. Wyróżnił się jednak Gemini Spark, który zaproponował najciekawszy kąt tematu: kontrast między Walmartem, który tworzy sposoby, by agenci AI mogli robić zakupy na jego platformie, a Amazonem, który niedawno zablokował dostęp Muse do swojej witryny. Zaproponowany nagłówek brzmiał: „Walmart chce, żeby twój agent AI kupował za ciebie zakupy spożywcze. Amazon wzywa policję”. Za ten efekt Gemini Spark otrzymał maksymalną notę 5/5 – autorka oceniła go jako konwersacyjny nagłówek trafnie identyfikujący podstawowe napięcie panujące obecnie w sieci. Mimo wyraźnej jakości tej propozycji, reakcja redakcji na pozostałe pitche pozostała powściągliwa – koledzy, gdy przestali ziewać, nie wydawali się zbytnio zaniepokojeni perspektywą bycia „wyprzedzonym” przez agenta.

Test agentów AI potwierdza, że narzędzia te zrobiły realny postęp względem ubiegłego roku, ale wciąż różnią się znacząco pod względem ceny, formy dostępu i skłonności do rzetelnego wykonywania poleceń – a ostateczna ocena ich przydatności wymaga sprawdzenia ich w praktyce, najlepiej zaczynając od zadań, które realnie odciążają codzienne obowiązki.

Udostępnij

Źródła

Powrót do nawigacji