GenSpark vs Manus实测对比:文献综述与学术PPT,哪家强?

GenSpark和Manus这两款智能体AI产品,无论是团队基因还是产品功能,都有很多相似性。

下面这张图娜姐详细对比了两者的异同:

今天娜姐就来详细测试对比一下两者在文献综述和PPT制作方面的效果差异:

1 Manus

1.1 文献综述:

一份高质量的文献综述需要:信息检索的全面性、内容分析的深度性、逻辑结构的系统性,以及引用的准确性。

给定主题撰写文献综述,娜姐之前测评过GenSpark的深度研究,单次综述可以引用近100条参考文献,虽然写作内容有些浅显。

再来看看Manus表现如何:

记得,这里一定要强调:

1附带所有参考文献来源(否则Manus生成的报告文中是没有citation的);

2 最后,请将所有文字和图表合并到一个文档中发送给我(默认状态下,Manus会拆解任务,每个子主题生成一个markdown文档,图片一个,表格一个。所以,你可以要求Manus将所有文档合并成一个,方便查看)。

Manus收到任务后,会开始规划,逐步执行。它的任务是在Manus虚拟机上进行,你可以很直观的看到它浏览的页面和执行的操作,这一点很特别:

这种"模拟人类操作界面"是Manus的一大亮点。你能清楚看到它访问了哪些数据库、使用了什么检索策略、如何筛选文献。

整个过程耗时约20分钟,最后会汇总一个总报告和一个表格:

再来看看内容:

总的来说,内容大而全,但是细节和机制阐述不够具体。

生成的总结性图表有一定参考性:

参考文献部分,按照我们的要求引用了近五年的30篇相关文献。

总体评价:Manus的文献综述适合用于前期调研和快速入门,能够帮你建立对某个领域的整体认知框架。但如果要用于正式的学术发表,还需要大量的人工补充和深化。

1.2 Manus制作PPT

上传了一篇学术论文,请它制作一份供学术会议交流的PPT,最终生成一份11张slides的PPT文件:

主要信息倒是都提取正确了,但是格式惨不忍睹:

从PPT质量来看,Manus的表现确实不尽如人意:

内容层面:

  • 信息提取准确:关键的研究目的、方法、结果都提取到了

  • 逻辑结构合理:按照学术报告的标准流程组织

  • 重点突出:能够识别论文中的核心贡献

视觉层面:

  • 模板单调:只有基础的文字排版,缺乏视觉美感

  • 图表质量差:原论文中的图表没有很好地适配到PPT格式

这种质量的PPT,距离学术会议的展示标准还有不小差距。需要大量的后期美化和格式调整工作。

2 GenSpark

2.1 文献综述

GenSpark的操作界面,可以显示任务执行流程和访问的网址,跟OpenAI和Gemini的深度研究类似。

最后生成的文献综述正文是带引文链接的,这一点比Manus要好:

但是生成的报告也有大而全,但是深度不够的问题。

我想着是不是框架给的太详细导致的。后来尝试只给主题,让它综述。结果还是一样的。并且参考文献也有只10来条。和它前期的深度研究功能相比,现在像是为了节省token成本偷工减料了。

结果也是只能作为前期的快速概览,信息密度不够。

综合来看,GenSpark的文献综述有以下特点:

优势:

  • 引用规范性高:每个引用都能准确对应到原文

  • 界面友好度好:操作简单,结果展示清晰

  • 处理速度快:平均5分钟左右完成一篇综述

劣势:

  • 文献覆盖面有限:相比早期版本有所下降

  • 内容深度不足:缺乏对复杂问题的深入探讨

2.2 GenSpark制作PPT

GenSpark的PPT制作流程,是先输出整个PPT的HTML代码,再转换成pptx文件供下载。风格和Claude的流程图风格很像。

整个的视觉效果和信息总结比Manus要好:

可以作为PDF或者pptx文件导出。但是,导出后也存在字体变化和格式变动,显示不准确的问题。要稍作调整。

总结一下,文献综述生成方面,Manus文献引用量比GenSpark多,但GenSpark内容更全面,且生成速度更快。

PPT制作方面,GenSpark更胜一筹。

目前来看,这些智能体工具功能都还不成熟。虽然是号称可以全流程自主规划、执行任务,但最后生成的产品还远达不到80分水准。远不如让AI执行一个单一的翻译、润色、写代码、绘图等任务完成出色。

当然,随着大模型的飞速进化,这些智能体产品的性能也会水涨船高,不断改进。

目前阶段,人还当不了甩手掌柜,让AI在单个任务上帮我们节省时间,而不是寄希望于一次完成多流程的复杂任务,是更切实可行的方案。


今天就介绍到这里。

如果觉得有用,欢迎在看、转发和点赞!娜姐继续输出有用的AI辅助科研写作、绘图相关技巧和知识。

相关推荐
CareyWYR16 分钟前
每周AI论文速递(2506202-250606)
人工智能
点云SLAM20 分钟前
PyTorch 中contiguous函数使用详解和代码演示
人工智能·pytorch·python·3d深度学习·contiguous函数·张量内存布局优化·张量操作
小天才才31 分钟前
【自然语言处理】大模型时代的数据标注(主动学习)
人工智能·机器学习·语言模型·自然语言处理
音程34 分钟前
预训练语言模型T5-11B的简要介绍
人工智能·语言模型·自然语言处理
人肉推土机1 小时前
AI Agent 架构设计:ReAct 与 Self-Ask 模式对比与分析
人工智能·大模型·llm·agent
新知图书1 小时前
OpenCV为图像添加边框
人工智能·opencv·计算机视觉
大模型真好玩1 小时前
可视化神器WandB,大模型训练的必备工具!
人工智能·python·mcp
张较瘦_1 小时前
[论文阅读] 人工智能 | 当AI遇见绿色软件工程:可持续AI实践的研究新方向
人工智能
Jamence2 小时前
多模态大语言模型arxiv论文略读(110)
论文阅读·人工智能·语言模型·自然语言处理·论文笔记
袁庭新2 小时前
使用扣子+飞书+DeepSeek搭建批量提取公众号文章内容并改写的智能体
人工智能·aigc·coze