

突然爆火的 Manus 到底是什么？真有那么神吗？

中国医药信息网

2025-03-13

继 DeepSeek 之后，这两天，又有一款 AI 产品突然爆火——Manus。

在一些 AI 博主们的宣传中，它被称为“对标 Deepseek ”“全球首个通用型 AI Agent ”、“第二个国运级 AI 产品”、“震惊硅谷”……更夸张的是，二手交易平台上 Manus 的邀请码居然被炒到了数万元一个。但同时，也有很多人说，它只是个“营销噱头”。

部分关于Manus的微博热搜。图片来源于微博

那么，Manus 到底是什么？我们今天来客观聊聊。

Manus 是 AI Agent（智能体）

的一种实现形态

Manus 是由中国团队 Monica.im 开发的通用型自主AI Agent（智能体），这个团队另一个产品就是火爆海外的 Monica AI 插件。

Manus 的工作原理是基于底层 AI 大模型的能力基础，通过自主任务分解将复杂任务拆解为多个子任务，并动态调用不同的 Agent 或工具来执行每个子任务，最终完成整体任务。

在具体的实践中，它像一个“自主性比较高的助理”，我们只需要告诉它最终目标，它会自动帮我们执行完成。

对 Manus 能干嘛还是看得云里雾里？来看看 2 个 Manus 官方给的演示案例：

使用Manus设计一个动量定理互动课程

使用Manus写一个AR/AI眼镜研究分析报告

除了上面展示的案例，我们还可以用 Manus 撰写传播策划案，编写程序，写述职报告等。

看到这里，可能你会疑惑，上面这些能力用 GPT、DeepSeek 这样的 AI 产品不是也能做到吗？Manus 和它之间的区别是啥？

这个问题问得好！它们之间是有本质区别的：

DeepSeek 和 GPT 等都是大语言模型，而 Manus 是基于底层 AI 大模型的通用型 AI 自主智能体。Manus 的尝试在于在产品化设计（如任务拆解可视化、多模型动态调度），而非底层技术原创性。

在具体的使用时，大语言模型像“大脑”，在使用它时，通常需要用户明确地指导任务的拆解和执行顺序。例如，用户可能需要手动提示 AI 先生成大纲，再根据大纲生成内容，最后整合成完整文章。这种模式对用户的要求较高，需要用户对任务拆解有清晰的认识和表达能力。

Manus 在实际任务执行中，恰好就帮我们完成了这一部分，它能自动将复杂任务分解成多个小步骤。

以让 AI 玩 2048 游戏为例，如果是用 DeepSeek、GPT等 AI 产品，整个过程会是这样的：

我们需要先帮 AI 找到这个 2048 小游戏的网站，然后还得告诉 AI 游戏规则，最后 AI 才能开始玩游戏。整个过程中，需要我们不断引导和指示 AI 该怎么做。

而用 Manus，我们只需要下达一个指令——“想玩 2048 这个游戏，并拿到最高分”，它就会自动将任务拆分成多个小步骤：找到游戏网站、学习规则、制定策略、执行游戏操作......全程不需要我们的干预，最终它会完成游戏并向我们展示结果。

Manus的任务实践过程

其实早在 Manus 之前，你就可能已经用过很多 AI Agent 。

比如豆包的“拍照识万物”，它作为一个专门用于图像识别的基础智能体，已经在实际应用中展现了 AI Agent 的基本特性。

滑动查看任务实践过程

不过和 Manus 相比，它的功能相对单一，主要依靠预训练知识和内置能力，能够帮助用户完成特定的任务，比如识别图片中的物体并给出相关解答，但其能力范围和自主性都相对有限。

除了豆包之外，“秘塔 AI 搜索”也是一种相对基础的 AI Agent 。它的特别之处在于能够自主决定搜索策略，调用搜索功能，并根据用户提问和搜索到的资料给出更准确、可靠且完善的回答。

当我问“什么是 AI Agent ，举例说明”时，秘塔 AI 搜索并不像普通大语言模型那样直接给出答案。它会先将这个问题拆分成几个小问题，就像是解决一个复杂数学题时先分解成几个简单步骤一样。然后它会逐个回答这些小问题，最后把所有信息整合成一个完整的回答。

滑动查看任务实践过程

Manus 的缺点依旧明显

目前，Manus 虽然在某些方面确实表现出色，缺点也相当明显。

上下文限制

就拿上下文长度这个问题来说吧，它就像是一个人的短期记忆容量——再聪明的人也记不住太多信息。Manus 执行的大多数任务，最终都会卡在上下文限制上。比如下面这个 2048 游戏的例子，原本计划让 Manus 玩 5 局，结果才玩了 2 局就不得不停下来了。

根本原因还是基础的 AI 大模型支持的上下文长度有限。当交互内容积累到一定程度，系统就无法再处理更多信息，只能中断任务。

当然这个问题后续还是非常好优化的，这就像是手机内存从最初的几 MB 发展到现在的几百 GB 一样，时间会解决大部分的容量问题限制。

AI 幻觉

现阶段每个 AI 都会有幻觉存在（可回顾往期文章《AI 有多会一本正经地瞎编？超出你的想象！深度解析大模型的"幻觉"机制》）。Manus 是基于通用大语言模型构建的，幻觉发生的概率更大，甚至可能像滚雪球一样越滚越大

目前大量实操案例都表明，Manus 交付的最终成果中往往都存在错误，需要人工进一步筛查。

资源获取受限

很多信息所在的平台都需要账号密码登陆才能获取，导致在执行任务时，Manus 也无法获取许多优质资源。Manus 就像被挡在图书馆门外的学生，看得到书但拿不到手。这种“看得见吃不着”的问题在很多实操场景中都会发生。

Agent 是 AI 发展的趋势之一

总的来说，包括 Manus 在内的 AI Agent 确实是人工智能发展的重要趋势。

对普通用户而言，AI 不再是一个需要精心“喂养”提示词的工具，而是一个能真正理解并执行任务的助手，能极大的提高个人效率。对企业而言，AI Agent 能大幅降低 AI 落地的门槛，让更多行业和场景能够切实享受到 AI 带来的效率提升。AI Agent 是连接 AI 技术与实际应用的重要桥梁，帮助我们真正释放大模型的潜力，实现 AI 的广泛落地。

未来，随着技术的进步，我们有理由相信 AI Agent 的能力边界会不断扩展，也会有更多更好用 AI Agent 产品。