本文系基于公開資料撰寫，僅作為信息交流之用，不構成任何投資建議。
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炒到了5萬。不用想，現在最慌的有兩批人——投資人，以及大廠。
Manus神奇在何處，是虛火炒作，還是貨真價實？
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)人口調研報告，Manus還可以自己訪問數據庫和自己搜索決定該用什么數據來完成。
Manus幾乎可以通過一個prompt來完成一個復雜的分析項目。官網顯示，在AI agent的評測標準GAIA benchmark基準下，其表現更是高于OpenAI的 DeepSearch。
筆者分析了用戶在推特和國內社媒上發(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。就特斯拉和英偉達的財報分析和估值結果來看，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)行數據獲取、計算、開發(fā)環(huán)境搭建和測試等一系列硬核環(huán)節(jié)，這幾乎將用戶從復雜的基礎工作中解放出來，一個新人完全可以零幀起手進入工作。
02
背后的團隊
Manus引發(fā)如此大的聲量，除了其超高質量的產出，作為土生土長的國內團隊作品也是引燃社媒聲量的一個引線。AI領域，國內團隊的步伐和美國集結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AI創(chuàng)業(yè)團隊Monica AI的另一產品。Monica AI是一款AI chatbot產品，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，用戶不需要擔心prompt調優(yōu)，上手即可使用。
創(chuàng)始人肖宏在這樣一款模式簡單的chatbot產品上，已經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”，可以在一系列陰道調教下，完成一個復雜的項目。
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的用戶，只能分批次將任務通過1v1對話讓模型分步驟產出。甚至，用戶可能都無法確認輸入給模型的token是否是這個任務最優(yōu)的方案。
Manus讓人們繼續(xù)在對話框中，一步到位解決更復雜需要更高智能的任務了。站在這個角度考慮，Manus似乎更像是一個多個經過規(guī)劃后的AI 任務集合。
團隊刻意忽略顯示大模型神奇之處，轉而站在用戶角度，思考如何通過發(fā)揮模型的優(yōu)勢來完成日常任務。這是務實又珍貴的探索。
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把握能力和團隊的超強執(zhí)行力。至于AI所需要的團隊技術實力如何，我們稍后再講。
03
產品的亮點
通過接近Manus團隊的自媒體《賽博禪心》的文章透露，單條任務的成本在2美金左右是Deep Search的1/10。基于Claude 3.7 Sonet和國內的Qwen模型基礎上，增加了自己的訓練過程，這點是毋庸置疑的，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中轉站，直接將用戶的需求扔給模型，而是增加了產品調優(yōu)過程的。
就像一個天賦異稟骨骼清奇的練武奇才，需要經過后天的努力才能成為笑傲江湖。
Manus 任務自主規(guī)劃、思考和完成能力來自其混合模型的架構?；赾laude 和Qwen，并非任務的某一個環(huán)節(jié)基于claude，另一個環(huán)節(jié)基于Qwen，manus打破了模型的“結界”，讓每個模型完成自己擅長的任務環(huán)節(jié)。
多個大模型混合+manus虛擬云端執(zhí)行環(huán)境，實現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雜需求。
關于Mmanus執(zhí)行過程的猜測：
《賽博禪心》在其文章中提到的“工程驅動創(chuàng)新”一詞，猜測Manus的任務執(zhí)行過程中，運用了大量工程手段加模型能力來完成任務。結合多個社媒的案例分享，我們對manus的運行機制做了簡單猜測。
通過大模型（這一步猜測是Qwen）對于輸入進行分析后，首先確定任務類型，manus內部對于輸入應該有一個類目劃分，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。其次，如輸入語言是英文，猜測可能任務執(zhí)行也以Claude為主。
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，大模型會首先進行任務分類，決定后續(xù)任務執(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系、優(yōu)先級和執(zhí)行順序的子任務；
3.按序執(zhí)行以后，上級任務的輸出，成為下個任務的輸入；
4.多個任務產出合并成一個最終分析結果。
對于每個子節(jié)點選擇什么模型來執(zhí)行，我們猜測，如果是編程任務后面執(zhí)行以Claude為主，如果是中文決策建議類就以Qwen為主；根據子節(jié)點的任務復雜度，執(zhí)行過程中單一任務甚至可能是Qwen和Claude混合，然后再用模型進行效果對比，最終選擇保留效果最佳的一個。
從上述的分析可見，初始需求的輸入質量決定了后續(xù)的任務類型判斷，以及子節(jié)點規(guī)劃和執(zhí)行效率，所以manus對于輸入的質量要求很高，通常需要用戶詳細和完整的描述需求內容（越詳細越好）。
這可能會成為Manus被詬病的一點，畢竟一個輸入的執(zhí)行是漫長的，如果僅僅因為描述不夠清晰詳細而導致時間和算力的浪費，會嚴重影響產品體驗，屬于產品的不成熟，相信未來團隊會改善這一點，畢竟一次任務執(zhí)行就要花費一杯奶茶錢呢。
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的產出穩(wěn)定性很不樂觀，甚至有不少弄錯事實，讓人啼笑皆非的環(huán)節(jié)。
如果執(zhí)行中一個任務的數據或者事實用錯了，就會導致最終產出變得不可信，從而浪費這2美元的成本。
算力
除了效果不穩(wěn)定，單任務執(zhí)行時間過長也是被詬病了另一個點，盡管Manus已經展示出了其任務執(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，自己的任務執(zhí)行了4-5個小時。
這背后是團隊對使用量的低谷，以及Manus本身架構無法產生的大量算力需求。除以意外，用戶已經被各大模型養(yǎng)刁了口味，習慣了分分鐘出結果的體驗，對于長達數小時的等待自然無法容忍。
其實，Manus如果能給用戶一個可預見的完成時間，也許可以減少等待的焦慮。畢竟對于一個復雜的分析任務，即使執(zhí)行時間長達2-3個小時甚至半天的時間，恐怕也比現實中初級員工要快的多。
技術能力
如果說，算力可以通過加卡來完成，那么團隊技術能力可能短時間很難補齊。且不去對比DeepSeek那樣的夢之隊，Manus的技術儲備可能更適合做一款日活百萬級左右的用戶端產品。
連續(xù)創(chuàng)業(yè)者出身的團隊可能優(yōu)勢更在于需求發(fā)現，并在短時間內手搓出一個可以上線使用的產品，但用戶量大了怎么辦？需要技術升級是怎么辦，這些都是需要長時間解決的問題。當前Mansu的用戶吐槽套殼和運行速度太慢，任務卡頓就是這個問題的外在體現（團隊的道歉信中我們也看到他們沒想到這款產品這么出圈）。
Manus有了一個優(yōu)秀的起步基礎，有善于發(fā)現和抓住用戶需求的創(chuàng)始團隊來把我研發(fā)方向，但還需要更多AI人才來讓manus成長的更快更穩(wěn)定。畢竟目前的產品現狀，內行人使用幾次之后就能大概了解產品架構，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產品有2個方向，通用型和垂直應用型。前者中知名度最高的2個產品，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基本的輸入、打開文件等基本操作任務；OpenAI則是在此技術上擴大硬件調用范圍允許通過API接口，在個人電腦上完成編程、預定旅行和購物等操作。國內智譜的AutoGLM在運行模式上類似OpenAI的"Operator"。
垂直Agent，典型代表為cursor和devin。這兩款agent產品在程序員中口碑很好，但遺憾的是應用領域窄很難推開來。
Manus創(chuàng)始人肖宏在一則訪談中也表達了垂直和通用相比，顯然后者更具有普世價值，但前者更快走入了應用。從實際情況看，我們周圍不少程序員朋友在用cursor編寫基礎代碼了。
Manus定位為一款通用型AI agent。通過工程手段實現Agent架構創(chuàng)新，將復雜的工作流程封裝在一個云環(huán)境上，融合多個大模型，通過任務規(guī)劃來自動完成子節(jié)點需求處理，產出的是一個往常需要經過多輪人機對話才能完成的復雜任務。
Manus達到了在部分任務上超越OpenAI DeepSearch的效果，代表了Agent的另一條可以選擇的路。
通用型agent產品，不可能依靠單一大模型實現，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現，這就決定了他們的產品研發(fā)進度和工程手段無法和第三方相比。
同時Manus的應用范圍相比通用型產品更加落地，相比垂直型有更廣闊的應用領域。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。通常有門檻的產品，其商業(yè)價值就更高。
互聯網界一直將AI Agent和通用型AGI鎖定起來，但Manus的出現告訴人們，即使尚未達到AGI，但 who cares，對普通用戶來說能完成任務的同志才是好同志。
05
三重啟示
一，有了AI助力，更需要獨立決策能力
即使今天和不遠的明天Manus仍不能變成廣泛使用的agent產品，我們也能從不斷涌現的類似產品中明白看到一個核心問題，即獨立思考和創(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，幫你分析實驗結果、做實驗報告，幫你完成案頭材料撰寫等等，但AI不會幫你做實驗，AI不會幫你想一個分析該從哪個點切入才能讓結果看起來更有亮點。
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
上個互聯網風口2010年前后，扮演攪動風云角色的是各大科技媒體，除了四大傳統互聯網門戶網站外，垂直領域科技媒體也起了舉足輕重的作用。AI風口前，創(chuàng)業(yè)企業(yè)新的動向往往來自自媒體、而后經過社媒發(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，投資人經常陷于被動，對突然冒出來的科技新秀一無所知。
不少風投機構通過設立孵化器來自己培養(yǎng)創(chuàng)業(yè)企業(yè)，但概率不理想，也很少有爆品產生。如何在一個社媒發(fā)酵模式下，抓住潛在甚至冒尖的機會，是機構面臨的新課題。
三、大廠怎么辦
DeepSeek一枝獨秀的模型效果加開源殺手锏，將字節(jié)、騰訊、百度等大廠從技術潮頭絀落。Manus又邁出了通用型agent走進現實的第一步，又領先了大廠。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：
關于 Manus 的一些獨家信息
manus使用分享
https://manus.im/share/hRGARE7EBqtDhLHBGISLP7?replay=1
熱門跟貼