2026 年 5 月，腾讯在同一条产品线上同时亮出了两款 AI 助手：Marvis（马维斯）和QClaw（小龙虾）。

名字听着像兄弟，实际上还真是同门——腾讯内部称为”龙虾特攻队”产品矩阵，两家团队分别来自应用宝和电脑管家，各出奇招。

但如果你仔细对比两者的设计思路，会发现一个很有意思的现象：它们几乎在同一时间回答了同一个问题——“AI 助手到底应该长什么样？”——而给出的答案完全不同。

一、Marvis：操作系统层级的 AI 助手

Marvis 由腾讯应用宝团队打造，产品负责人王秋阳，业务负责人蔡建涛。2026 年 5 月 20 日正式上线，Windows、Mac、安卓三端可用，iOS 版本预计 6 月中旬推出。

核心定位：操作系统层级的 AI 助手。

说白了，Marvis 想要做的是把电脑变成一个可对话的智能终端。你不需要打开某个 App，不需要记住快捷键，直接用自然语言跟操作系统对话——“帮我整理桌面”、”把这张图传到云盘”、”帮我对比这两个文件”，Marvis 可以直接操控文件系统、系统设置、已安装 App。

它走的是系统级深度整合路线：

  • 文件层面：理解文件内容、批量重命名、智能分类
  • App 层面：跨应用操作协调，比如”帮我把浏览器里的这个 Excel 表格下载并保存到桌面”
  • 跨端调度：移动端 Marvis App 与电脑端数据同步，手机发指令、电脑执行

技术底座：自研 Agent 架构，与英特尔在芯片层做了联合优化（端侧推理速度提升约 20%），与微软依托 WinML 框架实现本地高效运行。

模型方案采用混合架构：

  • 端侧：阿里 Qwen 端侧模型，负责高频轻量任务（文件理解、图片识别、简单对话、系统信息查询）
  • 云端：混元 + DeepSeek-V4，负责复杂推理、多步规划、长文档深度分析

二、QClaw：本地化 AI Agent + 微信远程操控

QClaw 来自腾讯电脑管家团队，2026 年 3 月上线内测，目前仍处于限时免费内测状态。

核心定位：开箱即用的本地 Agent + 微信远程操控 + 5000+ Skills 生态。

QClaw 的技术基础是 OpenClaw（开源 AI Agent 框架），腾讯团队在其上做了本地化封装。它的核心卖点非常明确：

  • 微信远程操控：手机扫码绑定，发微信消息就能操控电脑，这是 Marvis 没有的能力
  • Skills 生态：5000+ 技能插件覆盖飞书、日历、任务、多维表格、文档等各类工作流
  • 内置国产大模型，支持灵活切换自定义模型

QClaw 走的是一条轻量化、高扩展性的路线——不追求操作系统深度整合，而是作为一个”能力中台”接入你已有的工作流程。

三、核心差异：一条表格说清楚

维度 Marvis（马维斯） QClaw（小龙虾）
开发团队 腾讯应用宝团队 腾讯电脑管家团队
定位 操作系统层级 AI 助手 本地化 AI Agent + 微信远程 + 5000+ Skills
核心思路 系统级深度整合：文件、系统设置、App、跨端一体调度 开箱即用的本地 Agent + 微信远程操控 + 技能市场
远程操控 移动端 Marvis App 同步 微信扫码绑定，手机发消息操控电脑
技术底座 自研 Agent 架构，与英特尔/微软底层协作 基于 OpenClaw 开源框架封装
模型方案 端侧：Qwen 端侧模型；云端：混元 + DeepSeek-V4 内置国产大模型，支持切换自定义模型
上线时间 2026 年 5 月 20 日（正式版） 2026 年 3 月（内测）
状态 正式版，无需邀请码 限时免费内测

两者同属腾讯”龙虾特攻队”产品矩阵，但路线完全不同：Marvis 走系统深度整合，把电脑变成可对话的智能终端；QClaw 走轻量化 Agent + 微信远程 + 技能市场。

四、Marvis 的端云分级调度：怎么做到的？

Marvis 最值得关注的设计，是它的端云分级调度机制。

本地端侧模型做什么？

端侧 Qwen 模型处理高频、轻量、隐私敏感的任务：

  • 文件内容理解与总结
  • 图片识别
  • 简单对话交互
  • 系统信息查询

优势是响应快 + 数据不出电脑。

云端模型做什么？

当任务复杂度超出端侧能力边界时自动升级：

  • 复杂推理链
  • 多步任务规划
  • 长文档深度分析
  • 多 Agent 协作编排

不是”二选一”，而是”按需混合”

同一任务中，端侧和云端可以同时协作：端侧做感知和执行层（理解文件内容、操作系统界面），云端做规划层（拆解任务、决策下一步做什么）。

这意味着：即使端侧硬件性能一般，只要能把轻量任务兜住，就能大幅减少云端往返次数，整体响应更快、也更省 Token。

为什么要做端云分级？

原因其实很朴素：端侧硬件跑不了，不代表要做纯云端。

如果所有任务都上云，成本高、延迟高、隐私风险大。但如果端侧能兜住 60%～80% 的日常轻量请求，云端只需要处理真正需要大模型能力的复杂任务，整体效率反而更高。

“端侧跑得了就分担一部分，跑不了就自动上云”——这就是端云分级调度的核心逻辑。

五、一点思考

Marvis 和 QClaw 的同时存在，说明腾讯在 AI 助手这件事上还没有找到”唯一正确答案”。

Marvis 赌的是系统整合——把 AI 能力深埋进操作系统，让用户无感使用。这个方向天花板很高，但也意味着极重的开发和维护成本，以及与操作系统厂商（微软、苹果）的深度绑定。

QClaw 赌的是开放生态——用 OpenClaw 做底座，靠 Skills 市场补齐能力，靠微信远程降低使用门槛。这个方向轻快灵活，但产品护城河更多依赖社区和生态，而非技术壁垒。

从用户角度来说，两个产品并不完全互斥：如果你追求**”让电脑自己动”的沉浸式体验**，Marvis 更合适；如果你追求**”随时随地用微信操控电脑 + 丰富的工作流技能”**，QClaw 更适合。

未来鹿死谁手，端云调度方案能否跑通，关键看两件事：用户付费意愿，以及端侧模型的迭代速度。

参考来源：腾讯官方公告、公开报道及技术分析。Qwen 端侧模型具体型号和参数量尚未由腾讯官方披露，本文属合理推断，以腾讯后续技术博客或官方披露为准。