Manus的三個啟示

（圖片來源：攝圖網(wǎng)）

作者|貝貝俠 來源|錦緞

Manus成為AI頂流，似乎只用了一個晚上，另加一場不那么正式的發(fā)布會。一個邀請碼在某魚已經(jīng)炒到了5萬。不用想，現(xiàn)在最慌的有兩批人——投資人，以及大廠。

Manus神奇在何處，是虛火炒作，還是貨真價實(shí)？

01

它可以做什么？

它可以全自主完成一個針對特斯拉的財報分析報告，也可以幫你生成一個完全可以正常交互的網(wǎng)站，甚至可以做一款可以直接上手玩的RPG游戲——它可以搭建開發(fā)環(huán)境，自行寫代碼，自己debug，自行編譯。

如果你想做一個地區(qū)人口調(diào)研報告，Manus還可以自己訪問數(shù)據(jù)庫和自己搜索決定該用什么數(shù)據(jù)來完成。

Manus幾乎可以通過一個prompt來完成一個復(fù)雜的分析項(xiàng)目。官網(wǎng)顯示，在AI agent的評測標(biāo)準(zhǔn)GAIA benchmark基準(zhǔn)下，其表現(xiàn)更是高于OpenAI的 DeepSearch。

筆者分析了用戶在推特和國內(nèi)社媒上發(fā)布的使用案例，從執(zhí)行過程來看，完全比肩DeepSearch，每個流程的執(zhí)行代碼、產(chǎn)出文件都完全可見，分門別類整理好等待用戶檢閱。就特斯拉和英偉達(dá)的財報分析和估值結(jié)果來看，不遜色于雪球各種大V。

筆者覺得其中最為驚艷之處是，Manus通過自己搭建的虛擬電腦來執(zhí)行數(shù)據(jù)獲取、計算、開發(fā)環(huán)境搭建和測試等一系列硬核環(huán)節(jié)，這幾乎將用戶從復(fù)雜的基礎(chǔ)工作中解放出來，一個新人完全可以零幀起手進(jìn)入工作。

02

背后的團(tuán)隊

Manus引發(fā)如此大的聲量，除了其超高質(zhì)量的產(chǎn)出，作為土生土長的國內(nèi)團(tuán)隊作品也是引燃社媒聲量的一個引線。AI領(lǐng)域，國內(nèi)團(tuán)隊的步伐和美國集結(jié)了全球人才的夢之隊相比，似乎并沒有落后。

我們了解到，Manus是國內(nèi)AI創(chuàng)業(yè)團(tuán)隊Monica AI的另一產(chǎn)品。Monica AI是一款A(yù)I chatbot產(chǎn)品，不同于國外處于原生狀態(tài)的chatbot，Monica AI 并非僅僅提供一個模型使用入口，而是通過提供大量垂直向可以直接使用的API接口，用戶不需要擔(dān)心prompt調(diào)優(yōu)，上手即可使用。

創(chuàng)始人肖宏在這樣一款模式簡單的chatbot產(chǎn)品上，已經(jīng)意識到了大模型和用戶之間交互方式的局限性。即，模型是優(yōu)秀的和具備一定“超能力”，可以在一系列調(diào)教下，完成一個復(fù)雜的項(xiàng)目。

但由于chatbot直接將用戶和大模型對接上，使得要完成某個任務(wù)的用戶，只能分批次將任務(wù)通過1v1對話讓模型分步驟產(chǎn)出。甚至，用戶可能都無法確認(rèn)輸入給模型的token是否是這個任務(wù)最優(yōu)的方案。

Manus讓人們繼續(xù)在對話框中，一步到位解決更復(fù)雜需要更高智能的任務(wù)了。站在這個角度考慮，Manus似乎更像是一個多個經(jīng)過規(guī)劃后的AI 任務(wù)集合。

團(tuán)隊刻意忽略顯示大模型神奇之處，轉(zhuǎn)而站在用戶角度，思考如何通過發(fā)揮模型的優(yōu)勢來完成日常任務(wù)。這是務(wù)實(shí)又珍貴的探索。

Manus的故事。讓人們看到了連續(xù)創(chuàng)業(yè)者對用戶需求的精準(zhǔn)把握能力和團(tuán)隊的超強(qiáng)執(zhí)行力。至于AI所需要的團(tuán)隊技術(shù)實(shí)力如何，我們稍后再講。

03

產(chǎn)品的亮點(diǎn)

通過接近Manus團(tuán)隊的自媒體《賽博禪心》的文章透露，單條任務(wù)的成本在2美金左右是Deep Search的1/10。基于Claude 3.7 Sonet和國內(nèi)的Qwen模型基礎(chǔ)上，增加了自己的訓(xùn)練過程，這點(diǎn)是毋庸置疑的，創(chuàng)始人在播客訪談中透露，即使在做Monica的時候，他們也并不是僅僅作為prompt中轉(zhuǎn)站，直接將用戶的需求扔給模型，而是增加了產(chǎn)品調(diào)優(yōu)過程的。

就像一個天賦異稟骨骼清奇的練武奇才，需要經(jīng)過后天的努力才能成為笑傲江湖。

Manus任務(wù)自主規(guī)劃、思考和完成能力來自其混合模型的架構(gòu)?；赾laude 和Qwen，并非任務(wù)的某一個環(huán)節(jié)基于claude，另一個環(huán)節(jié)基于Qwen，manus打破了模型的“結(jié)界”，讓每個模型完成自己擅長的任務(wù)環(huán)節(jié)。

多個大模型混合+manus虛擬云端執(zhí)行環(huán)境，實(shí)現(xiàn)了讓用戶只需要一次性敲鍵盤就可以完成往常chatbot多輪對話都未必能完成的復(fù)雜需求。

關(guān)于Mmanus執(zhí)行過程的猜測：

《賽博禪心》在其文章中提到的“工程驅(qū)動創(chuàng)新”一詞，猜測Manus的任務(wù)執(zhí)行過程中，運(yùn)用了大量工程手段加模型能力來完成任務(wù)。結(jié)合多個社媒的案例分享，我們對manus的運(yùn)行機(jī)制做了簡單猜測。

通過大模型（這一步猜測是Qwen）對于輸入進(jìn)行分析后，首先確定任務(wù)類型，manus內(nèi)部對于輸入應(yīng)該有一個類目劃分，如編程任務(wù)、多模態(tài)內(nèi)容生成、任務(wù)規(guī)劃類、建議咨詢類等等。其次，如輸入語言是英文，猜測可能任務(wù)執(zhí)行也以Claude為主。

具體到任務(wù)執(zhí)行層面，猜測過程如下：

1.接收到一個輸入后，大模型會首先進(jìn)行任務(wù)分類，決定后續(xù)任務(wù)執(zhí)行的模型選擇；

2.之后大模型將輸入拆解成多個帶有層級關(guān)系、優(yōu)先級和執(zhí)行順序的子任務(wù)；

3.按序執(zhí)行以后，上級任務(wù)的輸出，成為下個任務(wù)的輸入；

4.多個任務(wù)產(chǎn)出合并成一個最終分析結(jié)果。

對于每個子節(jié)點(diǎn)選擇什么模型來執(zhí)行，我們猜測，如果是編程任務(wù)后面執(zhí)行以Claude為主，如果是中文決策建議類就以Qwen為主；根據(jù)子節(jié)點(diǎn)的任務(wù)復(fù)雜度，執(zhí)行過程中單一任務(wù)甚至可能是Qwen和Claude混合，然后再用模型進(jìn)行效果對比，最終選擇保留效果最佳的一個。

從上述的分析可見，初始需求的輸入質(zhì)量決定了后續(xù)的任務(wù)類型判斷，以及子節(jié)點(diǎn)規(guī)劃和執(zhí)行效率，所以manus對于輸入的質(zhì)量要求很高，通常需要用戶詳細(xì)和完整的描述需求內(nèi)容（越詳細(xì)越好）。

這可能會成為Manus被詬病的一點(diǎn)，畢竟一個輸入的執(zhí)行是漫長的，如果僅僅因?yàn)槊枋霾粔蚯逦敿?xì)而導(dǎo)致時間和算力的浪費(fèi)，會嚴(yán)重影響產(chǎn)品體驗(yàn)，屬于產(chǎn)品的不成熟，相信未來團(tuán)隊會改善這一點(diǎn)，畢竟一次任務(wù)執(zhí)行就要花費(fèi)一杯奶茶錢呢。

04

當(dāng)前的問題

從2022年到2025年，經(jīng)歷了三年多的大模型風(fēng)口一輪輪的認(rèn)知沖擊。人們對于大模型產(chǎn)品的使用體驗(yàn)，已經(jīng)基本走過了“AHA Moment”決定產(chǎn)品去留的階段。一個大模型產(chǎn)品，在效果驚人的基礎(chǔ)上，還必須要穩(wěn)定、要快，才能長久抓住用戶。

效果穩(wěn)定性

回頭看manus，鑒于我們的Manus賬號尚在wishlist，從推特和國內(nèi)社媒的使用者反饋來看，略不同于DeepSeek的眾人交口稱贊，用戶對Mansu的產(chǎn)出穩(wěn)定性很不樂觀，甚至有不少弄錯事實(shí)，讓人啼笑皆非的環(huán)節(jié)。

如果執(zhí)行中一個任務(wù)的數(shù)據(jù)或者事實(shí)用錯了，就會導(dǎo)致最終產(chǎn)出變得不可信，從而浪費(fèi)這2美元的成本。

算力

除了效果不穩(wěn)定，單任務(wù)執(zhí)行時間過長也是被詬病了另一個點(diǎn)，盡管Manus已經(jīng)展示出了其任務(wù)執(zhí)行邏輯和過程，但留給用戶的仍然有漫長的等待，一個用戶發(fā)推說，自己的任務(wù)執(zhí)行了4-5個小時。

這背后是團(tuán)隊對使用量的低谷，以及Manus本身架構(gòu)無法產(chǎn)生的大量算力需求。除以意外，用戶已經(jīng)被各大模型養(yǎng)刁了口味，習(xí)慣了分分鐘出結(jié)果的體驗(yàn)，對于長達(dá)數(shù)小時的等待自然無法容忍。

其實(shí)，Manus如果能給用戶一個可預(yù)見的完成時間，也許可以減少等待的焦慮。畢竟對于一個復(fù)雜的分析任務(wù)，即使執(zhí)行時間長達(dá)2-3個小時甚至半天的時間，恐怕也比現(xiàn)實(shí)中初級員工要快的多。

技術(shù)能力

如果說，算力可以通過加卡來完成，那么團(tuán)隊技術(shù)能力可能短時間很難補(bǔ)齊。且不去對比DeepSeek那樣的夢之隊，Manus的技術(shù)儲備可能更適合做一款日活百萬級左右的用戶端產(chǎn)品。連續(xù)創(chuàng)業(yè)者出身的團(tuán)隊可能優(yōu)勢更在于需求發(fā)現(xiàn)，并在短時間內(nèi)手搓出一個可以上線使用的產(chǎn)品，但用戶量大了怎么辦？需要技術(shù)升級是怎么辦，這些都是需要長時間解決的問題。當(dāng)前Mansu的用戶吐槽套殼和運(yùn)行速度太慢，任務(wù)卡頓就是這個問題的外在體現(xiàn)（團(tuán)隊的道歉信中我們也看到他們沒想到這款產(chǎn)品這么出圈）。

Manus有了一個優(yōu)秀的起步基礎(chǔ)，有善于發(fā)現(xiàn)和抓住用戶需求的創(chuàng)始團(tuán)隊來把我研發(fā)方向，但還需要更多AI人才來讓manus成長的更快更穩(wěn)定。畢竟目前的產(chǎn)品現(xiàn)狀，內(nèi)行人使用幾次之后就能大概了解產(chǎn)品架構(gòu)，被大廠拷貝一個出來是沒什么難度的。

05

Manus初步證明AI Agent的另一條路

市面上的Agent產(chǎn)品有2個方向，通用型和垂直應(yīng)用型。前者中知名度最高的2個產(chǎn)品，是來自2個大模型廠商OpenAI的"Operator"和Anthropic 推出的 “Computer Use”。這個方向可以說是通用型Agent的代表。

Anthropic的Agent軟件是通過一個特殊的API，開發(fā)者可以知道Claude 模型來完成各種計算機(jī)基本的輸入、打開文件等基本操作任務(wù)；OpenAI則是在此技術(shù)上擴(kuò)大硬件調(diào)用范圍允許通過API接口，在個人電腦上完成編程、預(yù)定旅行和購物等操作。國內(nèi)智譜的AutoGLM在運(yùn)行模式上類似OpenAI的"Operator"。

垂直Agent，典型代表為cursor和devin。這兩款agent產(chǎn)品在程序員中口碑很好，但遺憾的是應(yīng)用領(lǐng)域窄很難推開來。Manus創(chuàng)始人肖宏在一則訪談中也表達(dá)了垂直和通用相比，顯然后者更具有普世價值，但前者更快走入了應(yīng)用。從實(shí)際情況看，我們周圍不少程序員朋友在用cursor編寫基礎(chǔ)代碼了。

Manus定位為一款通用型AI agent。通過工程手段實(shí)現(xiàn)Agent架構(gòu)創(chuàng)新，將復(fù)雜的工作流程封裝在一個云環(huán)境上，融合多個大模型，通過任務(wù)規(guī)劃來自動完成子節(jié)點(diǎn)需求處理，產(chǎn)出的是一個往常需要經(jīng)過多輪人機(jī)對話才能完成的復(fù)雜任務(wù)。

Manus達(dá)到了在部分任務(wù)上超越OpenAI DeepSearch的效果，代表了Agent的另一條可以選擇的路。

通用型agent產(chǎn)品，不可能依靠單一大模型實(shí)現(xiàn)，并且天然就是第三方開發(fā)者的使命。

畢竟OpenAI和Anthropic的agent，幾乎不太可能通過競對的模型來實(shí)現(xiàn)，這就決定了他們的產(chǎn)品研發(fā)進(jìn)度和工程手段無法和第三方相比。

同時Manus的應(yīng)用范圍相比通用型產(chǎn)品更加落地，相比垂直型有更廣闊的應(yīng)用領(lǐng)域。通用型agent所宣傳的幫助用戶購票、規(guī)劃形成以及電商購物的一系列操作，用戶自己操作也毫無門檻。但完成一個特斯拉財報分析報告，就需要很高的門檻了。通常有門檻的產(chǎn)品，其商業(yè)價值就更高。

互聯(lián)網(wǎng)界一直將AI Agent和通用型AGI鎖定起來，但Manus的出現(xiàn)告訴人們，即使尚未達(dá)到AGI，但 who cares，對普通用戶來說能完成任務(wù)的同志才是好同志。

05

三重啟示

一，有了AI助力，更需要獨(dú)立決策能力

即使今天和不遠(yuǎn)的明天Manus仍不能變成廣泛使用的agent產(chǎn)品，我們也能從不斷涌現(xiàn)的類似產(chǎn)品中明白看到一個核心問題，即獨(dú)立思考和創(chuàng)新能力未來會是一個人的核心能力。

AI的確能幫人們做很多事，幫你分析實(shí)驗(yàn)結(jié)果、做實(shí)驗(yàn)報告，幫你完成案頭材料撰寫等等，但AI不會幫你做實(shí)驗(yàn)，AI不會幫你想一個分析該從哪個點(diǎn)切入才能讓結(jié)果看起來更有亮點(diǎn)。我們毫不懷疑在AI的介入下，人和人的差距會越來越大。

二、第一手消息更換了來源

上個互聯(lián)網(wǎng)風(fēng)口2010年前后，扮演攪動風(fēng)云角色的是各大科技媒體，除了四大傳統(tǒng)互聯(lián)網(wǎng)門戶網(wǎng)站外，垂直領(lǐng)域科技媒體也起了舉足輕重的作用。AI風(fēng)口前，創(chuàng)業(yè)企業(yè)新的動向往往來自自媒體、而后經(jīng)過社媒發(fā)酵，再被全民皆知。

“古典”時代，只要和記者保持溝通就不會錯過重要行業(yè)動態(tài)，但來到AI時代，投資人經(jīng)常陷于被動，對突然冒出來的科技新秀一無所知。不少風(fēng)投機(jī)構(gòu)通過設(shè)立孵化器來自己培養(yǎng)創(chuàng)業(yè)企業(yè)，但概率不理想，也很少有爆品產(chǎn)生。如何在一個社媒發(fā)酵模式下，抓住潛在甚至冒尖的機(jī)會，是機(jī)構(gòu)面臨的新課題。

三、大廠怎么辦

DeepSeek一枝獨(dú)秀的模型效果加開源殺手锏，將字節(jié)、騰訊、百度等大廠從技術(shù)潮頭絀落。Manus又邁出了通用型agent走進(jìn)現(xiàn)實(shí)的第一步，又領(lǐng)先了大廠。這里我們都不敢將Manus的研發(fā)成本和大廠成本作對比，恐怕屆時將是對大廠的羞辱。Agent，跟還是不跟？

參考資料

張小珺Jùn｜商業(yè)訪談錄：https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0fhttps://pan.baidu.com/s/1KkGRdYdkf84vJygkFk2J5Q?pwd=n15q#list/path=%2F

賽博禪心：實(shí)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&scene=142

賽博禪心：關(guān)于 Manus 的一些獨(dú)家信息manus使用分享https://manus.im/share/hRGARE7EBqtDhLHBGISLP7?replay=1

轉(zhuǎn)載開白 | 商務(wù)合作 | 內(nèi)容交流請?zhí)砑游⑿牛簀induan008添加微信請備注姓名公司與來意 推 薦 閱 讀  

編者按：本文轉(zhuǎn)載自微信公眾號：錦緞，作者：貝貝俠