Muse Wonder 在 Visa 测试并列第一
- 利好: Muse Wonder 在 Visa 代理购物基准测试中并列第一,失败 8 次里只有 2 次乱下单。
- 利空: 每次运行 $1.55,Gemini 4 Argon 为 $0.54,难以在低客单价购物场景跑规模。
- 利空: 新加坡联合指引点名 Muse,建议不要给代理接银行、政府、医疗账户,用户授权范围会收窄。
展开完整笔记
Visa 代理购物基准测试:Muse Wonder 并列第一且失败时更少乱下单,但单次成本约对手 3 倍;新加坡三家政府机构联合指引点名 Muse,建议不要给代理接银行/政府/医疗账户——能力得到第三方背书但「贵且用户不敢放权」矛盾未解。
关键证据
- Visa 11/5 新闻稿(一手):22 个模型、12 家实验室、15 个购物场景;模型要先对话问清需求再决定是否下单。整体通过率 57.2%,最高 82.2%,最低 28.9%;三次都通过的只 34.2%;失败运行里 54% 照样下了单。
- 分模型快照(Visa 10 月结果,FourWeekMBA 转引,与 a16z 合伙人 Olivia Moore 发的一致;Visa 数据页本机打不开,未直接核对):Muse Wonder 与 Gemini 4 Argon 均 45 次通过 37 次并列第一;Claude Fable 5.1 75.6%;OpenAI 最好的 GPT-6 Astra 64.4%,和免费版 Muse Spark 1.3 持平。
- 失败时的表现:Muse Wonder 失败 8 次里只有 2 次乱下单;Gemini 4 Argon 失败 8 次有 5 次乱下单;Claude Fable 5.1 失败 11 次全都下了单。
- 成本:Muse Wonder 每次 $1.55,Gemini 4 Argon $0.54;按成功一单 $1.88 对 $0.66,Muse 贵约 2.9 倍;但速度快一倍(2.1 分钟对 4.3 分钟)。
- 测试只到「决定买什么」,还没测结账和付款。Muse Wonder 只对付费用户开放。
- 新加坡网络安全局/政府科技局/资讯通信媒体发展局 11/6 联合发布个人 AI 代理安全指引(编号 AD-2026-015);亚洲新闻台点名例子包括 Dots、Hermes、Muse、Grok Bot、OpenClaw;海峡时报指出指引在 Muse 进入新加坡之后发布。
再显示 2 条
- 指引主要内容:只连必要应用;不要把银行/政府/医疗账户交给代理;不给信用卡号/密码/一次性验证码;用 Singpass 自己完成验证;尽量选「每次确认」而非「一直允许」;不能只靠聊天指令限制代理;用户要为代理行为负法律责任。
- 新加坡是 Muse 第 4 个市场和亚洲样板;指引无强制力但会压低用户授权范围,与富国银行条款(代理指令视为本人授权)、圣母大学封锁一样把责任推给用户。
需关注的催化剂
- Visa 基准测试下一阶段(结账/付款环节)结果。
- Muse Wonder 定价/成本结构调整(扎克伯格承认 Muse 很吃算力,标普下调展望点名成本)。
- 新加坡之外其他市场出现同类官方指引或封禁。
- Meta 对代理授权范围扩展的产品应对(降低金融账户必要性)。
风险
- 成本:单次运行约对手 3 倍,难以在低客单价购物场景跑规模。
- 权限收紧:新加坡指引+富国条款+圣母封锁+用户法律责任四重压力,Muse 能代办范围被压到购物/出行低风险场景。
- 第三方数据未直接核对(Visa 数据页本机打不开),需后续复核。
- 免费版 Muse Spark 1.3 与 GPT-6 Astra 持平但并非基准测试冠军,付费转化依赖 Wonder。
来源 6
- Visa 新闻稿 2026-11-05
- FourWeekMBA(转引 Visa 10 月结果数据)
- a16z Olivia Moore 公开数据
- 新加坡网络安全局 AD-2026-015(2026-11-06)
- 亚洲新闻台(CNA)
- 海峡时报(Straits Times)