自通用 AI 智能体 Manus 发布以来，它就像野火一样在全球迅速传播。这款由中国武汉初创公司“蝴蝶效应”（Butterfly Effect）开发的产品不仅在中国引发热议，还吸引了全球科技界的关注。推特联合创始人杰克·多西（Jack Dorsey）和 Hugging Face 产品负责人维克多·穆斯塔尔（Victor Mustar）等知名人士都对其表现给予了高度评价。甚至有人称其为“第二个深度求索”（DeepSeek），因为它和此前那款凭借意外能力和出身震惊业界的 AI 模型一样，带来了新的惊喜。

Manus 自称是全球首个通用 AI 智能体，它整合了多个 AI 模型（如 Anthropic 的 Claude 3.5 Sonnet 和阿里巴巴开源模型 Qwen 的微调版本），并利用多个独立运行的智能体自主完成各种任务。（这使得它与基于单一大型语言模型的 AI 聊天机器人不同，包括深度求索在内，后者主要设计用于对话交互。）

尽管宣传铺天盖地，但真正使用过 Manus 的人寥寥无几。目前，等待名单中仅有不到 1% 的用户获得了邀请码。（尚不清楚具体有多少人在排队，但可以感受到它的热度——Manus 的 Discord 频道已拥有超过 18.6 万名成员。）

《麻省理工科技评论》获得了 Manus 的测试权限。在试用过程中，我发现它的体验就像与一位聪明高效的实习生合作：虽然偶尔会误解任务要求、做出错误假设或为了加快速度而偷工减料，但它能清晰地解释推理过程，适应能力极强，并且在收到详细指令或反馈后能显著改进。总体而言，它很有潜力，但还不完美。

与其母公司 2023 年发布的 AI 助手 Monica 一样，Manus 的目标用户是全球市场。默认语言设置为英语，界面设计简洁清爽。

用户需要输入有效的邀请码才能进入系统。随后，系统会引导用户进入一个与 ChatGPT 或深度求索极为相似的界面——左侧显示历史会话，中央是聊天输入框。主页还展示了公司精选的示例任务，涵盖商业战略制定、交互式学习，甚至定制化音频冥想课程。

与其他基于推理的智能体 AI 工具（如 ChatGPT DeepResearch）类似，Manus 能够将任务分解为多个步骤，并自主浏览网络以获取所需信息。它的独特之处在于“Manus’s Computer”窗口，用户可以实时观察 AI 的操作，并在任何阶段进行干预。

为了测试其能力，我交给了 Manus 三项任务：

1. 整理一份报道中国科技领域的知名记者名单
2. 搜索纽约市的两居室房源
3. 提名《麻省理工科技评论》年度“35 岁以下创新者”榜单的潜在候选人

以下是它的表现：

任务 1：记者名单

Manus 最初提供的名单仅包含 5 个名字，外加 5 个“荣誉提名”。我注意到，它列出了部分记者的代表作，但并未涵盖所有人。当我询问原因时，它的回答简单得令人发笑： 它偷懒了 。它解释说：“部分原因是时间有限，我试图加快研究进程。”在我坚持要求一致性和全面性后，Manus 最终提供了一份包含 30 名记者的完整名单，标注了他们的现任媒体和代表作。（我很高兴看到自己和许多尊敬的同行榜上有名。）

令我印象深刻的是，我可以像指导真实实习生或助理一样提出高阶修改建议，而 Manus 也能恰当回应。尽管它起初忽略了某些记者的雇主变动，但在我要求复查后，它迅速修正了错误。另一个亮点是，输出结果可下载为 Word 或 Excel 文件，便于编辑或分享。

不过，Manus 在访问付费墙后的新闻文章时遇到了障碍，频繁遭遇验证码拦截。虽然我能逐步接管任务，但许多媒体网站仍以“可疑活动”为由屏蔽了该工具。我认为未来版本若能主动在遇到限制时请求帮助，将会是一大改进。

任务 2：纽约房源搜索

我给了 Manus 一套复杂的搜索条件，包括预算和多项参数：宽敞的厨房、户外空间、曼哈顿市中心通勤便利，以及 7 分钟步行可达主要火车站。Manus 起初过于字面化地理解“某种户外空间”这一模糊要求，完全排除了没有私人露台或阳台的房源。但在进一步指导和澄清后，它整理出了一份更全面、更有帮助的清单，并按层级和清晰的要点给出推荐。

最终输出结果读起来像极了 Wirecutter 的风格，包含“最佳综合选择”“最佳性价比”和“豪华选项”等分类。这项任务（包括来回沟通）耗时不到半小时，远少于整理记者名单的一小时，可能是因为房源信息在网络上更开放且结构化。

任务 3：提名“35 岁以下创新者”

这是范围最广的任务：我要求 Manus 提名 50 人入选今年的榜单。每年我们都会收到数百份提名，因此我很好奇 Manus 的表现如何。它将任务分解为多个步骤：分析往届名单以理解评选标准、制定候选人搜索策略、整理名单并确保全球多样性。

制定搜索策略是 Manus 最耗时的环节。虽然它没有明确说明方法，但“Manus’s Computer”窗口显示，它快速浏览了顶尖研究型大学的网站、科技奖项公告和新闻文章。然而，它在尝试访问学术论文和付费媒体内容时再次受阻。

经过三小时的网络搜索（期间 Manus 多次询问是否可以缩小范围），它仅能提供三位背景完整的候选人。当我坚持要求完整的 50 人名单时，它最终生成了一份，但某些学术机构和领域占比过高，反映出研究过程的不完整。在我指出问题并要求补充 5 位中国候选人后，它成功整理了一份扎实的名单，但结果偏向中国媒体宠儿。最终，系统警告“若继续输入大量文本，性能可能下降”，我不得不放弃进一步调整。

总体评价

总体而言，Manus 是一款高度直观的工具，适合有无编程背景的用户。在三项任务中，它在两项上的表现优于 ChatGPT DeepResearch，尽管耗时更长。Manus 似乎最适合那些需要大量开放网络研究但范围有限的分析任务——换句话说，它擅长完成一个熟练人类实习生一天内能搞定的事情。

不过，它的表现并非一帆风顺。Manus 可能会频繁崩溃或系统不稳定，且在处理大段文本时容易卡顿。我多次在发起新请求时看到提示：“由于当前服务负载较高，无法创建任务，请稍后再试。”有时，“Manus’s Computer”窗口还会长时间卡在某个页面。

Manus 的首席科学家季峰（Peak Ji）表示，团队正在解决其失败率高于 ChatGPT DeepResearch 的问题。但据中国媒体 36 氪报道，Manus 的单任务成本约为 2 美元，仅为 DeepResearch 的十分之一。如果 Manus 团队能加强服务器基础设施，它很可能成为个人用户（尤其是白领、独立开发者和小型团队）的首选工具。

最后，我认为 Manus 的工作流程相对透明且支持协作，这一点极具价值。它会在执行过程中主动提问，并将关键指令存储为“知识”以供后续使用，从而提供高度可定制的智能体体验。此外，每段会话都可回放和分享，这也是一个亮点。

无论是个人还是职业场景，我都计划继续使用 Manus 处理各类任务。尽管将其与深度求索相提并论可能并不完全准确，但它再次证明，中国 AI 公司并非只是跟随西方同行的脚步。它们不仅在基础模型上创新，更在以自己的方式推动自主 AI 智能体的应用发展。