Manus AI: functies, architectuur, toegang, vroege issues en meer

Let op dat Manus het dashboard heeft gedeployed naar een permanente publieke URL, die je hier kunt openen.

Of het nu gaat om het analyseren van financiële transacties, het screenen van sollicitanten of het zoeken naar huurwoningen: Manus is ontworpen om grote hoeveelheden informatie te verwerken, opties te vergelijken en gestructureerde, geoptimaliseerde oplossingen te bieden. Je vindt meer voorbeelden hier, maar bedenk dat het team van Manus AI de selectie maakte en de voorbeelden mogelijk zijn uitgezocht.

Ondertussen hebben wij toegang tot Manus en onze eigen voorbeelden geprobeerd—bekijk ze in deze aparte blog over Manus AI.

Hoe werkt Manus AI?

Manus AI werkt als een autonome AI-agent doordat het in staat is om het volgende te doen:

• Informatie ophalen en factchecken via online bronnen.
• Dataverwerking en visualisatie, inclusief gestructureerde analyses en interactieve dashboards.
• Code uitvoeren en automatiseren, waardoor het scripts kan schrijven, testen en deployen.
• Webautomatisering, waardoor interacties met webapplicaties, formulieren invullen en data scrapen mogelijk zijn.

Laten we in meer detail uitleggen hoe Manus AI werkt.

Multi-agentsysteem en taakuitvoering

Op basis van eerste bevindingen van Jian Liao werkt Manus AI via een gestructureerde agent-loop, waarbij het iteratief taken stap voor stap verwerkt. Elke sessie volgt dit proces:

1. Gebeurtenissen analyseren: Begrijpt gebruikersverzoeken en de huidige status van de taak.
2. Tools selecteren: Kiest de juiste tool of API-call voor de volgende stap.
3. Commando’s uitvoeren: Voert shellscripts, webautomatisering of dataverwerking uit in een Linux-sandbox.
4. Itereren: Verfijnt acties op basis van nieuwe data en herhaalt de cyclus tot de taak klaar is.
5. Resultaten indienen: Stuurt gestructureerde outputs naar de gebruiker in de vorm van berichten, rapporten of gedeployde applicaties.
6. Stand-bymodus: Gaat in een idle-toestand tot verdere gebruikersinput nodig is.

Kernarchitectuur

De kernarchitectuur van Manus AI stelt het in staat om met een computer te communiceren zoals een mens dat zou doen, maar dan in een gecontroleerde omgeving. Deze functies omvatten:

• Linux-sandboxomgeving: Manus werkt binnen een gecontroleerde uitvoeromgeving, waar het software kan installeren, scripts kan draaien en bestanden kan manipuleren.
• Shell- en commandline-uitvoering: De AI kan shellcommando’s uitvoeren, processen beheren en systeemtaken automatiseren.
• Geïntegreerde webbrowserbesturing: Manus kan websites navigeren, data extraheren, met webelementen interageren en zelfs JavaScript uitvoeren in een browserconsole.
• Bestandssysteembeheer: Het kan bestanden lezen, schrijven en organiseren, wat handig is voor documentgestuurde workflows.
• Deploymogelijkheden: Manus kan applicaties deployen, waaronder het opzetten van websites en hosting op publieke URL’s.

Beveiliging en beperkingen

Elke Manus AI-sessie draait geïsoleerd, waardoor gebruikers geen toegang hebben tot elkaars uitvoeromgevingen. Daarnaast worden tools en commando’s gesandboxed, wat het risico op ongeautoriseerde systeemtoegang verkleint. Manus AI mag ook geen gebruikersaccounts aanmaken of beveiligingsmaatregelen omzeilen zonder expliciete toestemming.

Ondanks de autonomie heeft Manus AI nog steeds beperkingen in de hoeveelheid data die het in één keer kan verwerken, door een beperkte context window.

Manus AI-benchmarks

Hoewel we nog geen uitgebreide benchmarkdata hebben, is Manus AI geëvalueerd met de GAIA-benchmark, een test die meet hoe goed AI-agents taken uit de echte wereld oplossen. Om reproduceerbare resultaten te garanderen, is Manus geëvalueerd met dezelfde configuratie als de productieversie.

De resultaten suggereren dat Manus aanzienlijk beter presteert dan eerdere state-of-the-art (SOTA)-modellen, waaronder OpenAI’s Deep Research-systeem:

Bron: Manus AI

De benchmark beoordeelt AI-agents op drie moeilijkheidsniveaus:

1. Niveau 1 (basistaken): Manus AI scoorde 86,5%, aanzienlijk hoger dan OpenAI Deep Research met 74,3% en ruim boven de vorige SOTA met 67,9%.
2. Niveau 2 (intermediaire taken): Manus bleef sterk presteren met 70,1%, net boven OpenAI Deep Research (69,1%) en beter dan de vorige SOTA (67,4%).
3. Niveau 3 (complexe taken): Manus voert ook hier de lijst aan met 57,7%, vergeleken met 47,6% voor OpenAI en 42,3% voor het vorige beste model.

Dat Manus AI op alle niveaus leidt, suggereert dat het een van de meest capabele autonome AI-agents is die momenteel beschikbaar zijn. Tegelijk wijzen de lagere scores bij hogere moeilijkheden erop dat zelfs de beste AI-modellen nog worstelen met de meest complexe, meerstaps redeneertaken.

Hoe indrukwekkend ook, de prestaties in de praktijk wijken vaak af van gecontroleerde tests. De bruikbaarheid van Manus AI hangt af van hoe goed het onvoorspelbare taken afhandelt en of de autonomie daadwerkelijk tot praktische verbeteringen in workflows leidt.

Hoe krijg je toegang tot Manus AI?

Toegang tot Manus AI is momenteel beperkt tot een besloten bètaperiode op uitnodiging. Als je toegang wilt krijgen, volg dan deze stappen: 

1. Bezoek de officiële website: Ga naar de website van Manus AI.
2. Sluit je aan bij de wachtlijst: Klik rechtsboven op “Get Started” en vervolgens op “Apply for access”.
3. Wacht op een uitnodiging: Nadat je je hebt aangemeld voor de wachtlijst, moet je wachten tot er een invitatiecode naar je geregistreerde e-mail is gestuurd. Door de grote vraag kan dit even duren.
4. Activeer je account: Zodra je je invitatiecode ontvangt, volg je de instructies in de e-mail om je Manus AI-account te activeren.

Wees voorzichtig met onofficiële bronnen die invitatiecodes aanbieden; die zijn mogelijk niet legitiem. Gebruik altijd officiële kanalen om toegang te krijgen tot Manus AI. 

Is Manus AI een “DeepSeek-moment”?

Manus AI zou een “DeepSeek-moment” voor AI kunnen zijn, en ik leg graag uit waarom. DeepSeek-R1 veranderde het speelveld niet omdat we er allemaal ineens op overstapten. Sterker nog, velen van ons probeerden het in de eerste dagen en konden het niet eens gebruiken omdat hun servers de load niet aankonden—en daar hebben ze nog steeds moeite mee. Maar DeepSeek was een kantelpunt omdat het drie dingen bewees:

1. We kunnen sterke redeneermodellen bouwen tegen een fractie van de kosten waarvan we dachten dat ze nodig waren.
2. Geavanceerde AI-chips zijn misschien niet zo cruciaal als we aannamen.
3. Open-source AI loopt niet langer achter de feiten aan—het is gelijkwaardig aan, of overtreft zelfs, gesloten propriëtaire modellen.

Ik zie Manus AI als een mogelijk DeepSeek-moment voor agentische AI in plaats van voor redeneren. Het daagt de aanname uit dat krachtige AI-agents enorme infrastructuur, gesloten ecosystemen en hoge kosten vereisen.

Gebaseerd op de eerste bevindingen van Jian Liao draait Manus op een mix van Claude Sonnet, Qwen-finetunes en modulaire AI-agents, wat laat zien dat je een zeer capabel autonoom systeem kunt bouwen zonder vanaf nul een enorm propriëtair model te trainen.

Deze release komt ook op een interessant moment—juist nu er geruchten rondgaan dat OpenAI drie geavanceerde AI-agents wil lanceren met abonnementstarieven van $2.000 tot $20.000. Als Manus AI de belofte van goedkope, open toegang tot autonome AI waarmaakt, kan dat bedrijven als OpenAI dwingen te heroverwegen of AI-automatisering wel achter dure paywalls hoeft te zitten.

Dat gezegd hebbende, er zijn nog steeds terechte zorgen, en die bespreken we in de volgende sectie.

Vroege issues met Manus AI

Manus is al bekritiseerd om loopfouten, overmatige afhankelijkheid van bestaande modellen en veiligheidsrisico’s. En hoe spannend het in theorie ook is, of het op schaal echt werkt, is nog de vraag. Als het het pad van DeepSeek volgt, kan het revolutionair zijn in concept maar frustrerend in uitvoering—een krachtig systeem dat weinigen betrouwbaar kunnen gebruiken.

Zo hebben vroege testers meerdere issues aangehaald:

• Glitches en inconsistenties: Sommige gebruikers melden dat Manus in loops blijft hangen of in herhalende cycli vastloopt, en worstelt met complexe besluitvorming wanneer taken niet goed gedefinieerd zijn.
• Overmatige afhankelijkheid van bestaande modellen: Onderzoek naar de architectuur suggereert dat Manus sterk leunt op Claude Sonnet en Qwen-finetunes in plaats van een uniek, propriëtair model. Dit roept de vraag op of het echt nieuwe AI-methoden pioniert of bestaande technologieën slim orkestreert.
• Beveiligings- en privacyrisico’s: De mogelijkheid van Manus om commando’s uit te voeren, bestanden op te halen en met externe systemen te interageren, heeft vragen opgeroepen over de security-controls. Als de sandbox niet goed is ingericht, kan een autonome AI met toegang tot gevoelige data onbedoelde kwetsbaarheden introduceren.

Conclusie

Manus AI is een gedurfde stap richting autonome AI-agents, maar het is nog onduidelijk of het de belofte van agentische AI waarmaakt die complexe, realistische taken betrouwbaar kan afronden.

De vergelijking met DeepSeek-R1 is terecht, maar niet omdat iedereen ineens overstapt op Manus. Net als DeepSeek daagt Manus vooral de economie van AI uit en laat het zien dat autonome agents niet per se enorme infrastructuur of propriëtaire modellen nodig hebben om te functioneren.

Toch zijn er nog hiaten in de technologie. Meldingen van loopfouten, uitvoerproblemen en overmatige afhankelijkheid van bestaande modellen suggereren dat Manus nog niet helemaal het revolutionaire AI-systeem is dat het beweert te zijn—althans nog niet. Als het deze problemen weet op te lossen, kan het een gamechanger zijn in AI-automatisering. Zo niet, dan dreigt het nog een overhypte AI-proef te worden, waardevoller om wat het vertegenwoordigt dan om wat het daadwerkelijk levert.