در مقایسه ایجنت‌های هوش مصنوعی توسط WIRED، سرویس Dots از OpenAI بهترین عملکرد کلی را داشت؛ Muse متا نزدیک‌ترین تعقیب‌کننده بود. این ارزیابی یک‌روزه با شش دستیار و پنج سناریوی روزمره انجام شد، پس نتیجه را باید انتخاب برتر همان آزمون دانست. برای خواننده Gadget Story، پرسش کاربردی این است: چنین برتری‌ای چقدر به کارهای شخصی او ارتباط دارد؟ گزارش اصلی WIRED
مقایسه ایجنت‌های هوش مصنوعی چه چیزی را نشان می‌دهد؟
WIRED دستیارها را در تهیه پیشنهاد خبری، سفارش غذا، تشخیص تداخل زمانی، برنامه‌ریزی سفر و پاسخ به درخواست شبانه سنجید. Dots در خرید غذا و تشخیص تداخل موفق بود؛ Gemini Spark بهترین پیشنهاد خبری را ارائه کرد و Muse در برنامه سفر بالاتر قرار گرفت. این‌ها نتایج گزارش خبرنگار هستند، نه آزمایش مستقل Gadget Story. روش و نتایج آزمون WIRED
برداشت تحریریه از این تفاوت‌ها روشن است: برای انتخاب دستیار، ابتدا باید کار مورد انتظار را مشخص کرد. کسی که پیگیری قرارها برایش اولویت دارد، لزوماً با همان معیاری تصمیم نمی‌گیرد که یک تولیدکننده محتوا یا برنامه‌ریز سفر. رتبه کلی به مرتب‌کردن گزینه‌ها کمک می‌کند، اما به‌تنهایی تناسب یک سرویس با زندگی کاربر را نشان نمی‌دهد.
ارزیابی کوتاه همچنین پرسش‌هایی را باز می‌گذارد که با دیدن نام برنده پاسخ نمی‌گیرند. آیا نتیجه با تغییر زبان درخواست حفظ می‌شود؟ دستیار در کار تکرارشونده چقدر قابل پیش‌بینی است؟ اگر اطلاعات حساب ناقص باشد، ندانستن خود را توضیح می‌دهد یا تصمیمی شتاب‌زده می‌گیرد؟ این‌ها پرسش‌های انتخاب محصول‌اند؛ پاسخ قطعی آن‌ها از این مقایسه به دست نمی‌آید.
هزینه شروع استفاده با ارزش واقعی یکی نیست
گزارش مقایسه‌ای AIMultiple برای سرویس‌های همیشه‌فعال، هزینه‌های شروع زیر را ثبت کرده است. جدول فقط قیمت ورودی گزارش‌شده را کنار هم می‌گذارد؛ درباره ظرفیت برابر، کیفیت یکسان یا هزینه نهایی مصرف ادعایی ندارد.
| سرویس | هزینه شروع گزارش‌شده |
|---|---|
| Dots از OpenAI | ماهانه ۱۰۰ دلار |
| Muse از Meta | رایگان |
| Claude Duet از Anthropic | ماهانه ۲۰ دلار |
| Grok Bot | ماهانه ۳۰ دلار |
منبع جدول: مقایسه دستیارهای همیشه‌فعال در AIMultiple. قیمت‌ها مربوط به گزارش منبع هستند و تضمین قیمت روز یا امکان خرید از ایران نیستند.
برای سنجیدن ارزش اشتراک، پیشنهاد تحریریه این است که زمان بازبینی خروجی را هم جزو هزینه حساب کنید. اگر دستیار پیش‌نویسی آماده کند که اصلاح آن تقریباً به‌اندازه انجام کار از ابتدا طول بکشد، تعداد قابلیت‌هایش کمک چندانی به تصمیم خرید نمی‌کند. در مقابل، کاری کوچک که مرتب و با بازبینی کوتاه انجام شود، می‌تواند برای همان کاربر ارزش بیشتری داشته باشد.
یک گزارش مستقل چه تصویری از این رقابت می‌دهد؟
Axios نیز در آزمون جداگانه Dots و Muse، توانایی انجام کارهای چندمرحله‌ای را در کنار نیاز به بازبینی انسانی گزارش کرد. آزمون مستقل Axios
از نگاه تحریریه، ارزش چنین مشاهده‌ای در تغییر معیار ارزیابی است. خروجی مفصل یا ظاهر مرتب، به‌خودی‌خود پایان موفق کار نیست. یک فهرست پیشنهادی زمانی مفید است که کاربر بتواند دلیل انتخاب‌ها را بفهمد، اطلاعاتش را بررسی کند و مرحله بعد را بدون ابهام انجام دهد. کیفیت تحویل کار باید کنار کیفیت متن سنجیده شود.
برای مثال، در یک سناریوی فرضی خرید، پیدا کردن چند گزینه با ثبت سفارش تفاوت دارد. مقایسه مشخصات، بررسی هزینه نهایی و تأیید خرید، تصمیم‌های جداگانه‌اند. این مثال توصیف تجربه آزمایش Gadget Story نیست؛ نشان می‌دهد چرا هنگام خواندن مقایسه‌ها باید مشخص باشد دستیار تا کدام مرحله پیش رفته و چه مقدار دخالت کاربر لازم بوده است.
دسترسی و کنترل، بخشی از انتخاب دستیارند
طبق گزارش Tom’s Guide، Claude Duet به‌صورت پیش‌نمایش پژوهشی برای کاربران Pro و Max در آمریکا و از طریق فهرست انتظار عرضه شده است. این گزارش همچنین از برنامه‌های iOS و اندروید آن می‌گوید. وجود اپلیکیشن، به‌تنهایی به معنی امکان فعال‌سازی برای هر حساب نیست. گزارش دسترسی Claude Duet در Tom’s Guide
پیشنهاد تحریریه برای ارزیابی دستیار شخصی این است که محدوده اختیار آن را به زبان ساده تعریف کنید. «گزینه‌ها را پیدا کن»، «پیش‌نویس بساز» و «کار را نهایی کن» سه درخواست متفاوت‌اند. مشخص‌کردن این مرزها به کاربر کمک می‌کند خروجی را با همان انتظاری بسنجد که از ابتدا داشته است.
این موضوع در دسترسی به اطلاعات شخصی هم اهمیت دارد. پیش از اتصال یک حساب، باید پرسید آن اتصال برای کدام وظیفه لازم است و چه نتیجه‌ای قرار است ایجاد کند. این توصیه تحریریه درباره روش انتخاب است؛ تأیید امنیت یا سیاست حریم خصوصی هیچ‌یک از سرویس‌های مقایسه‌شده محسوب نمی‌شود.
این نتایج برای کاربر ایرانی چه معنایی دارد؟
در منابع بررسی‌شده، شاهد مستقیمی از آزمون همین سرویس‌ها با گردش‌کار فارسی و خدمات داخلی ایران نداریم. بنابراین نمی‌توان نتیجه خرید یا برنامه‌ریزی در محیط خارجی را به فروشگاه، درگاه پرداخت یا تقویم مورد استفاده یک کاربر ایرانی تعمیم داد. کیفیت فارسی، دسترسی از ایران و امکان پرداخت، در این مقاله تأیید نشده‌اند.
برای خواننده‌ای که فقط می‌خواهد خبر این رقابت را دنبال کند، گزارش‌ها تصویر مفیدی از جهت حرکت دستیارها می‌دهند. اما تصمیم برای اشتراک به بررسی جداگانه نیاز دارد: سرویس باید به کار مورد نظر مرتبط باشد، دسترسی حساب روشن باشد و زمان لازم برای کنترل خروجی هم در محاسبه بیاید. تبدیل قیمت دلاری به تومان، هیچ‌کدام از این ابهام‌ها را حل نمی‌کند.
جمع‌بندی: برنده آزمون، نقطه شروع بررسی است
مقایسه ایجنت‌های هوش مصنوعی برای کسانی مفید است که می‌خواهند بخشی از پژوهش، برنامه‌ریزی یا پیگیری کارهایشان را به دستیار بسپارند. پیشنهاد تحریریه این است که رتبه را به یک وظیفه مشخص و قابل بازبینی وصل کنند؛ مثلاً تهیه پیش‌نویس برنامه یا دسته‌بندی گزینه‌ها، با تصمیم نهایی خود کاربر.
این گزارش هنوز پاسخ نمی‌دهد کدام سرویس برای فارسی و شرایط استفاده در ایران انتخاب بهتری است. نتیجه عملی برای مخاطب Gadget Story، داشتن معیار دقیق‌تر برای انتخاب است: کار مفید چقدر انجام شده، چه میزان اصلاح لازم دارد و اختیار نهایی در کدام مرحله به کاربر برمی‌گردد؟
