聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

小編分析發(fā)現(xiàn)，Manus迅速成為AI領域的引領者。僅用一個晚上，加之一場不夠正式的發(fā)布會，便迅速走紅。在某魚上，一個邀請碼的售價已高達5萬元。不用多想，現(xiàn)在最著急的無疑是投資者和各大企業(yè)。

Manus的神奇之處究竟在哪里？是過度炒作，還是貨真價實？

01

它能做些什么？

它能完成一個針對特斯拉的財報分析報告，也能生成一個完全可以正常交互的網站，甚至還能玩一款可以直接上手的RPG游戲。它能自行搭建開發(fā)環(huán)境，編寫代碼，調試，甚至自編譯。

如果你需要做一個地區(qū)人口調研報告，Manus還可以直接訪問數(shù)據庫和搜索數(shù)據，選擇最適合的來源完成分析。

更令人稱奇的是，只需一個prompt，就能完成復雜的分析項目。在GAIA benchmark的評測中，Manus的表現(xiàn)已超越OpenAI的DeepSearch。

通過推特和國內社交媒體上的用戶案例分析，可以看出，Manus在執(zhí)行流程和產出結果上，均與DeepSearch不相上下。每個環(huán)節(jié)的代碼和文件都公開透明，分類整理，方便用戶查閱。

在處理特斯拉和英偉達的財報分析時，Manus的表現(xiàn)不遜于雪球大V。這得益于它能自行搭建虛擬電腦，完成數(shù)據獲取、計算、環(huán)境搭建和測試等硬核工作，極大解放了用戶。

02

背后的團隊

Manus因為其超高品質的產出而點燃了社交媒體的聲量，作為國內團隊的代表作品，它為國內團隊在國際舞臺上爭取了更多關注。在AI領域，盡管國內團隊在技術實力上與美國頂尖團隊相比略顯遜色，但也不失為追趕的榜樣。

我們了解到，Manus是國內AI創(chuàng)業(yè)團隊Monica AI的另一款產品。Monica AI是一款專為垂直領域設計的AI聊天機器人，與國外基于原生狀態(tài)的聊天機器人不同，Monica AI通過提供大量現(xiàn)成的API接口，讓用戶無需進行prompt調優(yōu)，即可輕松上手使用。

創(chuàng)始人肖宏在這款操作簡單的聊天機器人上深刻認識到大模型與用戶交互的局限性。即，大模型雖然表現(xiàn)出色，但在完成一個復雜項目時，需要分階段與用戶進行多次對話。

但由于Manus直接將用戶與大模型連接起來，用戶需要將任務分解為多個1v1對話，逐步完成。甚至，用戶也無法完全確認輸入給模型的token是否是該任務的最佳解決方案。

然而，Manus通過一次完整的對話框操作，讓用戶一步到位解決更復雜、需要更高智能化的任務。從這個角度看，Manus更像是一個精心設計的AI任務集合。

團隊刻意避免展示大模型神奇的一面，而是從用戶角度出發(fā)，思考如何通過發(fā)揮模型的優(yōu)勢來解決日常問題。這種務實且珍貴的探索值得肯定。

Manus的故事展示了國內連續(xù)創(chuàng)業(yè)者對用戶需求的精準把握能力和團隊的執(zhí)行力。至于他們所需的AI技術實力，我們將在后續(xù)內容中詳細探討。

03

產品的亮點

《賽博禪心》通過報道Manus團隊的自媒體內容，透露出在Deep Search平臺執(zhí)行一次任務的費用大約為2美元，而Claude 3.7 Sonet與基于國內Qwen模型的優(yōu)化版本的單條任務成本僅為Deep Search的1/10。這一創(chuàng)新舉措無需質疑，創(chuàng)始人在一次播客訪談中明確表示，即使在開發(fā)Monica時，他們也并非僅僅將用戶需求作為prompt的中轉站，而是直接將需求投入模型，并進行了產品調優(yōu)過程。

學習是一個天賦異稟且骨骼清奇的練武奇才，需要后天的付出才能成就一段江湖之路。

通過混合架構，Manus任務系統(tǒng)能夠自主規(guī)劃、思考與完成任務。這一系統(tǒng)并非將Claude與Qwen模型分割開來，而是打破了模型之間的"界限"，讓每個模型專注于自己擅長的任務環(huán)節(jié)。

采用多個大模型的混合配置，并基于虛擬云端執(zhí)行環(huán)境，Manus系統(tǒng)實現(xiàn)了用戶只需一次性的鍵盤輸入即可完成復雜對話請求，突破了傳統(tǒng)聊天機器人多輪對話的局限性。

對Manus執(zhí)行過程的初步猜測：

《賽博禪心》一文中提到的"工程驅動創(chuàng)新"，暗示Manus的任務執(zhí)行過程中，運用了多種工程手段與模型能力的結合。通過對多個社交媒體案例的分析，我們對Manus的運行機制做了一個簡單的推測。

假設大模型（可能是Qwen）在分析輸入后，首先確定任務的類型，然后Manus內部會根據輸入類型進行分類，例如編程任務、多模態(tài)內容生成、任務規(guī)劃類、建議咨詢類等等。如果輸入為英文，猜測可能主要由Claude模型負責執(zhí)行。

具體到任務執(zhí)行層面，猜測過程如下：

1.接收到一個輸入后，大模型首先進行任務分類，決定后續(xù)任務執(zhí)行的模型選擇；

2.接著，大模型將輸入拆解為若干層級分明、優(yōu)先級明確且執(zhí)行順序清晰的子任務；

3.上級任務的輸出結果會被下一個任務所使用；

4.多個任務的輸出結果會被整合成一個最終的分析報告。

對于每個子節(jié)點選擇執(zhí)行的模型，我們推測如果是編程類任務，通常會由Claude主導執(zhí)行；如果是中文決策建議類，則以Qwen為主。在子節(jié)點的任務復雜度不一的情況下，執(zhí)行過程中可能需要混合使用這兩者，然后通過效果對比，最終保留表現(xiàn)最佳的模型。

從上述的分析可以看出，初始需求的輸入質量會對后續(xù)任務的類型判斷、子節(jié)點規(guī)劃和執(zhí)行效率產生重要影響，因此對于Manus的要求是相當高的，通常需要用戶提供詳細且完整的描述（越詳細越好）。

這一點可能會成為Manus的批評焦點，畢竟一次任務的執(zhí)行需要消耗一定的時間和算力，如果因為描述不夠清晰而導致資源的浪費，將嚴重損害用戶體驗，反映出產品尚未成熟。相信未來團隊會進一步優(yōu)化，畢竟一次任務的費用大概一杯奶茶錢。

04

當前的問題

從2022年到2025年，經歷了三年多的大模型風口一輪輪的認知沖擊。人們對于大模型產品的使用體驗，已經基本走過了"Aha Moment"決定產品去留的階段。一個大模型產品，在效果驚人的基礎上，還必須要具備穩(wěn)定性和快速響應能力，才能長久留住用戶。

效果穩(wěn)定性

回頭來看Manus，由于我們的Manus賬號還在wishlist中，從推特和國內社媒的用戶反饋來看，與DeepSeek相比，用戶對Manus的輸出穩(wěn)定性存在較大疑慮。有用戶反映輸出中出現(xiàn)事實錯誤，甚至有讓人啼笑皆非的環(huán)節(jié)。

如果在執(zhí)行過程中，若出現(xiàn)數(shù)據或事實的誤用，將會導致最終結果失去可信度，從而浪費掉2美元的成本。

算力

除了任務效果不穩(wěn)定外，單任務的執(zhí)行時間過長也是Manus的一大批評點，盡管團隊展示了其任務執(zhí)行邏輯和流程，但留給用戶的卻是漫長的等待時間。例如，一位用戶在社交媒體上抱怨，自己的任務執(zhí)行了4-5小時左右。

這背后的原因是團隊對用戶使用量的把控存在不足，而Manus的架構也無法支撐高算力的需求。事實上，用戶對Manus的使用已經習慣了快速出結果的體驗，對于長達幾小時的等待時間自然難以忍受。

其實，如果Manus能提供一個明確的完成時間預期，用戶對長時間等待的不耐煩情緒可能會有所減少。畢竟，對于一個復雜的分析任務，即使執(zhí)行時間長達2-3小時甚至半天，也比現(xiàn)實中的初級員工處理得更快。

技術能力

如果說算力可以通過添加顯卡來提升，那么團隊在技術能力方面短期內難以跟上其他頂尖產品如DeepSeek的水平。與之相比，Manus的技術儲備可能更適合開發(fā)一款日活百萬級的用戶端產品。

與經驗豐富的團隊相比，新團隊的優(yōu)勢在于快速捕捉需求并開發(fā)出可用的產品，但當用戶量增加時，技術升級的問題就凸顯了出來。當前，Manus的用戶反饋中提到運行速度慢、任務卡頓等問題，都是技術升級的外在表現(xiàn)。

盡管Manus已經具備了良好的起步基礎，并且創(chuàng)始人團隊善于發(fā)現(xiàn)并滿足用戶需求，但要實現(xiàn)Manus的長遠發(fā)展和穩(wěn)定性，還需要更多的人才加入。畢竟，目前的產品架構已經讓內行人能夠大致理解其工作原理，被大廠快速復制出來并不困難。

（此處應為“05”或編號結尾，具體根據上下文調整）

Manus初步顯示，AI Agent領域還存在另一條可行的發(fā)展路徑。

市場上，Agent產品可分為兩大類：通用型和垂直應用型。在通用型領域，知名度最高的兩大產品來自兩個主要的大模型廠商——OpenAI推出了"Operator"，Anthropic推出了"Computer Use"。通用型領域可以說是由這兩大產品所主導的。

Anthropic的Agent軟件通過一個獨特的API，開發(fā)者可以利用Claude模型執(zhí)行基本的計算機操作，如打開文件等。而OpenAI則在此基礎上擴展了硬件調用范圍，允許開發(fā)者通過API接口在個人電腦上完成編程、旅行預訂和購物等活動。國內智譜的AutoGLM在運行機制上與OpenAI的"Operator"具有相似性。

垂直型Agent產品，代表作包括cursor和devin。這些產品在程序員群體中享有良好的口碑，但應用領域較為狹窄，難以推廣。

翻 transcript顯示，Manus創(chuàng)始人肖宏曾表示，通用型和垂直型產品在普世價值上存在差異。他認為，通用型產品雖然在速度上不及垂直型，但更具普世價值。實際上，許多程序員已經在使用cursor編寫基礎代碼。

研究表明，Manus定位為通用型AI Agent。通過工程手段對Agent架構進行創(chuàng)新，將復雜工作流程封裝到云環(huán)境中，并融合多個大模型，通過任務規(guī)劃實現(xiàn)子任務的自動處理，最終產出的任務通常需要經過多輪人機對話才能完成。

該研究顯示，Manus在部分任務上超過了OpenAI的DeepSearch產品，開辟了AI Agent發(fā)展的新路徑。

通用型Agent產品的實現(xiàn)不可能依賴單一模型，且天然屬于第三方開發(fā)者的服務范疇。

由于OpenAI和Anthropic的Agent產品難以通過競品模型實現(xiàn)，這決定了它們的研發(fā)進度和工程手段與第三方開發(fā)者相比難以企及。

同時，Manus的應用范圍更具落地性，相比通用型產品，垂直型產品的應用領域更為廣闊。通用型Agent通常幫助用戶完成購票、行程規(guī)劃等操作，操作門檻較低。但對于撰寫特斯拉財報分析報告等高門檻的任務，其商業(yè)價值則更為顯著。

互聯(lián)網界普遍認為AI Agent和通用型AGI是同一回事，但Manus的出現(xiàn)表明，即便尚未達到AGI的高度，但對普通用戶而言，能夠完成具體任務的同志仍然是可貴的。

三重啟示：

一、有了AI的助力，獨立思考和創(chuàng)新能力將成為未來社會的核心競爭力。

即使Manus作為廣泛使用的AI產品仍處于早期階段，我們也能從類似產品的涌現(xiàn)中認識到，持續(xù)創(chuàng)新和突破思考能力是未來社會的核心問題。

AI能夠協(xié)助人們完成案例分析報告、文獻綜述等日常任務，但AI無法替代人類進行實驗設計或確定研究切入點。

在AI技術的廣泛應用下，人與人之間的差距可能會越來越大。

二、第一手消息的來源可能會受到自媒體和垂直領域媒體的影響。

在傳統(tǒng)互聯(lián)網風口（如2010年前后） era，科技媒體發(fā)揮著關鍵作用，它們不僅包括四大傳統(tǒng)門戶網站，還包括垂直領域的專業(yè)媒體。而在AI風口時代，創(chuàng)業(yè)企業(yè)的動態(tài)往往首先源于自媒體，隨后在社交媒體上發(fā)酵，最終被大眾所知。

在"古典"時代，只要保持與記者的溝通，就能及時捕捉到重要行業(yè)動態(tài)。但在AI時代，投資人往往處于被動地位，對新興的科技初創(chuàng)公司知之甚少。

很多風投機構通過設立孵化器來培養(yǎng)創(chuàng)業(yè)企業(yè)，但這種模式的成功率不高，也很少能產出真正有市場價值的創(chuàng)新產品。如何在社交媒體發(fā)酵的背景下，抓住潛在的機會甚至發(fā)現(xiàn)新的機會，是風投機構需要面對的新課題。

面對"大廠"，該怎么選？

DeepSeek憑借其優(yōu)秀的模型效果和開源殺手锏，已將字節(jié)、騰訊、百度等大廠的技術領先優(yōu)勢甩在身后。而Manus不僅走出了通用型agent的一步，更領先了大廠。關于研發(fā)成本的對比，我們目前還無法提供具體數(shù)據，但若等到那時候，這無疑是對大廠的一次羞辱。

Agent，該怎么選？

參考資料：

1. 張小珺 | 商業(yè)訪談錄：https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0f

2. 賽博禪心：實測Manus：首個真干活AI，中國造（附50個用例+拆解）https://mp.weixin.qq.com/s?__biz=MzkzNDQxOTU2MQ==&mid=2247498251&idx=1&sn=f3a81f0f2a0f54c89ed51b2951b07da2

3. 賽博禪心：關于Manus的一些獨家信息

4. manuS使用分享：https://manus.im/share/hRGARE7EBqtDhLHBGISLP7?replay=1