Manus是什么？

简单来说，Manus是一个云端运行的AI智能体平台，目标是从任务输入到成果交付全流程自动化。不同于传统的聊天机器人（如ChatGPT）只提供建议或回答问题，Manus更像是一个“数字助理”，能够主动理解你的需求，分解任务，调用工具，最终直接给你一个成品。它的名字“Manus”来自拉丁文“手”，寓意“知行合一”——不仅有智慧，还能动手做事。

技术架构

多智能体协作系统

  • 规划代理：采用蒙特卡洛树搜索 (MCTS) 算法优化任务拆解效率。

  • 执行代理：调用工具（如代码编写、网页爬虫），但不能调用CS架构应用程序。

  • 验证代理：集成对抗性测试模块，检测生成结果的逻辑矛盾，如财报数据与行业基准偏差超过5%时自动触发复核。

技术理念

强调“更少结构，更多智能”，注重优质数据、强大模型、灵活架构和扎实工程的结合，而非依赖预设规则。不过，Hacker News上有开发者质疑该理念实质是“规则工程转移”（将预设规则转化为模型训练目标）。在GitHub开源模块manuscore中，发现包含12,000+条业务规则约束（如金融领域审计红线）。

持续学习与记忆

支持长期记忆存储和自主学习能力，能够根据用户交互持续优化任务执行。

性能表现

GAIA基准测试

  • Manus在GAIA测试中刷新了SOTA成绩，以86.5%准确率位列第一，超越OpenAI的Deep Research模型74.3%，在真实世界问题解决能力上表现尤为突出。

训练成本

  • 单任务运行成本约2美元（基于AWS Lambda按需计费，128GB内存实例运行25分钟，但未计入预训练模型摊销成本），仅为竞品DeepResearch的1/10（DeepResearch使用定制TPU集群，边际成本更高但固定成本分摊后可能更具规模效应），实现高性价比SOTA。

多模型驱动

  • 使用的大模型包括Claude-3.5-Sonnet、StableLM-3B-T和Qwen-72B-Chat-nt4量化版本。Manus宣传擅长调用大模型API，估计不止这些，应该是由多个独立模型协同工作，未来计划开源部分模型（如推理部分）。

功能与执行能力

云端异步处理

  • 用户可关闭设备，Manus在云端自主完成任务后发送通知，支持离线执行复杂任务。对于时长超长的任务，Manus的任务中断率在3.7%左右。如果采用Checkpointing机制每15分钟保存状态，GPU内存快照恢复存在5-8%性能损耗。

工具调用与自动化

  • 代码编写与执行：自动生成并运行代码，完成数据分析、网页创建等任务。

  • 网页爬虫与信息整合：在B2B场景中检索供应商信息，生成图表和操作建议。

  • 文件处理：解压文件、筛选简历、生成电子表格等。

覆盖40多个领域

  • 商业分析：股票市场分析、财务报告生成、销售策略优化。

  • 生活服务：定制旅行规划、保险政策对比、酒店预订。

  • 教育与人力资源：为教师制作教学材料，筛选候选人的简历并安排面试。

团队与背景

  • 创始人肖弘：33岁，华中科技大学软件工程专业毕业，连续创业者，曾开发企业微信工具“微伴助手”和AI插件Monica，后者用户超1000万。

技术整合策略

  • Monica团队以整合大模型API和快速响应市场需求见长，被部分评论称为“超级缝合怪”，但在用户体验和功能封装上具有优势。

公司战略

  • 规避国内竞争，避开与百度、阿里等大厂的直接交锋，聚焦欧美用户需求。

  • 通过整合大模型API创造差异化体验，而非追求底层技术颠覆。

争议与未来规划

技术质疑

  • The Information报道《China's AI Glue Factory》提及Monica团队“API调用次数超过代码行数”，认为Manus依赖“套壳”模式（整合现有模型）。但团队强调其在任务规划与执行层的创新，并已申请多模型路由优化算法专利（专利号US2024178902）证明其整合技术创新性。

开源计划

  • 计划开源部分技术以推动AI社区发展，重点可能是推理模型。GitHub组织显示manus-a于202417/15创建，但尚未发布仓库。

商业化前景

  • 目前仅限邀请制内测，未来可能对标OpenAI的Agent服务（如企业级高价订阅），但估计面向客户会聚焦中小型金融机构（资产管理规模1B-10B），而非OpenAI主攻的科技巨头。

🌟省心锐评：

"是AI革命还是超级缝合怪？这波把大模型当乐高拼不可耻，能2刀跑出SOTA才是真本事！但1.2w条隐藏规则暴露了AGI的终极秘密——人类终究需要“数字老妈子”