Manus AI: Fitur, Arsitektur, Akses, Masalah Awal, dan Lainnya

Perhatikan bahwa Manus menerapkan dasbor tersebut ke URL publik permanen, yang dapat Anda akses di sini.

Baik itu menganalisis transaksi keuangan, menyaring pelamar kerja, atau mencari properti sewaan, Manus dirancang untuk memproses informasi dalam jumlah besar, membandingkan opsi, dan memberikan solusi terstruktur serta teroptimasi. Anda dapat melihat lebih banyak contoh di sini, namun perlu diingat bahwa tim Manus AI yang melakukan kurasi, sehingga contohnya bisa saja dipilih yang terbaik saja.

Sementara itu, kami sudah mendapatkan akses ke Manus dan mencoba contoh kami sendiri—lihat di blog terpisah tentang Manus AI.

Bagaimana Cara Kerja Manus AI?

Manus AI beroperasi sebagai agen AI otonom dengan kemampuan melakukan:

• Pengambilan informasi dan pemeriksaan fakta menggunakan sumber daring.
• Pemrosesan dan visualisasi data, termasuk analisis terstruktur dan dasbor interaktif.
• Eksekusi kode dan otomatisasi, memungkinkannya menulis, menguji, dan menerapkan skrip.
• Otomatisasi web, yang memungkinkan interaksi dengan aplikasi web, mengisi formulir, dan scraping data.

Mari jelaskan lebih detail cara kerja Manus AI.

Sistem multi-agen dan eksekusi tugas

Berdasarkan temuan awal oleh Jian Liao, Manus AI berfungsi melalui agent loop terstruktur, memproses tugas secara iteratif langkah demi langkah. Setiap sesi mengikuti proses berikut:

1. Menganalisis peristiwa: Memahami permintaan pengguna dan kondisi terkini tugas.
2. Memilih alat: Memilih alat atau panggilan API yang sesuai untuk langkah berikutnya.
3. Menjalankan perintah: Menjalankan skrip shell, otomatisasi web, atau pemrosesan data di sandbox Linux.
4. Mengulangi: Menyempurnakan tindakannya berdasarkan data baru, mengulangi siklus hingga tugas selesai.
5. Mengirim hasil: Mengirim keluaran terstruktur kepada pengguna dalam bentuk pesan, laporan, atau aplikasi yang telah diterapkan.
6. Mode siaga: Masuk ke keadaan idle hingga diperlukan input pengguna lebih lanjut.

Fitur arsitektur inti

Fitur arsitektur inti Manus AI memungkinkannya berinteraksi dengan komputer seperti manusia, namun dalam lingkungan terkontrol. Fitur-fitur ini meliputi:

• Lingkungan sandbox Linux: Manus beroperasi dalam ruang eksekusi terkontrol, tempat ia dapat memasang perangkat lunak, menjalankan skrip, dan memanipulasi berkas.
• Eksekusi shell dan command-line: AI dapat menjalankan perintah shell, mengelola proses, dan mengotomatisasi tugas sistem.
• Kendali peramban web terintegrasi: Manus dapat menavigasi situs web, mengekstrak data, berinteraksi dengan elemen web, dan bahkan menjalankan JavaScript di dalam konsol peramban.
• Manajemen sistem berkas: Dapat membaca, menulis, dan menata berkas, sehingga berguna untuk menangani alur kerja berbasis dokumen.
• Kemampuan deployment: Manus dapat menerapkan aplikasi, termasuk menyiapkan situs web dan layanan hosting di URL publik.

Keamanan dan keterbatasan

Setiap sesi Manus AI beroperasi secara terisolasi, mencegah pengguna mengakses lingkungan eksekusi satu sama lain. Selain itu, alat dan perintah di-sandbox, sehingga mengurangi risiko akses sistem yang tidak sah. Manus AI juga dibatasi agar tidak membuat akun pengguna atau melewati langkah-langkah keamanan tanpa izin eksplisit.

Terlepas dari sifat otonomnya, Manus AI tetap memiliki batasan pada jumlah data yang dapat diproses sekaligus karena jendela konteks yang terbatas.

Benchmark Manus AI

Meski kami belum memiliki data benchmark yang ekstensif, Manus AI dievaluasi menggunakan benchmark GAIA, sebuah uji yang dirancang untuk mengukur kemampuan agen AI menangani tugas pemecahan masalah di dunia nyata. Untuk memastikan hasil yang dapat direproduksi, Manus dievaluasi menggunakan konfigurasi yang sama seperti versi produksinya.

Hasilnya menunjukkan bahwa Manus berkinerja jauh lebih baik daripada model state-of-the-art (SOTA) sebelumnya, termasuk sistem Deep Research milik OpenAI:

Sumber: Manus AI

Benchmark ini mengevaluasi agen AI di tiga tingkat kesulitan:

1. Level 1 (tugas dasar): Manus AI meraih 86,5%, jauh lebih tinggi daripada OpenAI Deep Research dengan 74,3%, dan di atas SOTA sebelumnya dengan 67,9%.
2. Level 2 (tugas menengah): Manus mempertahankan performa kuat di 70,1%, sedikit melampaui OpenAI Deep Research (69,1%) dan meningkat dibanding SOTA sebelumnya (67,4%).
3. Level 3 (tugas kompleks): Manus juga memimpin kategori ini, dengan skor 57,7%, dibanding 47,6% untuk OpenAI dan 42,3% untuk model terbaik sebelumnya.

Fakta bahwa Manus AI unggul di semua tingkat kesulitan menunjukkan bahwa ini mungkin salah satu agen AI otonom paling mumpuni saat ini. Namun, penurunan skor pada tingkat kesulitan yang lebih tinggi menunjukkan bahwa bahkan model AI terbaik masih kesulitan dengan tugas penalaran multi-langkah yang paling kompleks.

Walau benchmark ini mengesankan, performa di dunia nyata sering berbeda dari pengujian terkontrol. Kegunaan aktual Manus AI akan bergantung pada kemampuannya menangani tugas yang tidak terduga dan apakah otonominya benar-benar meningkatkan alur kerja pengguna secara praktis.

Cara Mengakses Manus AI?

Akses ke Manus AI saat ini terbatas pada fase beta undangan saja. Jika Anda tertarik mendapatkan akses, ikuti langkah-langkah berikut: 

1. Kunjungi situs resmi: Arahkan peramban ke situs Manus AI.
2. Gabung daftar tunggu: Klik tombol “Get Started” di kanan atas lalu klik “Apply for access.”
3. Tunggu undangan: Setelah bergabung ke daftar tunggu, Anda perlu menunggu kode undangan yang akan dikirim ke email terdaftar. Karena tingginya permintaan, proses ini bisa memakan waktu.
4. Aktifkan akun Anda: Setelah menerima kode undangan, ikuti instruksi dalam email untuk mengaktifkan akun Manus AI Anda.

Waspadalah terhadap sumber tidak resmi yang menawarkan kode undangan, karena bisa jadi tidak sah. Selalu gunakan saluran resmi untuk mendapatkan akses ke Manus AI. 

Apakah Manus AI Merupakan “Momen DeepSeek?”

Manus AI bisa jadi merupakan “momen DeepSeek” bagi AI, dan berikut alasannya. DeepSeek-R1 tidak mengubah lanskap karena kita semua tiba-tiba beralih menggunakannya. Faktanya, banyak dari kita yang mencobanya di beberapa hari pertama bahkan tidak bisa memakainya karena server mereka kewalahan—dan hingga kini mereka masih kesulitan. Namun DeepSeek menjadi titik balik karena membuktikan tiga hal:

1. Kita bisa membangun model penalaran yang kuat dengan biaya jauh lebih kecil dari yang kita kira perlu.
2. Chip AI canggih mungkin tidak sepenting yang kita asumsikan.
3. AI open-source tidak lagi sekadar mengejar ketertinggalan—ia setara, bahkan melampaui, model tertutup yang proprietary.

Saya melihat Manus AI sebagai potensi momen DeepSeek untuk agentic AI alih-alih penalaran. Ini menantang asumsi bahwa agen AI yang kuat membutuhkan infrastruktur masif, ekosistem tertutup, dan biaya tinggi.

Berdasarkan temuan awal oleh Jian Liao, Manus beroperasi dengan campuran Claude Sonnet, finetune Qwen, dan agen AI modular, menunjukkan bahwa Anda dapat membangun sistem otonom yang sangat mumpuni tanpa melatih model proprietary raksasa dari nol.

Rilis ini juga datang pada saat yang sangat menarik—tepat ketika rumor beredar bahwa OpenAI berencana meluncurkan tiga agen AI canggih dengan biaya langganan antara $2.000 hingga $20.000. Jika Manus AI memenuhi janjinya terkait akses terbuka berbiaya rendah ke AI otonom, hal ini bisa memaksa perusahaan seperti OpenAI untuk meninjau ulang apakah otomatisasi AI memang harus terkunci di balik paywall mahal.

Meski begitu, masih ada kekhawatiran yang valid, dan kita akan bahas di bagian berikutnya.

Masalah Awal Manus AI

Manus sudah dikritik karena kesalahan looping, ketergantungan berlebih pada model yang ada, dan risiko keamanan. Dan meskipun konsepnya menarik, apakah ini benar-benar bekerja dalam skala besar masih menjadi tanda tanya. Jika mengikuti jejak DeepSeek, ini bisa revolusioner secara konsep tetapi mengecewakan dalam eksekusi—sistem kuat yang sulit digunakan banyak orang secara andal.

Sebagai contoh, penguji awal menyoroti beberapa masalah:

• Gangguan dan inkonsistensi: Beberapa pengguna melaporkan Manus mengalami looping atau tersangkut dalam siklus berulang, kesulitan mengambil keputusan kompleks saat tugas tidak terdefinisi dengan baik.
• Ketergantungan berlebih pada model yang ada: Penelusuran arsitekturnya menunjukkan Manus sangat mengintegrasikan Claude Sonnet dan finetune Qwen, alih-alih menggunakan model proprietary yang unik. Ini menimbulkan pertanyaan apakah benar-benar memelopori metode AI baru atau sekadar mengorkestrasi teknologi yang ada dengan cerdik.
• Risiko keamanan dan privasi: Kemampuan Manus untuk menjalankan perintah, mengambil berkas, dan berinteraksi dengan sistem eksternal membuat sebagian pihak mempertanyakan kontrol keamanannya. Jika sandbox tidak tepat, AI otonom yang memiliki akses ke data sensitif dapat menimbulkan kerentanan yang tidak diinginkan.

Kesimpulan

Manus AI adalah langkah berani menuju agen AI otonom, namun masih belum pasti apakah benar-benar memenuhi janji agentic AI yang dapat menyelesaikan tugas kompleks dunia nyata secara andal.

Perbandingan dengan DeepSeek-R1 dapat dibenarkan, bukan karena semua orang akan serta-merta beralih ke Manus. Melainkan, seperti DeepSeek, Manus menantang sisi ekonomi AI, menunjukkan bahwa agen otonom tidak selalu memerlukan infrastruktur masif atau model proprietary agar dapat berfungsi.

Meski demikian, teknologinya masih memiliki celah. Laporan tentang kesalahan looping, kegagalan eksekusi, dan ketergantungan pada model yang ada menunjukkan bahwa Manus belum sepenuhnya menjadi sistem AI revolusioner seperti klaimnya—setidaknya untuk saat ini. Jika dapat mengatasi isu-isu ini, Manus berpotensi menjadi pengubah permainan dalam otomatisasi AI. Jika tidak, risikonya menjadi sekadar eksperimen AI yang terlalu dihebohkan, lebih berharga karena representasinya daripada karena hasil nyatanya.