来自：manus.im
今天，Manus 的宣传全面启动，官网隆重公布了其在 GAIA 基准测试中的表现数据：Level 1 准确率高达 86.5%，Level 2 为 70.1%，Level 3 则达到 57.7%。其中，Level 1 的成绩尤其亮眼，已十分接近人类水平——研究显示，人类在 GAIA 测试中的整体准确率为 92%。这意味着，在基础任务上，Manus 已经可以和人类一较高下。
数据一览
那么，GAIA 究竟是什么？
它凭什么成为 AI 界的“高考”标准？让我们一探究竟。
全称 General AI Assistants Benchmark。是一个用于评估通用AI助手的基准测试，包含466个任务。有三个难度级别
Level 1（基础任务）
Level 2（中级任务）
Level 3（高级任务）
从简单指令执行到复杂推理和多模态处理，逐步提升对AI能力的要求。这种分级设计能够全面评估AI系统的性能，并为AI研究的进步提供指导。
（领取 智能体pdf ，可以加shadow微信litnmnm）
从人类参与的角度来看，shadow 总结如下：
Level 1（基础任务）：AI 已接近人类常识水平，基本可以独立完成。
Level 2（中级任务）：AI 能处理多步骤任务，但工具使用上仍需人类辅助。
Level 3（高级任务）：AI 的表现更像是个“半吊子专家”，复杂推理和决策还离不开人类的深度干预。
这也给我们一个启示：日常工作中，不妨多思考哪些是“基础任务”，完全交给 AI 解放双手；而对于中高级任务，AI 更适合做你的“得力助手”而非“全能替身”。
Level 1: 基础任务 —— 幼儿园级AI考核
特点：
概念简单：任务通常是直接的指令或查询，不需要复杂的推理或多步骤操作。
单模态或简单多模态：主要依赖文本输入和输出，有时涉及简单的图像或表格。
工具使用有限：可能需要基本的工具，如搜索或计算器，但复杂度较低。
示例：
问：“法国的首都是什么？”
答：巴黎。任务：描述图片中的物体。
答：一只黑猫坐在窗台上。计算：2 + 2 = ?
答：4
/ 点评：这就像幼儿园考试，AI 只要记住“1+1=2”和“猫咪会喵喵叫”就能拿高分。Manus 在这块的表现（86.5%）已经非常接近人类（92%），可以说是个“优等生”了。
Level 2: 中级任务 —— 打工人段位测试
特点：
多步骤推理：任务需要一系列的思考或操作，可能包含多个子任务。
多模态处理：涉及文本、图像、音频或视频等多种模态，要求AI综合处理。
工具使用扩展：可能需要更复杂的工具，如网页浏览、数据库查询或API调用。
示例：
问：“如果今天是星期三，后天是星期几？”
答：星期五。
解析：这看似简单，但 AI 得理解“今天”“后天”的时间关系，还要推算日历逻辑——稍有不慎就“翻车”。任务：分析一份 PDF 报告（带图表）并回答“去年销售额增长了多少？”
答：根据图表，增长了 15%。任务：用网页搜索“明天北京天气如何？”
答：多云，气温 10-18°C。
/ 点评：Level 2 就像职场新人的“转正考试”。AI 得一边翻 PDF、一边查天气，还要逻辑清晰地回答问题。Manus 的 70.1% 准确率说明它已经能胜任“助理”角色，但偶尔还得靠人类“救场”。
Level 3: 高级任务 —— 灭霸级试炼场
特点：
复杂推理和规划：任务需要深入思考、规划和决策，可能涉及多个相互关联的子任务。
高级多模态处理：包含多种模态的复杂组合，如视频分析、音频转录和文本理解。
工具使用的复杂性：可能需要组合多个工具，或对工具输出进行进一步处理。
示例：
问：“解方程 2x + 3 = 7。”
答：x = 2。
解析：AI 得懂代数规则，逐步推导，而非瞎猜。任务：分析一段视频（比如会议记录），回答“谁提出了涨薪建议？”
答：张经理在第 5 分钟提到。任务：调用 API 获取股票数据，分析趋势并生成可视化报告。
答：过去一周股价上涨 8%，图表已生成。
/ 点评：这简直是 AI 的“终极Boss战”。想象一下，AI 先用 API 抓数据，再用图像处理工具解析财报图表，最后还得写篇逻辑清晰的分析——这哪是测试，分明是逼着 AI 秀“硅基求生欲”！Manus 的 57.7% 准确率虽不完美……
GAIA 的意义与启发
GAIA 不只是个“考试”，更是 AI 能力的分水岭。从数据看，Manus 在基础任务上已接近人类，但在中高级任务中仍有差距。这也提醒我们：
基础任务：大胆交给 AI，比如查资料、简单计算，效率翻倍。
中高级任务：AI 能帮忙，但别指望它“包打天下”，人类的创造力和判断力仍是关键。
shadow: 我特别关注 AI 在创造性和个性化定制上的价值。比如，生成一篇独特的文章或设计个性化日程，AI 能提供灵感，但最终的“点睛之笔”还得靠人类（目前）。
（领取 智能体pdf ，可以加shadow微信litnmnm）
DeepSeek：
看完 GAIA 的三重试炼，我只想说：这哪是 AI 测试？分明是数字版的“科举考试”！
Level 1：考金鱼级记忆力。
Level 2：测社畜抗压能力。
Level 3：直接让 AI 拍《盗梦空间》。
建议加个 Level 4：让 AI 解释“女朋友为什么生气”。保证所有算法当场蓝屏，人类直接宣布胜利！
Shadow 的观察
这一轮 AI 能力的提升，以 Thinking（思考） 和 DeepSearch（深度搜索） 为代表，标志着 Agent 型 AI 的崛起。它们能自主思考、搜集整理信息，已经开始挑战传统搜索引擎的地位。
未来，AI 可能不只是“工具”，而是真正的“合作伙伴”。
Manus 在 GAIA 上的表现令人振奋，但也揭示了 AI 的边界。
我们需要结合自己的需求，找到 AI 的最佳使用场景，才能真正释放它的价值。
所以，你准备好和 AI “组队”了吗？
最后，对 Agent 感兴趣可以加入我们社群
扫一扫
238
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
