Manus崛起，对投资者、大厂和用户有何启示？

Manus的神奇之处

功能的强大性

Manus能够全自主完成多种复杂任务。它可以独立进行特斯拉的财报分析报告，创建可交互网站，开发RPG游戏，从搭建开发环境、写代码到debug、编译一气呵成。在做地区人口调研报告时，还能自主访问数据库搜索合适数据。这种能力展示出它在处理各种事务上的高效性。

性能的卓越性

在GAIAbenchmark基准下，Manus表现高于OpenAI的DeepSearch。从用户分享的案例来看，在执行过程方面可与DeepSearch比肩，代码和产出文件清晰且有条理。在对特斯拉和英伟达的财报分析和估值结果上，与雪球大V相比也不逊色。其通过虚拟电脑执行硬核环节，为用户节省了大量基础工作。

背后的团队及其理念

国内团队背景

Manus是国内AI创业团队MonicaAI的产品。MonicaAI不同于国外chatbot，它提供垂直向API接口，用户无需担心prompt调优。创始人肖宏意识到大模型和用户交互方式的局限，从而开发出Manus，让用户能在对话框一步解决复杂任务，这体现了团队从用户角度思考的务实理念。

混合模型架构

Manus的任务自主规划能力源于混合模型架构。基于Claude和Qwen模型，打破模型界限，让每个模型发挥擅长的任务环节。再加上Manus虚拟云端执行环境，用户一次性输入就能完成复杂需求，而不像chatbot需要多轮对话，这显示了团队在技术创新方面的努力。

Manus的产品亮点与运行机制

成本优势与训练过程

据透露，Manus单条任务成本约2美金，是DeepSearch的1/10。基于Claude3.7Sonet和Qwen模型，有自己的训练过程。创始人在做Monica时就注重产品调优，不是简单的prompt中转站，这为Manus的高性能奠定了基础。

任务执行过程猜测

Manus可能运用工程手段加模型能力执行任务。输入任务后，大模型先分类，确定执行模型选择，再拆解任务为子任务并确定层级关系等。按序执行子任务，上级输出为下级输入，最后合并结果。不同类型任务可能由不同模型主导执行，且会对比效果选择最佳的。但它对输入质量要求高，这是目前可能的不足。

Manus当前存在的问题

效果稳定性不足

从社媒使用者反馈来看，Manus的产出稳定性不太乐观，与DeepSeek的好评相比，Manus存在弄错事实的情况。执行任务时数据或事实出错会使最终产出不可信，这对于花费2美元成本的用户来说体验较差。

算力需求与执行时长

除了稳定性问题，Manus还存在单任务执行时间过长的问题。用户反映任务执行可达4-5个小时，这是由于团队对使用量预估不足以及架构的算力需求大。与其他能快速出结果的模型相比，用户难以容忍长时间等待，虽然如果能给出可预见的完成时间会减少焦虑，但这仍是个亟待解决的问题。

技术能力局限

Manus的技术储备可能更适合日活百万级左右的用户端产品。与大厂相比，连续创业者团队在需求发现上有优势，但用户量增大或需要技术升级时，可能面临挑战。目前用户吐槽的套壳、运行速度慢和任务卡顿等问题，反映出技术能力需要提升，否则容易被大厂复制。

Manus在AIAgent中的定位与意义

通用型Agent的新路径

Manus定位为通用型AIagent。它通过工程手段创新Agent架构，将工作流程封装在云环境，融合多模型，自动处理任务，在部分任务上超越OpenAIDeepSearch。与其他通用型Agent不同，它代表了一种新的发展路径。

与垂直型和通用型Agent的比较

通用型Agent如OpenAI和Anthropic的产品有一定局限性，而垂直型Agent应用领域窄。Manus相比通用型产品应用更落地，相比垂直型有更广阔应用领域。例如通用型宣传的操作用户自己也能做，但像特斯拉财报分析这种有门槛的任务，Manus能做，具有更高商业价值。

Manus带来的三重启示

个人的独立思考能力

AI虽能助力人们完成很多事，如分析报告撰写等，但不会替代人做实验和创新思考。随着AI介入，人与人的差距会增大，所以独立思考和创新能力将成为核心能力。

投资机构的信息获取

在AI时代，消息来源从传统科技媒体转变为自媒体和社媒发酵。以前和记者保持沟通就能掌握动态，现在投资人易陷入被动。风投机构通过孵化器培养企业效果不佳，如何在新的信息模式下抓住机会是新课题。

大厂的应对策略

DeepSeek和Manus在技术上领先大厂。Manus迈出通用型agent走进现实的第一步，大厂面临是否跟进的抉择。Manus研发成本低且效果好，这对大厂的技术地位是一种挑战。

相关问答

Manus能完成哪些复杂任务？

Manus可以全自主完成特斯拉财报分析报告、生成可交互网站、开发RPG游戏、做地区人口调研报告等多种复杂任务。

Manus的成本优势体现在哪？

Manus单条任务成本约7Sonet和Qwen模型的自有训练过程以及产品调优。

Manus在效果稳定性方面存在什么问题？

从社媒反馈来看，Manus产出稳定性差，存在弄错事实的情况，这会导致最终产出不可信，影响用户体验。

Manus的任务执行时间为什么长？

这是因为团队对使用量预估不足，Manus架构的算力需求大，与用户习惯的快速出结果的模型相比，它的单任务执行时间可达4-5个小时。

Manus对个人有什么启示？

Manus启示个人即使有AI助力，独立思考和创新能力仍是核心能力，因为AI不能替代人做实验和进行创新思考。

大厂面对Manus的领先该怎么办？

大厂面临是否跟进Manus这种通用型agent的抉择，由于Manus研发成本低且效果好，对大厂的技术地位构成挑战。