Manus AI: funzionalità, architettura, accesso, problemi iniziali e altro

Nota che Manus ha pubblicato la dashboard su un URL pubblico permanente, a cui puoi accedere qui.

Che si tratti di analizzare transazioni finanziarie, selezionare candidati o cercare case in affitto, Manus è progettata per elaborare grandi quantità di informazioni, confrontare le opzioni e fornire soluzioni strutturate e ottimizzate. Puoi vedere altri esempi qui, ma tieni presente che la selezione è stata fatta dal team di Manus AI e gli esempi potrebbero essere scelti ad hoc.

Nel frattempo, noi abbiamo accesso a Manus e abbiamo provato esempi nostri—dai un’occhiata a questo blog separato su Manus AI.

Come funziona Manus AI?

Manus AI opera come agente AI autonomo perché è in grado di svolgere:

• Recupero di informazioni e fact-checking da fonti online.
• Elaborazione e visualizzazione dei dati, inclusa analisi strutturata e dashboard interattive.
• Esecuzione di codice e automazione, con la possibilità di scrivere, testare e distribuire script.
• Automazione web, per interagire con applicazioni web, compilare moduli ed effettuare scraping dei dati.

Vediamo più nel dettaglio come funziona Manus AI.

Sistema multi-agente ed esecuzione dei compiti

Sulla base delle prime scoperte di Jian Liao, Manus AI funziona tramite un agent loop strutturato, elaborando i compiti in modo iterativo e passo dopo passo. Ogni sessione segue questo processo:

1. Analizzare gli eventi: comprende le richieste dell’utente e lo stato corrente del compito.
2. Selezionare gli strumenti: sceglie lo strumento o la chiamata API appropriati per il passo successivo.
3. Eseguire i comandi: esegue script shell, automazioni web o elaborazioni dati in una sandbox Linux.
4. Iterare: affina le azioni sulla base di nuovi dati, ripetendo il ciclo fino al completamento del compito.
5. Inviare i risultati: fornisce output strutturati all’utente sotto forma di messaggi, report o applicazioni distribuite.
6. Modalità standby: entra in stato inattivo finché non è richiesto un ulteriore input dell’utente.

Caratteristiche architetturali principali

Le caratteristiche architetturali principali di Manus AI le consentono di interagire con un computer come farebbe un essere umano, ma in un ambiente controllato. Tra queste:

• Ambiente sandbox Linux: Manus opera in uno spazio di esecuzione controllato, dove può installare software, eseguire script e manipolare file.
• Esecuzione da shell e riga di comando: l’AI può eseguire comandi shell, gestire processi e automatizzare attività di sistema.
• Controllo del browser integrato: Manus può navigare siti web, estrarre dati, interagire con elementi della pagina ed eseguire JavaScript nella console del browser.
• Gestione del file system: può leggere, scrivere e organizzare file, risultando utile per flussi di lavoro basati su documenti.
• Capacità di deployment: Manus può distribuire applicazioni, inclusa la configurazione di siti web e l’hosting di servizi su URL pubblici.

Sicurezza e limitazioni

Ogni sessione di Manus AI opera in isolamento, impedendo agli utenti di accedere agli ambienti di esecuzione altrui. Inoltre, strumenti e comandi sono sandboxati, riducendo il rischio di accessi non autorizzati al sistema. Manus AI è anche limitata nella creazione di account utente o nell’aggirare misure di sicurezza senza permessi espliciti.

Nonostante l’autonomia, Manus AI ha comunque limiti sulla quantità di dati che può elaborare in una sola volta a causa della finestra di contesto ridotta.

Benchmark di Manus AI

Sebbene non disponiamo ancora di dati di benchmark estesi, Manus AI è stata valutata con il benchmark GAIA, un test progettato per misurare quanto bene gli agenti AI gestiscono compiti di problem solving nel mondo reale. Per garantire risultati riproducibili, Manus è stata valutata con la stessa configurazione della versione in produzione.

I risultati suggeriscono che Manus performa significativamente meglio rispetto ai precedenti modelli SOTA (state of the art), incluso il sistema Deep Research di OpenAI:

Fonte: Manus AI

Il benchmark valuta gli agenti AI su tre livelli di difficoltà:

1. Livello 1 (compiti di base): Manus AI ha segnato l’86,5%, molto più di OpenAI Deep Research al 74,3% e sopra il precedente SOTA al 67,9%.
2. Livello 2 (compiti intermedi): Manus ha mantenuto una forte performance al 70,1%, superando di poco OpenAI Deep Research (69,1%) e migliorando il precedente SOTA (67,4%).
3. Livello 3 (compiti complessi): Manus guida anche questa categoria, con il 57,7%, rispetto al 47,6% di OpenAI e al 42,3% del miglior modello precedente.

Il fatto che Manus AI sia in testa su tutti i livelli di difficoltà suggerisce che possa essere uno degli agenti AI autonomi più capaci attualmente disponibili. Tuttavia, il calo dei punteggi ai livelli più alti indica che anche i migliori modelli faticano ancora con i compiti più complessi e multi-step.

Per quanto impressionanti, i benchmark spesso differiscono dalle prestazioni nel mondo reale. L’usabilità effettiva di Manus AI dipenderà da come gestisce compiti imprevedibili e da quanto la sua autonomia porti a miglioramenti concreti nei flussi di lavoro degli utenti.

Come accedere a Manus AI?

L’accesso a Manus AI è attualmente limitato a una beta su invito. Se vuoi ottenere l’accesso, segui questi passaggi: 

1. Visita il sito ufficiale: vai al sito di Manus AI.
2. Unisciti alla lista d’attesa: clicca sul pulsante “Get Started” in alto a destra e poi su “Apply for access”.
3. Attendi l’invito: dopo esserti iscritto alla lista d’attesa, dovrai aspettare che il codice di invito venga inviato all’email registrata. Data l’alta richiesta, il processo potrebbe richiedere tempo.
4. Attiva il tuo account: una volta ricevuto il codice di invito, segui le istruzioni riportate nell’email per attivare il tuo account Manus AI.

Fai attenzione a fonti non ufficiali che offrono codici di invito, potrebbero non essere legittime. Usa sempre i canali ufficiali per ottenere l’accesso a Manus AI. 

Manus AI è un “momento DeepSeek”?

Manus AI potrebbe essere un “momento DeepSeek” per l’AI, e ti spiego perché. DeepSeek-R1 non ha cambiato lo scenario perché all’improvviso siamo passati tutti a usarlo. Anzi, molti di noi lo hanno provato nei primi giorni e non sono riusciti neppure a usarlo perché i server non reggevano il carico—e ancora oggi fanno fatica. Ma DeepSeek è stato un punto di svolta perché ha dimostrato tre cose:

1. Possiamo costruire forti modelli di ragionamento a una frazione del costo che ritenevamo necessario.
2. I chip AI avanzati potrebbero non essere così cruciali come pensavamo.
3. L’AI open-source non è più in affanno—è alla pari o perfino superiore ai modelli chiusi proprietari.

Vedo Manus AI come un potenziale momento DeepSeek per l’AI agentica più che per il ragionamento. Mette in discussione l’idea che potenti agenti AI richiedano infrastrutture mastodontiche, ecosistemi chiusi e costi elevati.

In base alle prime scoperte di Jian Liao, Manus si basa su un mix di Claude Sonnet, fine-tuning di Qwen e agenti modulari, mostrando che si può costruire un sistema autonomo molto capace senza addestrare da zero un enorme modello proprietario.

Questa release arriva anche in un momento molto interessante—proprio mentre circolano rumor secondo cui OpenAI intende lanciare tre agenti AI avanzati con abbonamenti tra 2.000 e 20.000 dollari. Se Manus AI manterrà la promessa di un’AI autonoma a basso costo e con accesso aperto, potrebbe costringere aziende come OpenAI a ripensare se l’automazione AI debba davvero restare dietro costosi paywall.

Detto ciò, ci sono ancora preoccupazioni legittime, che vedremo nella prossima sezione.

Problemi iniziali di Manus AI

Manus è già stata criticata per errori di loop, eccessiva dipendenza da modelli esistenti e rischi di sicurezza. E, per quanto sia entusiasmante in teoria, resta aperta la domanda se funzioni davvero su larga scala. Se seguisse il percorso di DeepSeek, potrebbe essere rivoluzionaria nel concetto ma frustrante nell’esecuzione—un sistema potente che pochi riescono a usare con affidabilità.

Per esempio, i primi tester hanno evidenziato diversi problemi:

• Bug e incoerenze: alcuni utenti hanno segnalato che Manus entra in loop o resta bloccata in cicli ripetitivi, faticando con decisioni complesse quando i compiti non sono ben definiti.
• Eccessiva dipendenza da modelli esistenti: indagini sulla sua architettura suggeriscono che Manus integri pesantemente Claude Sonnet e fine-tuning di Qwen, più che usare un modello unico e proprietario. Questo solleva dubbi sul fatto che stia davvero aprendo nuove strade nell’AI o stia solo orchestrando tecnologie esistenti in modo ingegnoso.
• Rischi di sicurezza e privacy: la capacità di Manus di eseguire comandi, recuperare file e interagire con sistemi esterni ha portato alcuni a interrogarsi sui controlli di sicurezza. Se la sandbox non è adeguata, un’AI autonoma con accesso a dati sensibili potrebbe introdurre vulnerabilità indesiderate.

Conclusione

Manus AI è una mossa audace verso agenti AI autonomi, ma resta incerto se mantenga davvero la promessa di un’AI agentica in grado di completare con affidabilità compiti complessi e reali.

Il paragone con DeepSeek-R1 è fondato, ma non perché tutti passeranno improvvisamente a Manus. Piuttosto, come DeepSeek, Manus mette in discussione l’economia dell’AI, mostrando che gli agenti autonomi non richiedono per forza infrastrutture enormi o modelli proprietari per funzionare.

Detto questo, la tecnologia ha ancora delle lacune. Le segnalazioni di loop, errori di esecuzione e dipendenza da modelli esistenti suggeriscono che Manus non sia ancora il sistema di AI rivoluzionario che dichiara di essere—almeno per ora. Se riuscirà a superare questi problemi, potrebbe cambiare le regole del gioco nell’automazione AI. Altrimenti rischia di diventare l’ennesimo esperimento di AI sovrastimato, più prezioso per ciò che rappresenta che per ciò che realizza davvero.