Statt im Bereich allgemeiner Fähigkeiten zu konkurrieren und sich voll auf die Endgeräteseite zu fokussieren, erklärte Lin Songtao, Vizepräsident von Tencent, dass Marvis sich ausschließlich der optimalen Implementierung von systemebenen Bedienfunktionen widmet.
Text ｜ WANG Xinyi
Redaktion ｜ ZHANG Yuxin
„Technologische Durchbrüche bestimmen, wie schnell KI voranschreiten kann, und die Fähigkeit, echten Wert zu schaffen, bestimmt, wie weit KI gehen kann.“ Auf dem diesjährigen WAIC Tencent Forum für KI-Anwendungsinnovationen teilte LIN Songtao, Vizepräsident von Tencent, diese Ansicht mit.
Als Produkte, die nach dem „Claw-Boom“ auf den Markt kamen, haben die drei Agent-Produkte von Tencent, WorkBuddy, QClaw und Marvis, jeweils unterschiedliche Schicksale erlebt.
Zuerst zu WorkBuddy: LIN Songtao erklärte öffentlich auf diesem Forum, dass die täglichen aktiven Nutzer (DAU) von WorkBuddy bereits stabil den ersten Platz unter den inländischen Effizienz-Agent-Produkten belegen. Bei QClaw wurden die zugehörigen Geschäfte und Teile des Teams kürzlich angepasst und in die Abteilung von WorkBuddy integriert, wobei das QClaw-Produkt weiterhin betrieben wird. Das zuletzt veröffentlichte Marvis hat einen differenzierten systemweiten Agent-Pfad eingeschlagen. LIN Songtao gab bekannt, dass Marvis bei den Nutzern Anklang gefunden hat: Zwei Tage nach der Veröffentlichung überschritt die DAU 300.000, und die 7-Tage-Retentionsrate lag bei etwa 54 %.
Die Diskussionen über WorkBuddy und QClaw sind nach wie vor sehr lebhaft. Abgesehen von ihrer Popularität möchten wir über das Produkt Marvis sprechen.
Im Gegensatz zu Produkten der Claw-Reihe verfolgt Marvis keinen allgemeinen Agent-Ansatz, sondern konzentriert sich auf systemweite Operationen. CAI Jiantao, Leiter von Marvis, gab bekannt, dass bei der Verteilung der Nutzerszenarien die Fähigkeiten im Zusammenhang mit lokalen Dateien den höchsten Anteil (44 %) ausmachen, gefolgt von der Verwaltung von Computerhardware (28 %) und Browser-Aufgaben (18 %), wobei die Fähigkeiten im Zusammenhang mit Anwendungen 16 % ausmachen. Überraschenderweise nutzen nur etwa 6 % der Nutzer es, um Materialien zu suchen. „Die Nutzer haben ein sehr klares Verständnis für die Positionierung des Produkts, und fast kein Nutzer betrachtet es als Ersatz für Doubao oder Yuanbao.“
Marvis wurde bereits Anfang 2025 projektiert und intern als „Geräte-KI-Assistent“ bezeichnet.
Von der Projektierung bis zur offiziellen Veröffentlichung wurde das Designkonzept von Marvis in drei Versionen vollständig überarbeitet. Man erkennt an den einfachen Linien, der visuellen und unterhaltsamen Szene des kleinen Pferdes bei der Arbeit sowie dem roten Schal, der eine direkte Verbindung zum Pinguin von QQ herstellt, dass sie kein Agent-Produkt entwickeln wollten, das für Nutzer schwierig zu bedienen ist.
Als Agent-Produkt, das vom Team von Tencent AppBa entwickelt wurde, trägt Marvis seit dem ersten Tag die Merkmale eines App-Stores. Im KI-Zeitalter reicht es nicht aus, die Verteilung des traditionellen App-Stores fortzusetzen, sondern es muss auch darauf geachtet werden, ob die Ergebnisse entsprechend den Nutzeranforderungen nach der Verteilung geliefert werden können. LIN Songtao, Vizepräsident von Tencent, teilte uns mit, dass der Nordstern-Indikator von Marvis nicht Indikatoren für den Aktivitätsgrad wie DAU oder die Anzahl der Sitzungen ist, sondern die Anzahl der abgeschlossenen echten Aufgaben der Nutzer.
Gleichzeitig ist ein weiteres Schlüsselwort tief in der DNA des AppBa-Teams verankert: Geräteübergreifend.
Auf dem diesjährigen WAIC waren KI-Agent-Handys zweifellos eine der Produktkategorien, die die Besucher am meisten anzogen. Als die KI auf der Geräteseite in den Fokus rückte, erklärte CAI Jiantao, dass sie keine KI auf der Geräteseite für Handys entwickeln werden.
Der Grund ist einfach: Der Speicher und die Batteriekapazität von Handys sind begrenzt, sodass Modelle, die in Handys integriert werden können, nur schwer über eine große Anzahl von Parametern verfügen und komplexe Aufgaben nur schwer bewältigen können. Daher konzentrieren sie sich auf die Geräteseite von Geräten wie PCs, Mini-PCs und AI-Boxen. Die Nutzer können das Handy als Steuergerät verwenden und Befehle erteilen, damit der PC oder der Container in der Cloud die Aufgaben ausführt.
Derzeit arbeitet Marvis mit dem Hunyuan-Team zusammen, um eine Cluster von Modellen auf der Geräteseite zu entwickeln.
Marvis ist nicht das einzige KI-Produkt des AppBa-Teams. Gleichzeitig haben sie auch ein mobiles Vibe-Coding-Tool namens Tusi veröffentlicht.
In der Vergangenheit lag die Stärke von AppBa darin, Apps bei der Veröffentlichung, Verbreitung und kommerziellen Nutzung zu unterstützen. Die Existenz von Tusi dient genau dazu, der Angebotsseite einen Mehrwert zu verschaffen und mehr Anforderungen umsetzbar zu machen. Die beiden Pfade von Tusi und Marvis, von denen einer Anwendungen erstellt und der andere Dienste direkt verteilt, könnten zu einem bestimmten Zeitpunkt integriert werden.
Vom App-Store über Marvis bis hin zu Tusi versucht das AppBa-Team, die Frage nach der endgültigen Form des App-Stores im KI-Zeitalter zu beantworten. Kein einziges Produkt kann alle Anforderungen der Nutzer erfüllen. Was sie tun können, ist, schrittweise zu erkunden, welche Nische der App-Store im KI-Zeitalter einnehmen wird. Diese Antwort ist bisher noch nicht endgültig geklärt.
Während des WAIC führten wir ein Gespräch mit dem Tencent-Marvis-Team. Im Folgenden finden Sie den Auszug aus dem Dialog zwischen Medien wie „Intelligent Emergence“ und LIN Songtao, Vizepräsident von Tencent, sowie CAI Jiantao, Leiter des geräteübergreifenden Geschäfts von Tencent AppBa und von Marvis, der leicht redigiert wurde:
Mehr, besser, schneller und kostengünstiger
F: Wie lauten die Nutzerdaten nach der Veröffentlichung von Marvis?
CAI Jiantao: Marvis wurde am 20. Mai um 23:58 Uhr veröffentlicht. Bis zum 22. Mai überschritt die DAU bereits 300.000, und die 7-Tage-Retentionsrate der Nutzer lag bei etwa 54 %. Seit der Veröffentlichung steigt die DAU stetig an, und der Trend ist sehr gut. Derzeit verfolgen wir den Anstieg der DAU jedoch nicht übermäßig, sondern konzentrieren uns darauf, die Fähigkeiten des Produkts und den Nutzwert für die Nutzer stetig zu verbessern.
F: Worin zeigt sich die Verbesserungsrichtung konkret?
CAI Jiantao: Wir streben ein hochwertiges und sinnvolles Wachstum an.
Die auf dem Markt erhältlichen Agent-Produkte weisen oft viele Schwierigkeiten auf, z. B. können sie keine Daten des Standardbrowsers lesen. Bei Browser-Aufgaben, der gemeinsamen Nutzung von Cookies und der Festlegung von Berechtigungen gibt es viele Optimierungsmöglichkeiten, in die wir stark investiert haben.
Ein Beispiel: Bei der Computerdiagnose stellen Sie plötzlich fest, dass beim Start ein zusätzliches Programm ausgeführt wird. Wenn Sie Marvis danach fragt, prüft es die Installationsprotokolle und teilt Ihnen mit, dass es zusammen mit einem anderen Programm standardmäßig installiert wurde. Herkömmliche Software kann die genaue Ursache kaum diagnostizieren.
F: Wie sieht das ideale Nutzerprofil von Marvis aus?
CAI Jiantao: Wir hoffen, dass jede Person mit einem Gerät, unabhängig von der Art des Geräts, Marvis nutzen kann, um das Nutzungserlebnis und die Effizienz des Geräts zu verbessern, einschließlich der Produktionseffizienz, der Verarbeitung täglicher Dateien, der Nutzung von Apps und des Spielerlebnisses.
Wir hoffen, dass Marvis allgemein zugänglich und universell ist, nah am Leben und der Unterhaltung, anfängerfreundlich und sofort einsatzbereit.
F: Aus der Sicht der tatsächlichen Nutzung durch die Nutzer, welche Anwendungszenarien gibt es dafür?
CAI Jiantao: Fast kein Nutzer betrachtet Marvis als Ersatz für Doubao oder Yuanbao. Bei der Verteilung der Nutzerszenarien nutzen 44 % die Fähigkeiten im Zusammenhang mit lokalen Dateien, 28 % die Fähigkeiten zur Verwaltung von Computern und Hardware, 16 % die Fähigkeiten im Zusammenhang mit Anwendungen, 18 % die Aufgaben im Zusammenhang mit Browsern, und der Anteil der Nutzung für Suchvorgänge ist sehr gering, etwa 6 %.
Auch bei Spielen haben wir erste Versuche unternommen. Als das neue Tencent-Spiel „Out of Control Evolution“ erstmals veröffentlicht wurde, arbeiteten wir mit ihm zusammen, um Funktionen wie die Erkundung von Karten und den Erwerb von Spielerfahrungen zu implementieren. Das Feedback und die Durchdringungsrate sind sehr gut.
F: Sie betonen die systemweiten Operationen von Marvis, aber dieses Jahr können auch allgemeine Agenten viele systemweite Operationen durchführen. Was ist der Unterschied zwischen Marvis und allgemeinen Agenten?
CAI Jiantao: Die vier Elemente eines Agenten sind Wahrnehmung, Denken, Planung und Handeln. An erster Stelle steht die Wahrnehmung.
Wahrnehmung bedeutet, dass der Agent Geräte, Menschen und Umgebungen im Voraus versteht. Mit der Zustimmung des Nutzers weiß er, welche Dateien sich auf dem Gerät befinden, was jede Datei bedeutet, welche Programme vorhanden sind, und sogar die vergangenen Aktionen auf dem Gerät, Browser und Transaktionsberechtigungen. Nur wenn man auf Systemebene arbeitet, kann die Wahrnehmung erreicht werden.
LIN Songtao: Etwas tun zu können und es gut zu tun, sind zwei völlig unterschiedliche Dinge. Der Grund, warum wir einen systemweiten Agenten entwickeln, ist die Erhöhung der Effizienz der Aufgabenausführung und der Qualität der Ergebnisse. Das AppBa-Team arbeitet seit mehr als zehn Jahren an geräteübergreifenden und systemweiten Projekten und konzentriert sich auf die Integration von „Anwendungen x System x Geräten“.
Viele aktuelle Agenten erkennen oder verarbeiten lokale Dateien über visuelle Verfahren, indem sie Screenshots in die Cloud senden, um sie zu erkennen und zurückzugeben. Der Prozess ist nicht effizient, und die Zeitkosten sind nicht optimal. Aus praktischen Tests geht hervor, dass die Aufgabenabschlussrate und Genauigkeit bei der Ausführung dieser Aufgaben lokal in Kombination mit dem Betriebssystem weit höher sind als bei den aktuellen gängigen KI-Lösungen.
Die Anfrage „Warum ist mein Computer langsam geworden?“ existiert seit dreißig Jahren. Was fehlt, ist nie das Wissen, sondern das Verständnis für dieses spezifische Gerät.
Marvis ist nicht vollständig von der Übertragung und Bewertung durch große Modelle in der Cloud abhängig, sondern kombiniert systemweite Fähigkeiten, um die lokalen Fähigkeiten voll auszuschöpfen und dann die Kombination von Gerät und Cloud umzusetzen. Ein Ansatz, der mehr, besser, schneller und kostengünstiger ist, ist die echte Lösung für die Zukunft.
F: Wie ist die Beziehung zwischen Marvis und den Systemherstellern?
LIN Songtao: Ich denke, man kann sie auf zwei Ebenen betrachten.
Erstens ist unsere Beziehung zu den Systemherstellern eher komplementär als konkurrierend. Wir arbeiten seit langem mit Unternehmen wie Microsoft und Intel zusammen. Tencent AppBa auf Windows ist ein Kernbestandteil des offiziellen App-Stores. Bei Apple ist das ähnlich: Apple entwickelt eigene Anwendungslösungen für Mac und auch Kompatibilitätslösungen für EXE-Dateien. Die Nutzer sind es jedoch gewohnt, Windows-Laptops zum Spielen zu verwenden. Unser Mac-App-Store kann vielen Spielen dabei helfen, auf Mac reibungslos zu laufen. Die Hersteller begrüßen es sehr, dass wir ihnen helfen, die Schnittstellen auf Anwendungsebene gut zu implementieren.
Zweitens ist Marvis seit dem ersten Tag seiner Veröffentlichung geräteübergreifend. Die Nutzer kümmern sich nicht darum, auf welche Weise das Problem gelöst wird, sondern nur um das endgültige Ergebnis. Beispielsweise kann der Nutzer die KI anweisen, Informationen auf dem PC zu sammeln und ein Dokument zu bearbeiten, das dann direkt an Marvis auf dem Handy gesendet wird. Solche geräteübergreifenden Fähigkeiten können Hersteller mit nur einem einzigen Ökosystem nicht realisieren. In Zukunft werden wir die Fähigkeiten der Geräteübergreifendheit und der Kombination von Gerät und Cloud weiter ausbauen, was unseren Servicevorteil ausmacht.
Handys sind kein besonders geeignetes Szenario für die KI auf der Geräteseite
F: Marvis konzentriert sich auf systemweite Fähigkeiten. Was ist der größte Unterschied zu anderen Agent-Produkten?
LIN Songtao: Der Weg, um zu beurteilen, ob die Richtung eines Agenten richtig ist, ist sehr einfach: Sehen Sie, ob Sie sich freuen oder besorgt sind, wenn große Modelle aktualisiert werden. Wenn viele Funktionen des Agenten nach der Aktualisierung des großen Modells nutzlos werden, ist dies offensichtlich nicht die Richtung, in die sich Agenten entwickeln sollten.
Marvis konzentriert sich auf die Geräteseite. Sein größter Vorteil sind die Zeitkosten und die Effizienz, die durch große Modelle allein nicht ausgeglichen werden können. Das große Modell in der Cloud ist wie das Gehirn, das immer intelligenter werden muss. Was wir konzentrieren, ist wie das Kleinhirn und die Reflexnerven, die für Geschwindigkeit, Ausführungseffizienz und Stabilität sorgen. Unter dieser Voraussetzung kann die Kombination von Gerät und Cloud doppelt so effektiv sein.
CAI Jiantao: Marvis ist ein Produkt für die Geräteseite, das auf dem Gerät ausgeführt wird. Nachdem es die globale Wahrnehmung erfasst hat, kann es Aufgaben aktiver ausführen und im Voraus wissen, was jedes Bild, jedes Dokument, jede Rechnung, jeder Inhalt, jede Reise und jeder Empfänger bedeutet. Andere allgemeine Agent-Produkte wie Codex können trotz Berechtigungen nur blind das gesamte System scannen. Wenn sie etwas nicht finden, können sie die Aufgabe nicht ausführen.
Wir sind sehr zuversichtlich hinsichtlich der Geschwindigkeit und Genauigkeit der lokalen Dateiverarbeitung von Marvis. Da keine Interaktion mit der Cloud erforderlich ist und die Analyse und Verarbeitung von Dateien lokal stattfindet, ist Marvis bei der Verarbeitung weit schneller als Codex oder andere Konkurrenzprodukte.
F: Bedeutet das, dass Marvis in Zukunft zum Standard auf jedem Computer wird?
LIN Songtao: Viele Computerhersteller sprechen bereits mit uns über die Vorinstallation. Wir hoffen, dass Marvis eher die untere Grenze der Leistung und des Erlebnisses von PCs in der Zukunft gewährleistet als die obere Grenze.
F: Mit welchen Drittanbietern werden Sie auf der Geräteseite zusammenarbeiten?
CAI Jiantao: Zuerst einmal werden wir nicht mit Handyherstellern zusammenarbeiten.
Wir sind der Meinung, dass die Geräteseite besser für Szenarien wie PCs, Mini-PCs und AI-Boxen geeignet ist. Wir werden weiterhin in diese Szenarien investieren, um ein Cluster von Modellen auf der Geräteseite zu entwickeln, darunter kleine Modelle für Übersetzungen, 1-2B-Multimodal-Vision-Modelle, kleine Textverständnismodelle sowie 20-30B-Modelle für die AI-Box-Ebene, wobei unterschiedliche Szenarien für unterschiedlich große Modelle geeignet sind.
F: Aber die Nutzer wünschen sich, dass die Fähigkeiten des Agenten bequemer zugänglich sind, da sie keine Computer überall mit sich tragen können.
CAI Jiantao: