assistantbenchmark 上线：71 款 AI 助手实测天梯榜

David Pawlan 推出评测站 assistantbenchmark，把 71 款消费级 AI 助手放进 15 个真实生活场景维度实测，不看模型大小只看能否把事办完。评测覆盖订酒店走到结账页、梳理医疗账单并向保险公司申诉、航班延误后追回上千美元赔偿、打电话确认线下库存等任务。结果显示，聊天里口若悬河的大模型在真实办事场景中大半因拿不到登录态、处理不好异常而失败，克制与分寸感成为关键壁垒。