Manus 初解析：首款“通用 AI 智能体”，开源复刻“0 天起手”
在昨天（3月6日），AI领域充满了热闹的气氛。
基础模型领域中，我们的 QwQ-32B 成为了“四两拨千斤”的典范，其性能几乎与 DeepSeek-R1 不相上下。
而在更高层次的应用领域，Manus 的问世引起了广泛关注。
接下来，GoodNav 编辑将结合当前网络信息，为大家提供一系列汇总。
一、Manus 是什么？
Manus 是由国内团队研发的一款 AI Agent，其名称源于拉丁语中“Mens et Manus”，即心与手中的“手”。
这里我们需要提到“AI Agent”的概念，目前尚无统一的中文翻译，常用的说法是智能体。
朋友们可以理解为一个能够自主感知环境、分析信息、制定决策并执行任务的智能助手。
在通用 AI 助手能力的 GAIA 测试中，Manus 取得了 SOTA（State-Of-The-Art）即当前最好的成绩。
创始人季逸超表示，Manus 当前是由多个模型驱动，官方将在今年晚些时候开源部分模型的后续训练成果。
二、Manus 的功能有哪些？
官方表示，Manus 不同于我们熟知的 ChatGPT 等聊天机器人，而是“首款通用的 AI 智能体”。
当然，这种说法可能略显夸张，我们先来看看官方实际演示的案例。
演示 1：简历筛选
将包含简历的 zip 文件上传到 Manus 中，系统会像“人”一样解压文件并查阅简历内容，记录下关键信息。
在 Manus 执行任务时，你也可以随时补充更多信息。
简历筛选任务完成后，Manus 会提供候选人的评估、个人信息的总结及相关报告资料。
接着，你还可以指示 Manus 生成评估结果表格，让它在未来同类任务中能够自动生成表格，如同一名真正的助手。
这一例子并未超出我们对于现有大型模型能力的预期，但现存的聊天机器人产品确实无法轻易一键完成所有任务。
演示 2：调查房产
官方的第二个演示是让 Manus 筛选符合特定条件的纽约房产。
面对这一复杂任务，Manus 首先会将其分解，生成一个待办事项清单。
然后，Manus 开始在网络上搜索信息并进行筛选。
完成“网上冲浪”后，Manus 将自动编写 Python 程序来评估预算情况。
根据预算，Manus 自动调整房产网站的筛选条件，选取合适的范围。
最终，Manus 会综合上述所有信息，生成一份详细的报告。
演示 3：股票分析
官方提供的第三个演示是分析三只股票过去三年的表现。
Manus 可以使用授权的专业信息，通过编写代码来分析所获取的数据。
朋友们可能注意到，Manus 可以说是“一有难处就编程”。
对 Manus 而言，编程并非“目的”，而是实现某目标的一个通用工具。
如果觉得这样的可视化图表不够“酷”，还可以让 Manus 根据这些数据创建一个交互式网站。
实际上，这次官方介绍视频的脚本也是由 Manus 创建的。
三、在全网走红后的续集
我们可能注意到，Manus 执行一项任务时，根据其复杂程度，通常需要几分钟、十几分钟甚至数十分钟的时间。
每项任务都要求在服务器上开启一个独立的 Ubuntu 容器，这在过程中会消耗不少的服务器资源。
可能这也是其目前仅通过邀请制的原因之一。
在昨天（3月6日），Manus 的邀请码在闲鱼上一度被哄抬至几万元，甚至出现了乱标价格的现象。
提醒大家注意防止诈骗，官方从未设置付费获得邀请码的渠道。
类似产品中，我能够想到荣耀的 YOYO 智能体，它可以在用户的手机端自动执行任务。
除此之外，还有智谱的 AutoGLM，尽管它在各品牌的安卓设备上都有使用，但当前能力相对有限。
从某种角度看，它们都是基于现有大模型能力所重新包装的“外壳”。
若需要一份调查报告，则当前 ChatGPT 的 Deep Research 深入研究功能效果也很出色。
马斯克的 Grok 3 免费的 DeepSearch 功能，其实也能够协助我们完成不少任务。
四、开源复刻，0 天起手
在赞同和批评中，小编发现有位朋友的评价比较中肯。
对很多 AI Agent 团队而言，Manus 的成就或许并不是颠覆性的，因此在 Manus 上线的当天，就出现了一些开源的“复刻”项目。
有了 Manus，我就有了 OpenManus，来自 MetaGPT 团队的5 名成员在 3 个小时内便“搞定”了一个开源解决方案。
同时，CAMEL-AI 团队也基于其 CAMEL-AI Framework 开发了 OWL 项目，在 GAIA 测试中取得了平均 58.18 分的优异成绩，位列开源框架的首位。
无论大家怎么看待，相信我们已经对 Manus 和 AI Agent 有了基本的认识。
距离 AI 助手自动化处理繁重任务的那一天或许真的不远了。
相关文章
