昨天，一款由中國團(tuán)隊發(fā)布的 Agent 產(chǎn)品 Manus 在 AI 圈迅速走紅，并登上熱搜，許多人稱其為真“打工人救星”。一段長達(dá) 4 分 17 秒的演示 demo 里，官方介紹，與傳統(tǒng) AI 助手不同，這款產(chǎn)品是一個真正自主的 AI Agent，不僅能提供各行業(yè)領(lǐng)域的建議或答案，還能直接交付完整的任務(wù)成果，寫周報、做 PPT、簡歷篩選、甚至炒股票都不在話下。

在 Manus 官網(wǎng)，還能看到其一口氣放出的 60 多個場景案例。此外，在 GAIA 基準(zhǔn)測試（專門評估通用 AI 助手解決真實世界問題能力的權(quán)威測試）中，Manus 在所有三個難度級別上都取得新的最先進(jìn) (SOTA) 表現(xiàn)，成績超越了 OpenAI 的 Deep Search。

爆火后，Manus 官網(wǎng)頁面一度崩潰。由于 Manus 目前還沒有公開上線，但對外開放了免費申請體驗鏈接，AI 圈里掀起一波“全網(wǎng)求邀請碼”的風(fēng)潮。就邀請碼一事，Manus 官方回應(yīng)稱，“服務(wù)器資源完全是按照行業(yè)里發(fā)一個 demo 的水平來準(zhǔn)備的，根本不成想到會引起如此大的波瀾。目前采取邀請碼機(jī)制，是因為此刻服務(wù)器容量確實有限，不得已而為之，團(tuán)隊也熬夜搞了一整天了。”

國內(nèi)某二手物品出售平臺上，Manus 的邀請碼標(biāo)價最高至數(shù)十萬級別。據(jù)了解，Manus 的邀請碼不會綁定到單個賬號，拿到邀請碼后所生成的項目也不會與邀請碼綁定，但設(shè)置了每日使用上限。也就是說，在使用上限內(nèi)，一個邀請碼可以被多人同時使用、異地使用、輪流使用。

Manus 怎么就火了？！
3 月 6 日下午，Manus AI 合伙人張濤在社交平臺澄清道，他們從未開設(shè)任何付費獲取邀請碼的渠道，也從未投入任何市場推廣預(yù)算。內(nèi)測期間系統(tǒng)容量有限，將優(yōu)先保障現(xiàn)有用戶的核心體驗，并逐步有序釋放邀請碼。

值得注意的是，與此前 DeepSeek 先在海外“出圈”的狀況不同，目前在海外各社交平臺上，還較少看到 AI 行業(yè)從業(yè)者們對 Manus 發(fā)表的公開評價。面壁智能聯(lián)合創(chuàng)始人、首席科學(xué)家、清華大學(xué)計算機(jī)系副教授劉知遠(yuǎn)昨日在清華大學(xué)的大模型公開課上表示，DeepSeek 的熱度當(dāng)時是醞釀了一周才擴(kuò)散開，而他不太理解為什么 Manus 會如此迅速地爆火，表示“讓子彈飛一會再看”。

對于 Manus 迅速攀升的熱度，數(shù)勢科技 AI 負(fù)責(zé)人李飛向 InfoQ 表示，這背后主要由兩層市場趨勢推動。

首先，Deepseek 在國內(nèi)大模型市場“燒”起來的火，讓大家對于國內(nèi)去做大模型及其應(yīng)用更有信心了，目光也會關(guān)注到其衍生品上。所以在 Deepseek 之后的這一波，只要是和大模型相關(guān)的應(yīng)用、做得還不錯的，其實都會能夠獲得大量的關(guān)注。

其次，“天下苦 AI 應(yīng)用久矣”，從去年開始到今年，大家一直在關(guān)注和期待大模型的應(yīng)用前景。AI Agent 將迎來大規(guī)模爆發(fā)，在落地場景方面將重點會在數(shù)據(jù)分析、智能客服等企業(yè)辦公、業(yè)務(wù)領(lǐng)域。

而近期，熱門的 Agent 產(chǎn)品不止 Manus 這一個。前不久，號稱能頂一整個開發(fā)團(tuán)隊的多智能體開發(fā)平臺 MGX (MetaGPT X)，也在程序員圈子里小火了一把。就在剛剛，該團(tuán)隊又在 GitHub 上發(fā)布了一個開源版的 Manus，名為 OpenManus，支持網(wǎng)頁瀏覽、文件操作、寫代碼等任務(wù)。據(jù)稱，這一項目是幾個 00 后工程師在三個小時內(nèi)手搓完成的。緊隨其后，CAMEL-AI 今天一早也發(fā)布了一個用于多智能體協(xié)作的開源框架 OWL。

OpenAI 昨日也宣布了一項關(guān)于 Agent 的通知，表示將對達(dá)到博士水平的 AI Agent 每月收費 2 萬美元（約合 14.5 萬元人民幣），主要面向企業(yè)用戶的高端需求，尤其是在金融、醫(yī)療、制造等數(shù)據(jù)密集型行業(yè)。

似乎現(xiàn)在幾乎所有 AI 賽道的公司都在“盯著”Agent，那么這些智能體產(chǎn)品的效果和應(yīng)用真有那么“神”嗎？

是架構(gòu)上的新突破，還是常規(guī)工程范式？
與此前爆火的 ChatGPT 或 DeepSeek 不同，Manus 目前并未對外披露技術(shù)細(xì)節(jié)。據(jù) Manus 團(tuán)隊的 Hyan 在 Superlinear Academy 社區(qū)平臺上發(fā)帖介紹，Manus 是全球第一款通用 Agent 產(chǎn)品，可以解決各類復(fù)雜多變的任務(wù)。其奉行這樣的技術(shù)理念：“我們堅信并踐行 less structure more intelligence 的哲學(xué)：當(dāng)你的數(shù)據(jù)足夠優(yōu)質(zhì)、模型足夠強大、架構(gòu)足夠靈活、工程足夠扎實，那么 computer use、deep research、coding agent 等概念就從產(chǎn)品特性變?yōu)榱俗匀挥楷F(xiàn)的能力?！?/p>

從公開信息已知的是，Manus 采用多智能體（Multiple Agent）架構(gòu)，運行方式與此前 Anthropic 發(fā)布的 Computer Use 類似，完全運行在獨立虛擬機(jī)中，同時可以在虛擬環(huán)境中調(diào)用各類工具。在這個架構(gòu)中，每個智能體基于獨立的語言模型或強化學(xué)習(xí)模型，但 Manus 本身并未自研大模型。

李飛對 InfoQ 表示，Manus 跟 OpenAI 的 Operator 有異曲同工之處，但是它可以在虛擬環(huán)境里執(zhí)行代碼。換言之，Manus 的任務(wù)覆蓋范圍更多了，不僅可以在瀏覽器里執(zhí)行任務(wù)，也可以去到云端虛擬機(jī)里去執(zhí)行任務(wù)。

在技術(shù)層面上，李飛指出，目前從演示視頻來看，盡管 Manus 覆蓋的領(lǐng)域較廣，可操作空間大了，任務(wù)的泛化性自然也較高，但整體的架構(gòu)和理念并不算新。雖然工程實現(xiàn)難度是有的，但可能不是特別大。Agent 本身是一個工程化架構(gòu)的范式，Manus 團(tuán)隊做得更多可能是如何去保證任務(wù)之間的連通性，比如任務(wù)的連接、串聯(lián)和回退等方面，保證系統(tǒng)的容錯性。

“通用”Agent 現(xiàn)階段不可能實現(xiàn)？
邀請碼雖然“難得”，但也有一批業(yè)內(nèi)人士先行體驗了 Manus 的效果，我們也收到了一些用戶反饋。某大廠的 AI 負(fù)責(zé)人對我們透露，“體驗后感覺并沒有被驚艷到。”

根據(jù)網(wǎng)上試用者反饋，Manus 目前能順利執(zhí)行的任務(wù)偏簡單（表現(xiàn)與目前前沿大模型沒有明顯差異），對于稍微復(fù)雜的任務(wù)就需要耗費較長時間，甚至最后崩潰而無法完成，這也引發(fā)了部分人的算力焦慮。而且，由于各平臺的登錄制度，Manus 無法完成大家期待的“點外賣”、“訂機(jī)票”等任務(wù)。

商湯科技高級 AI 產(chǎn)品經(jīng)理王尚則在試用過 Manus 后給出了比較正向的反饋，對于其技術(shù)局限和可行性，他對 InfoQ 表示，最大的限制除了模型本身的能力邊界外，目前還缺乏一套通用的 Agent 協(xié)議或接口，讓 Agent 具備更強的自主實現(xiàn)能力。Manus 依賴于類似虛擬化瀏覽器的環(huán)境來執(zhí)行各類任務(wù)，在瀏覽器的環(huán)境中模擬人類的操作，使用為人設(shè)計的用戶界面。但短期內(nèi)看不到 Agent 協(xié)議出現(xiàn)的可能性，畢竟我們對大模型的能力挖掘程度可能還不到 10%。

至于當(dāng)前 Manus 是否做到了通用 Agent 的級別，李飛審慎地表示“應(yīng)該還不能”。具體來說，Agent 底層的工具池越豐富，規(guī)劃的能力越豐富，越會往通用去走，就像人一樣懂得越多越容易成為一個通才。Agent 想要達(dá)到通用，一定是能夠去完成用戶所提到的所有任務(wù)，但是現(xiàn)實事件當(dāng)中任務(wù)又會分為很多種，這里面有兩個難點：第一是怎么去根據(jù)用戶不同的個性化請求去找到任務(wù)執(zhí)行路徑，第二是 Agent 所具備的工具池是否足夠豐富。

“任務(wù)路徑節(jié)點越多，復(fù)雜度就越高，端到端完成的的成功率就會陡降?！痹诜懦鰜淼膱鼍鞍咐铮琈anus 不管是交互、性能還是準(zhǔn)確性都打磨出了不錯的效果，其目前肯定是往通用 Agent 的路線去走的，但做到通用 Agent 的難度是比較大的，因為物理世界的復(fù)雜度遠(yuǎn)超我們的認(rèn)知。

總的來看，Manus 在實際應(yīng)用中或會遇到三方面的核心可行性問題：一是物理世界的高復(fù)雜度，二是任務(wù)流的連通性，再就是當(dāng)前缺少通用 Agent 協(xié)議或接口。

Manus 團(tuán)隊也在最新公告中表示：大家目前看到的 Manus 還是一個襁褓中的小嬰兒，像模型幻覺、交付物友好度、運行速度等方面都還有很大的提升空間。

不過，李飛認(rèn)為 Manus 帶給市場的反應(yīng)是正向的。他認(rèn)為，“Manus 的爆火是讓我感到興奮的，因為它讓其實更多的人進(jìn)一步地去了解什么是 Agent、 Agent 可以幫助我們做什么的以及怎么去做?！蓖瑫r，李飛指出，目前 Manus 走 To C 是一個比較好的路徑，可以通過 C 端先把市場熱起來，而且 C 端用戶對于工具的寬容度比較高的，但 B 端會更為嚴(yán)格，不確定它的能力上限能否滿足企業(yè)應(yīng)用。

但值得注意的是，哪怕作為“通用 Agent”，Manus 在大眾中的使用門檻也是不低的。

據(jù)李飛介紹，在使用層面可能出現(xiàn)兩種情況：領(lǐng)域?qū)＜也挥盟?，因為?dāng)前通用 Agent 還沒有達(dá)到能夠解決領(lǐng)域難題的程度；一般使用者不知道該怎么去用，就像我們在去用搜索的時候，提問是一件很難的一件事情。

對此，李飛提出，當(dāng)前很多 Agent 還是被動式的，需要用戶以提問形式告訴它怎么做。但未來 Agent 產(chǎn)品一定會走向主動式，無需用戶提問而是會根據(jù)用戶的行為習(xí)慣以及歷史消費記錄或出行記錄，主動推薦或者告知用戶怎么做，這種形態(tài)對于使用者更為友好。

垂直 Agent 的“全能”困境
相較而言，MGX 則是一個側(cè)重于編程開發(fā)領(lǐng)域的多智能體產(chǎn)品，與剛剛發(fā)布的開源版 OpenManus 出自同一團(tuán)隊之手。據(jù)稱，其可以模擬人類軟件開發(fā)流程，通過多個專業(yè) AI agent 的協(xié)作，同時干團(tuán)隊領(lǐng)導(dǎo)、產(chǎn)品經(jīng)理、架構(gòu)師、工程師和數(shù)據(jù)分析師等角色的活兒。該團(tuán)隊是開發(fā)了一個多 Agent 系統(tǒng)來處理復(fù)雜的問題解決任務(wù)，包括問題重現(xiàn)、高效的代碼生成和驗證以及強大的補丁選擇。這些 Agent 能夠利用高級存儲庫級代碼理解、搜索、編輯和調(diào)試功能，處理各種軟件工程子任務(wù)。

根據(jù)官方介紹，MGX 是以 DeepWisdom 團(tuán)隊的開源多智能體編程框架 MetaGPT 為基礎(chǔ)，由 GPT-4o 和 Claude 3.5-Sonnet 驅(qū)動。利用多 Agent 架構(gòu)， MetaGPT 在 SWE-Bench Lite 上實現(xiàn)了 46.67% 的解決率。作為多 Agent 框架，MetaGPT 可以為 GPT 分配不同角色，以形成執(zhí)行復(fù)雜任務(wù)的協(xié)作軟件實體。也就是說，MetaGPT 想提供一支全能團(tuán)隊，包括 老板、產(chǎn)品經(jīng)理、架構(gòu)師、項目經(jīng)理、工程師、測試，完整復(fù)現(xiàn)一家軟件公司的工作流程和標(biāo)準(zhǔn)操作流程（SOP）。

這比做代碼補全的 GitHub Copilot 和任務(wù)自動化的 Devin 更為全面，因為 MGX 不僅想要獨立完成整個項目的全生命周期管理，還想將“自主創(chuàng)立一家員工 100% 由 AI 組成的公司”變得可能。然而，這一愿景面臨極高的技術(shù)復(fù)雜度，要讓 AI 理解并執(zhí)行軟件領(lǐng)域復(fù)雜的業(yè)務(wù)邏輯，挑戰(zhàn)不容小覷。

JetBrains 中國 AI 解決方案專家孫濤對 InfoQ 表示，“直白的說，MGX 代替初、中級研發(fā)團(tuán)隊或設(shè)計、支持團(tuán)隊尚不現(xiàn)實，但是對于一個人參與實現(xiàn)和運營的獨立項目或者對于新需求、新概念的驗證，與多智能體協(xié)作的人機(jī)交互模式肯定會提升這些場景下的效率?！?/p>

此外，孫濤表示，雖然沒有嘗試過在大型項目上使用多智能體框架，但在簡單項目上堆疊功能，多嘗試幾輪后，能明顯體會到 token 消耗速度飛升，生成的內(nèi)容質(zhì)量不如最初幾輪交互。多智能體之間相互溝通也容易將錯誤信息逐步放大，讓最終結(jié)果遠(yuǎn)遠(yuǎn)偏離最初需求；上下文遺忘更是一個很明顯的問題，受限于模型能力，智能體之間多輪互動后容易出現(xiàn)早期信息遺忘、消失，影響整體一致性。

在親身體驗 MGX 過后，孫濤還透露道，“我自己感覺還有一個問題，就是生成的項目文檔、設(shè)計資料缺乏解釋性，往往有很多人類難以理解的內(nèi)容，更像是‘給機(jī)器看的文檔’?；蛟S這是 LLM 生成的一個限制。”

總的來說，MGX 現(xiàn)有的產(chǎn)品形態(tài)在完成明確定義的小型任務(wù)上表現(xiàn)超出預(yù)期，但面對大型、復(fù)雜、模糊定義或者需求動態(tài)變化的任務(wù)時，仍有諸多問題。智能體無法在既定的提示詞內(nèi)，處理復(fù)雜的原子化操作，人類面對復(fù)雜業(yè)務(wù)時的應(yīng)對和學(xué)習(xí)能力，目前階段的 LLM 還很難做到。

李飛則指出，“MetaGPT 強調(diào)的是協(xié)作，但其實又回到那個問題，涵蓋的角色越多，復(fù)雜度就會越高?！痹谒磥?， 當(dāng)前 MetaGPT 有具體企業(yè)級應(yīng)用或者商業(yè)化落地其實很難，實際的業(yè)務(wù)項目開發(fā)不僅是編程一個項目或游戲這么簡單，其實是逐漸在走向業(yè)務(wù)上層的，智能體具備業(yè)務(wù)邏輯的理解挺難的。但他也表示，“這確實是一個應(yīng)用方向，我們不能因為它當(dāng)前的落地難度大就否定它?！?/p>

另值得一提的是，目前 MGX 在官網(wǎng)展示的案例項目成本幾乎都不超 1 美元。對此孫濤表示，在實際商業(yè)化項目開發(fā)中不可能做到這樣的低成本。根據(jù)他本人的體驗經(jīng)歷，在多輪操作后，軟件中添加一個細(xì)微的需求，如添加一個新列表、修改一些樣式等，多智能體框架消耗的 token 量會成倍提升。放下 token 用量的問題不談，這些由機(jī)器生成的內(nèi)容，在真正投入生產(chǎn)使用前，也需要人工再次審閱確認(rèn)。

將來是否會被大模型內(nèi)化？
無論走通用 Agent 路線的 Manus 還是 MGX 等這類領(lǐng)域 Agent，其前提都是依托其他家的大模型作為核心引擎。那如果只是套殼大模型的產(chǎn)物，是否會被其依賴的核心技術(shù)“內(nèi)化”掉？這些 Agent 產(chǎn)品本身還有獨立存在價值嗎？通用 Agent 在 LLM 的演進(jìn)過程中有多大生存空間？

王尚對此表示，所有開放性的解決方案，最后都有可能被大模型內(nèi)化，只是一個時間節(jié)點的問題。另外，大模型和 Agent 的邊界也在逐漸模糊，Anthropic 據(jù)傳也在計劃從模型服務(wù)商發(fā)展為應(yīng)用服務(wù)商或者方案服務(wù)商。隨著大模型不斷內(nèi)化更多的能力，其對于 Agent 的吞并趨勢也將越發(fā)顯著。

“現(xiàn)階段我們應(yīng)該關(guān)注的，是想清楚我們希望 Agent 幫我們解決什么樣的具體問題，從問題出發(fā)，去找答案、找路徑、找空間?！?/p>

李飛則指出了一系列大模型內(nèi)化不掉的 Agent 落地場景：比如數(shù)據(jù)訪問，大模型可以去連接、收集互聯(lián)網(wǎng)的數(shù)據(jù)，但很難處理企業(yè)內(nèi)部的數(shù)據(jù)，大模型不可能去適配到每個企業(yè)內(nèi)部數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)庫；很多工具能力目前來看也是大模型內(nèi)化不了的，大模型是應(yīng)用的下限，Agent 才是應(yīng)用的上限，只有連接足夠多的業(yè)務(wù)場景才能夠去打造一個可用、好用的產(chǎn)品應(yīng)用。

他表示，“未來，我們需要考慮的是通用 Agent 的形態(tài)問題，即通用 Agent 是一個獨立的產(chǎn)品嗎？用戶需要很多入口嗎、是否會做統(tǒng)一？”對此他認(rèn)為，未來電腦和現(xiàn)實交互的入口一定會逐漸地收斂和整合，那么在這種情況下通用 Agent 就不會是一個完全獨立的產(chǎn)品，可能會以 MCP 的整合方式，融入到人機(jī)交互當(dāng)中的某一個節(jié)點。

嘿，伙伴們，今天我們的AI探索之旅已經(jīng)圓滿結(jié)束。關(guān)于“被罵慘的“現(xiàn)象級”Manus,今天我們來扒一扒它的水平！”的內(nèi)容已經(jīng)分享給大家了。感謝你們的陪伴，希望這次旅程讓你對AI能夠更了解、更喜歡。謹(jǐn)記，精準(zhǔn)提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學(xué)習(xí)更多的AI知識，請關(guān)注我們的官網(wǎng)“AI智研社”，保證讓你收獲滿滿呦！