48小时实测腾讯「马维斯」AI助手:优势与短板并存,能否成生产力帮手?

数量1倍数特性.pdf 立即下载

突发:「马维斯」AI助手刷屏朋友圈

最近两天,微信朋友圈被腾讯应用宝团队推出的新产品「马维斯」(Marvis)AI助手刷屏。官方将其定位为「操作系统层级」的AI助手,它不像ChatGPT、Claude只在浏览器里陪聊,而是扎根Windows系统,拥有调用本地文件、修改系统设置、启动应用程序、跨屏操作手机App等权限。官方宣传稿标题直白:「装上就有6个AI牛马帮你干活」。

48小时真实测试开启

作为媒体人,对「全能型数字助理」毫无抵抗力,借此梳理工作流,进行了48小时真实测试,以下是纯个人真实操作记录。

当「明确要求」遇上「执行偏差」

做自媒体,选题核心是信息收集。像使用其他AI模型一样,让Marvis搭建「AIHOT」资讯追踪任务找创作灵感。任务创建顺畅,生成文件后打开却是满屏乱码,这是使用大模型和AI工具以来首次遇到。指出问题后,Marvis响应快,称任务说明要求UTF - 8编码,乱码是写入文件时编码未显式指定导致。但写入指令明确要求了UTF - 8,执行却「漏」了这一步。这反映出AI助手拥有操作系统文件权限时,「理解指令」和「严格执行指令」存在执行鸿沟。好在指出后迅速修正,任务恢复正常。系统级AI首次考验是能否稳定不出错,Marvis第一印象虽不好,但勘误能力尚可。

AI的「时间感知」会翻车?

写完稿子让Marvis定闹钟劳逸结合。测试上演「四幕剧」:第一幕(9:40设10:00闹钟),它判断10点已过,设了明天10点闹钟,暴露AI对「当前系统时间」感知在某些场景会逻辑漂移,可能是agent调用错误工具或模型返回时间有问题,长期使用稳定性是关键,Marvis基础信息判断有待加强;第二幕(10:30闹钟),重新测试设10:30闹钟,任务立刻创建成功;第三幕(8:00闹钟),故意选已过的8:00,它弹出手动确认窗口,让用户在系统层面确认,「拿不准就交给人」策略虽慢但不犯错;第四幕(10:08闹钟),设10:08闹钟,Marvis先核对当前时间,确认目标时间合理后执行创建,之后反复测试无问题,任务创建及时便捷。这四次测试浓缩AI产品迭代路径,Marvis学习和纠错速度比想象快。

图片生成与识别仍是短板

稿件配图,用Marvis生成图片质量拉胯,画面模糊、风格不统一。测试「找图」能力,特别是人物识别,让它找公众人物照片,结果对不上号,拿着它找的图片问是谁,只能泛泛描述,无法准确说出人名。研究发现Marvis目前无人脸生物识别比对权限和能力,这涉及隐私合规边界问题,业内共有的问题。不过,它的「本地知识库」是惊喜,能把本地图片和文档纳入全局图库,支持用模糊语意找固定内容,提效不少。在图片生成和人物识别上,Marvis不能替代专业工具,优势在调用和管理视觉内容。

批量操作是「系统级AI」主场

文章写完多平台同步,以前手动操作至少折腾十几分钟。这次让Marvis读取桌面表格文件打开所有网址,不到一分钟完成读取文件、解析表格、启动浏览器、打开平台网址,效率提升明显。还让它整理旧稿件、统一命名规则,完成得干净利落。创作间隙让它「打开网易云,放首歌」能秒响应,最后让它扫描可卸载App和陈年图片,分析快且卸载建议合理,还翻出老照片整理好。Marvis真正价值是把「重复性、流程化、跨应用」的脏活累活自动化,替代手指而非大脑。

为什么它总在「确认」?

测试中Marvis交互特征是频繁确认,删除文件、修改设置、执行影响系统操作前都会确认。这与Gemini 3.5删代码后表扬自己形成反差。Marvis「过度确认」是没释放便捷性,还是开发者划定安全线?看法是在系统级权限面前,「保守」比「激进」更负责,多次确认是权限敬畏,但也带来体验上的权衡,如何平衡「安全」和「流畅」是下一步优化方向。

它还不是「终极形态」,但方向对了

48小时体验,Marvis像「高级实习生」,不能思考选题、写爆款标题、生成惊艳配图,但能承担找资料、整文件等琐事。优势是系统级整合、跨应用调度、本地文件操作能力,传统云端AI助手做不到。短板是时间感知偶发幻觉、图片生成与识别能力弱、高频确认影响操作流畅度。个人使用时间短,很多功能未深入测试,体验限于自媒体人日常工作场景。如果厌倦应用间切换、被琐碎操作耗时间,Marvis值得一试,虽未必有「6个AI牛马」,但有了第一个愿干脏活累活的「数字助理」。

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计 内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。 立即下载

相关推荐

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

腾讯马维斯(Marvis)深度体验:6个AI“牛马“替你打工,系统级Agent真的来了

说明了马维斯的作用和实用技巧

2301_81954099的博客 8039

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

腾讯内测「马维斯 Marvis」,能真正接管电脑的 AI 助手来了

腾讯内测AI管家Marvis:系统级PC助手革新办公体验 腾讯正在秘密测试一款颠覆性的PC端AI产品Marvis,这款深度集成Windows系统的AI管家实现了三大技术突破:1)系统级穿透控制,支持自然语言完成复杂任务;2)智能化文件管理,可自动处理各类文档数据;3)跨设备协同功能,通过手机APP远程操控电脑。产品提供三种运行模式,兼顾不同硬件配置和隐私需求,目前已开放Windows和Android端的邀请制测试。Marvis通过深度融合系统操作,将复杂的电脑控制简化为自然语言交互,有望大幅提升办公效率和用

2502_91509424的博客 2639

frontend-design skills

frontend-design skills

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

每天白送1000万Token!腾讯Marvis(马维斯)正式上线,一句话让电脑自己干活。

腾讯推出操作系统级AI助手Marvis(马维斯),采用1主Agent+5副Agent架构,支持自然语言操控电脑/手机。主要功能包括深度系统操作、智能文件管理、办公自动化及跨端协同,提供效率模式和隐私模式两种选择。最低配置要求8核CPU+16GB内存,每天免费提供1000万Token。相比传统AI助手,Marvis直接调用系统API实现真正系统级操作,特别适合办公人士和技术爱好者。目前支持Windows/Mac/Android平台,iOS版本即将上线。

创世宇图 宏图天下 6950

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

Marvis保姆级教程:一个帮你点鼠标的 AI 管家

腾讯于2026年5月20日推出操作系统级AI助手Marvis(马维斯),区别于传统对话式AI,其核心能力在于直接执行系统级操作。该工具整合五大专项Agent(文件管理/系统运维/应用操作/网页交互/智能搜索),支持Windows/macOS/Android平台,具备文件智能整理(OCR识别+自动归类)、系统设置修改(关闭广告/清理缓存)、跨端远程控制(手机操控电脑)等实用功能。提供云端混合模型与纯本地隐私模式双选项,每日1000万Token免费额度。实测显示其在批量文件处理、自动化办公场景表现优异,但在复杂

2402_88777742的博客 2260

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

2026年电脑AI助手评测:Marvis夺冠

# 2026年电脑AI助手评测:Marvis夺冠 ## 一、电脑AI助手“擂台”设立:系统级操控成核心测评维度 2026年的电脑AI助手市场,早已不是“谁聊天更顺溜”的浅层竞争,而是进入了“谁能真正接管你的数字生产力”的深层博弈。用户对AI助手的核心需求已从简单的信息问答,转向了更深入的系统理解、多场景无缝交互以及跨应用的高效执行。当市面上的产品大多停留在“对话工具”层面时,一个更苛刻的测评维

2501_92406411的博客 249

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

OpenClaw 完整部署教程

版本:OpenClaw 2026.2.13更新日期:2026-02-26适用系统:Linux (Ubuntu/Debian/CentOS)

qq_39436086的博客 2319
上一篇: AI参与资产运作易趋同行动,加剧股市波动,美国券商还推AI股票交易工具
下一篇: 小米 MiMo-V2.5 系列 API 永久降价,对标 DeepSeek 能否抓住上牌桌机会?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值