Manus AI：功能、架构、获取方式、早期问题与更多

请注意，Manus 将该仪表板部署到了一个永久的公共 URL，您可以在此访问。

无论是分析金融交易、筛选求职者，还是搜索租房房源，Manus 的设计目标都是处理大量信息、比较选项，并给出结构化、优化的解决方案。您可以在这里查看更多示例，但请注意这些示例由 Manus AI 团队挑选，可能存在“择优展示”。

与此同时，我们已获取 Manus 的使用权限并尝试了自定义案例——请在这篇独立博文中查看：Manus AI。

Manus AI 如何工作？

Manus AI 作为自主 AI 智能体，具备以下能力：

• 基于在线来源的信息检索与事实核查。
• 数据处理与可视化，包括结构化分析与交互式仪表板。
• 代码执行与自动化，能够编写、测试并部署脚本。
• 网页自动化，可与 Web 应用交互、填写表单并抓取数据。

下面更详细地解释 Manus AI 的工作方式。

多智能体系统与任务执行

根据廖剑（Jian Liao）的初步发现，Manus AI 通过结构化的智能体循环运作，以逐步方式迭代处理任务。每个会话遵循以下流程：

1. 分析事件：理解用户请求与任务当前状态。
2. 选择工具：为下一步选择合适的工具或 API 调用。
3. 执行命令：在 Linux 沙盒中运行 shell 脚本、网页自动化或数据处理。
4. 迭代：基于新数据优化行动，循环往复直至任务完成。
5. 提交结果：以消息、报告或已部署应用的形式，将结构化输出发送给用户。
6. 待机模式：进入空闲状态，直至需要进一步用户输入。

核心架构特性

Manus AI 的核心架构特性，使其能像人类一样与计算机交互，但在受控环境中进行。主要包括：

• Linux 沙盒环境：Manus 在受控执行空间中运行，可安装软件、运行脚本并操作文件。
• Shell 与命令行执行：该 AI 能执行 shell 命令、管理进程并自动化系统任务。
• 集成网页浏览器控制：Manus 可浏览网站、提取数据、与网页元素交互，甚至在浏览器控制台中执行 JavaScript。
• 文件系统管理：可读取、写入与组织文件，适用于处理基于文档的流程。
• 部署能力：Manus 能部署应用，包括搭建网站并在公共 URL 上提供服务。

安全与限制

每个 Manus AI 会话彼此隔离，防止用户访问他人的执行环境。此外，工具与命令均处于沙盒中，降低未授权系统访问的风险。未经明确授权，Manus AI 也被限制不能创建用户账户或绕过安全措施。

尽管具备自主性，Manus AI 受限于上下文窗口大小，单次可处理的数据量仍有限。

Manus AI 基准测试

尽管目前缺乏大规模基准数据，Manus AI 已通过 GAIA 基准进行评估。该测试旨在衡量 AI 智能体应对真实世界问题求解任务的能力。为确保可复现性，评测使用与生产版本相同的配置。

结果显示，Manus 的表现显著优于此前的 SOTA（最先进）模型，包括OpenAI 的 Deep Research 系统：

来源：Manus AI

该基准从三个难度级别评估 AI 智能体：

1. 一级（基础任务）：Manus AI 得分 86.5%，显著高于 OpenAI Deep Research 的 74.3%，也远高于此前 SOTA 的 67.9%。
2. 二级（中等任务）：Manus 维持强劲表现，得分 70.1%，略高于 OpenAI Deep Research（69.1%），并优于此前 SOTA（67.4%）。
3. 三级（复杂任务）：Manus 同样领先，得分 57.7%，而 OpenAI 为 47.6%，此前最佳模型为 42.3%。

Manus AI 在所有难度级别的领先表现，表明其可能是当前最强大的自主 AI 智能体之一。然而，随难度提升分数下降，也显示即便是最好的 AI 模型，在最复杂的多步推理任务上仍面临挑战。

尽管这些基准结果令人印象深刻，但真实世界的表现往往不同于受控测试。Manus AI 的实际可用性，取决于其处理不可预期任务的能力，以及其自主性是否能切实改进用户工作流程。

如何获取 Manus AI？

目前访问 Manus AI 仅限邀请制公测阶段。若您有兴趣获取访问权限，请按以下步骤操作：

1. 访问官方网站：前往Manus AI 官网。
2. 加入候补名单：点击右上角“Get Started”，然后点击“Apply for access”。
3. 等待邀请：加入候补名单后，需等待邀请码发送至您注册的邮箱。由于需求旺盛，此过程可能需要一定时间。
4. 激活账号：收到邀请码后，按邮件中的说明激活您的 Manus AI 账户。

警惕非官方来源提供的邀请码，可能并不可信。请始终通过官方渠道获取 Manus AI 的访问权限。

Manus AI 是“DeepSeek 时刻”吗？

Manus AI 有可能成为 AI 领域的“DeepSeek 时刻”，原因如下。DeepSeek-R1 之所以改变格局，并不是因为大家突然都改用它。事实上，许多人在发布后的头几天就尝试过，但由于服务器无法承载流量而无法使用——直到今天他们仍在为此苦恼。但 DeepSeek 成为转折点，是因为它证明了三件事：

1. 我们可以用远低于预期的成本，打造强大的推理模型。
2. 先进 AI 芯片或许没有我们想象中那么关键。
3. 开源 AI 不再亦步亦趋——已与闭源专有模型比肩，甚至实现超越。

我认为 Manus AI 有望成为智能体式 AI的 DeepSeek 时刻，而非推理领域。它挑战了一个假设：强大的 AI 智能体并不一定需要庞大基础设施、封闭生态与高昂成本。

根据廖剑的初步发现，Manus 运行在 Claude Sonnet、Qwen 微调模型与模块化 AI 智能体的组合之上，表明无需从零训练庞大的专有模型，也能构建高度强大的自主系统。

这一发布恰逢其时——有传言称 OpenAI 计划推出三款高级 AI 智能体，订阅费用在 2,000 至 20,000 美元之间。若 Manus AI 兑现其低成本、开放访问的自主 AI 承诺，或将迫使 OpenAI 等公司重新思考：AI 自动化是否必须被锁在昂贵的付费墙后。

话虽如此，合理的担忧依然存在，我们将在下一节展开。

Manus AI 的早期问题

Manus 已因循环错误、对现有模型依赖过重以及安全风险而受到批评。尽管理论上令人兴奋，但其是否能在规模上稳定运行仍是未知数。如果重蹈 DeepSeek 的覆辙，它可能在理念上具有革命性，却在落地执行上令人挫败——一套强大的系统，却鲜有人能稳定使用。

例如，早期测试者已指出多项问题：

• 故障与不一致性：一些用户报告 Manus 会出现循环或陷入重复流程，当任务定义不明确时，在复杂决策上会遇到困难。
• 对现有模型依赖过重：对其架构的调查显示，Manus 大量集成了 Claude Sonnet 与 Qwen 微调模型，而非采用独特的专有模型。这引发担忧：它是否真正开创了新的 AI 方法，还是仅仅以巧妙方式编排现有技术。
• 安全与隐私风险：Manus 能执行命令、检索文件并与外部系统交互，这使一些人质疑其安全控制。若沙盒隔离不到位，具备敏感数据访问权限的自主 AI 可能引入意料之外的漏洞。

结语

Manus AI 是迈向自主 AI 智能体的大胆一步，但其能否真正兑现“可可靠完成复杂真实任务”的智能体承诺仍未可知。

与 DeepSeek-R1 的比较是合理的，但并非因为大家会突然转用 Manus。相反，与 DeepSeek 类似，Manus 挑战了 AI 的经济学，展示了自主智能体未必需要庞大基础设施或专有模型也能运作。

尽管如此，技术仍有短板。关于循环错误、执行失败以及对现有模型依赖过重的报告表明，至少目前，Manus 还称不上其自我标榜的“革命性 AI 系统”。若能克服这些问题，它或将成为 AI 自动化的变革者；否则，便有可能沦为又一个被过度炒作的 AI 实验，其象征意义大于实际交付。