在Manus迅速出圈之后，各種信息漫天飛舞，有嚴(yán)肅分析和解讀，但并不多，更多的是各類博主（特別是短視頻博主）震驚體式的搖旗吶喊。

　　那么在Manus各類信息過載的同時，潘寒試圖從各種信息中抽出部分有價值的進(jìn)行分析，總結(jié)了六個問題。

　　力求讓讀者看懂“是什么”之后也真正搞懂“為什么”，同時在眼花繚亂的AI信息爆炸中破除FOMO焦慮——

　　一、為什么Manus底層模型沒用DeepSeek？

　　Manus各類出色任務(wù)背后到底用了什么模型？

　　根據(jù)相關(guān)博主的公開信息，在3月6日上午官方小范圍產(chǎn)品溝通時披露，Manus背后主要用了Claude（api）和自己后訓(xùn)練的阿里Qwen。

　　很多讀者會有疑問——為什么Manus不用DeepSeek呢？又強(qiáng)大又便宜。

　　為什么呢？

　　在2月22日，Manus的聯(lián)合創(chuàng)始人季逸超在進(jìn)行了一次對話，在這次對話中，季逸超分享了如下觀點(diǎn)——

“DeepSeek并不是萬能的，具體問題要具體分析，比如要做Function calling（函數(shù)調(diào)用），選擇千問Qwen模型可能更合適?！?/blockquote>

“DeepSeek的模型（無論V3還是R1）本身更側(cè)重推理能力，在多模態(tài)、函數(shù)調(diào)用、長期規(guī)劃等能力上并不出眾?！?/blockquote>

“從DeepSeek最近的V3論文看，其架構(gòu)已與傳統(tǒng)模型有顯著差異，但除官方外，國內(nèi)推理廠商的Infra優(yōu)化普遍不足，仍需大量工作。”（彼時DeepSeek開源周還沒有開始）

　　個別無腦讀者不要據(jù)此就將Manus和DeepSeek對立起來（回去認(rèn)真看），季逸超只是在就事論事地分析他們選擇的技術(shù)路線背后的邏輯。

　　可以看到，Manus之所以沒有選DeepSeek作為底層模型，是因?yàn)镈eepSeek擅長的是推理，并不擅長Function calling（函數(shù)調(diào)用）、多模態(tài)、長上下文。

　　而這三個東西恰恰就是Manus這類高度自動化Agent產(chǎn)品非?？粗氐奶匦浴?/p>

　　Function calling（函數(shù)調(diào)用）可以讓Agent實(shí)現(xiàn)遠(yuǎn)超傳統(tǒng)Chatbot的多樣任務(wù)。

　　長上下文則可以讓Agent實(shí)現(xiàn)多步驟的復(fù)雜任務(wù)，如果一個任務(wù)分7步，上下文不足，做到第6步已經(jīng)忘了第1、2步，那很多任務(wù)分分鐘歇菜。

　　多模態(tài)就更容易理解了，Manus的很多任務(wù)是要讀網(wǎng)頁、看視頻的，多模特讓Agent有了眼睛。

　　在這三點(diǎn)中，長上下文所驅(qū)動的長鏈規(guī)劃能力顯得更重要一些，Monica（Manus母公司）創(chuàng)始人肖弘在張小珺的播客采訪中也非常詳細(xì)地闡述了這一點(diǎn)——

“我們測試下來全世界只有Claude3.5 Sonnet能夠在把我們剛剛所說的那個架構(gòu)跑起來，我們內(nèi)部管這個叫Agent能力，傳統(tǒng)的Chatbot它訓(xùn)練過程中，它就是假設(shè)一輪對話就要盡可能解決你的所有問題的，只有Claude3.5 Sonnet有長程規(guī)劃能力和逐步解決問題的能力。”

　　根據(jù)Twitter博主Alexander Doria的說法——

OpenAI的DeepResearch之所以表現(xiàn)驚艷，是因?yàn)槠洳⒉皇呛唵蔚卦贕PT基礎(chǔ)上增加了外部搜索功能，而是訓(xùn)練了一個全新的模型學(xué)習(xí)了基礎(chǔ)的瀏覽能力（搜索、點(diǎn)擊、滾動、文件解析），以及如何通過強(qiáng)化學(xué)習(xí)來整合大量網(wǎng)頁信息，生成結(jié)構(gòu)清晰、來源可靠的研究報告。

　　從這個意義上，國內(nèi)模型依然在針對Agent所需特性上有巨大的訓(xùn)練空間。

　　二、給Manus靈感的Devin是個什么？

　　Devin是去年AI編程領(lǐng)域一個熱度挺高的自動化Agent產(chǎn)品，它主要集中在代碼領(lǐng)域，號稱能頂一個程序員。

　　它有三個特征——

　　第一，它是異步的，即你不需要像聊天產(chǎn)品一樣時刻和它同步交互，交給它一個任務(wù)，你就可以干別的了；

　　第二，Devin有云端虛擬機(jī)，這一點(diǎn)很重要，這意味著你電腦關(guān)了它也可以繼續(xù)工作，不需要動用戶的電腦；

　　第三，它能隨時打斷，需要幫助的時候會尋求用戶幫助或確認(rèn)，同時會根據(jù)用戶反饋積累Know How的知識。

　　而這三個特征，Manus全部都有，肖弘也坦言團(tuán)隊(duì)從Devin和Cursor中得到了靈感。

　　Devin在產(chǎn)品定義上是相當(dāng)超前的，超越了Coze、Dify等產(chǎn)品的開發(fā)理念，也不同于cursor等編程產(chǎn)品。

　　關(guān)于Devin，肖弘是這樣評價的——

“Devin有點(diǎn)可惜，它直接選擇了最硬核的工程師群體，也不能叫可惜，我相信他在美國也是發(fā)展的很好的一家公司，但我會更愿意選擇通用而不是垂直到一個具體的行業(yè)，我認(rèn)為這個架構(gòu)是很符合我對Agent的想象的，而他應(yīng)該是給普通用戶就能用的一個產(chǎn)品?！?/blockquote>

　　戴雨森是Manus投資人真格基金的合伙人，他在播客十字路口中用了一個非?？鋸埖谋硎鲈u價Devin——

“它的出現(xiàn)可能標(biāo)志著人類歷史的一個重要時刻。”

　　我當(dāng)時很詫異，為什么戴雨森會用這種虎狼之詞？

　　他自己的解釋是——

　　人類歷史上發(fā)明了很多工具，甚至有人說人就是能夠使用工具的動物，工具基本上分為兩種——

　　第一種就是說需要持續(xù)注意力的工具比如說像電鉆，像錘子。

　　第二種就是說叫做機(jī)械重復(fù)的自動化工具，比如說洗衣機(jī)、自動售貨機(jī)流水線，它可以去不需要我的關(guān)注，但是它只能解決重復(fù)的東西。

　　人類一直在尋找第三種——不需要持續(xù)的注意力，但同時又能自我規(guī)劃去解決問題的。

　　而Devin就是這種真正自主的Agent，即Agent中的Agent。

　　沒錯，工程層面的創(chuàng)新意義其實(shí)被低估了，事實(shí)上，這一輪AI改變最為深刻的行業(yè)就是AI Coding，而支撐這一改變的關(guān)鍵變量就是Cursor這樣的應(yīng)用層產(chǎn)品創(chuàng)新。

　　Devin毫無疑問是一個創(chuàng)新的產(chǎn)品，也有很多報道，但問題是——為什么只有Monica團(tuán)隊(duì)想到要學(xué)習(xí)借鑒并且第一個把它做起來了？

　　這是很多國內(nèi)大廠、中廠團(tuán)隊(duì)需要反思的。

　　三、如何理解AI時代的“安迪-比爾定律”？

　　Manus團(tuán)隊(duì)的張濤在即刻上發(fā)了這么一段——

“去年底我開始鼓吹今年的推理算力需求不是十倍增長，而是千倍。大部分朋友都覺得我瘋了，這個非共識讓我們走上了一條很不一樣的道路?！?/blockquote>

　　Agent對token消耗是呈指數(shù)增長符合肖弘在接受采訪時稱的AI時代的“安迪比爾定律”——Andy gives, Bill takes away”。該定律說的是在PC時代，英特爾的安迪格魯夫?qū)⑿酒阅芴嵘?倍，微軟的比爾蓋茨就會將軟件復(fù)雜性提升1倍。

　　AI時代也一樣，LLM廠商通過性能優(yōu)化將token的生成成本降低了10倍，而Manus為代表的Agent則會讓token的消耗量提升10倍。

　　與PC時代不同，AI領(lǐng)域這一定律速度更快，PC軟硬件升級周期通常為18個月，而AI模型和應(yīng)用迭代周期縮短至2-6個月。

　　Manus為代表的Agent的發(fā)展其實(shí)也遵循了“杰文斯悖論”——蒸汽機(jī)效率提升反而刺激煤炭消耗總量增加，即當(dāng)資源使用效率提高時，不會減少資源總消耗，反而會增加。

　　基于以上的推導(dǎo)，從更長遠(yuǎn)的角度，我對國內(nèi)Agent的發(fā)展保持理性樂觀——

　　哪怕如張濤所預(yù)測：推理算力需求呈千倍增長，以國內(nèi)向來的卷價格、卷成本的優(yōu)良傳統(tǒng)，“中國卷王”們有望在下一輪Agent大戰(zhàn)中獲得結(jié)構(gòu)性成本優(yōu)勢。

　　四、大廠抄Manus作業(yè)容易嗎？

　　很多人說，這個幾十個人的團(tuán)隊(duì)做出來的東西，大廠很快就可以復(fù)制。

　　事實(shí)上，我認(rèn)為這個復(fù)制的難度不小，原因在于——

　　1.復(fù)合經(jīng)驗(yàn)：

　　Monica團(tuán)隊(duì)的經(jīng)驗(yàn)非常復(fù)合，Monica本身的產(chǎn)品就是對接各家模型的，對不同模型的能力邊界的理解會更深刻。

　　同時該團(tuán)隊(duì)在長期與瀏覽器插件打交道過程中對瀏覽器產(chǎn)品異常熟悉，甚至立項(xiàng)探索過類似Arc的AI瀏覽器的項(xiàng)目，Manus的聯(lián)創(chuàng)季逸超在NLP和機(jī)器視覺領(lǐng)域沉浸多年。

　　而Monica的定位在海外，這也讓其更容易對海外Agent產(chǎn)品的進(jìn)展保持高頻關(guān)注。

　　2.需求理解：

　　某種意義上這是Monica團(tuán)隊(duì)的基因，這種對產(chǎn)品需求的非常接地氣的理解從創(chuàng)始人肖弘早年產(chǎn)品“壹伴助手”和“微伴助手”，我早期公眾號時代用的就是“壹伴助手”，的確方便實(shí)用。

　　如果你深入用過Monica，你就能更直觀地感受到產(chǎn)品巧思所展現(xiàn)的產(chǎn)品功力——比如，在Monica，你是可以一個指令，喚起多個模型答案的；

　　再比如，它支持常用的提示詞進(jìn)行快捷調(diào)用；更不用說其各種非常細(xì)致實(shí)用的小工具。

　　國內(nèi)做AI應(yīng)用的PM，其實(shí)都應(yīng)該深入研究一下Monica功能和背后的產(chǎn)品理念。

　　比如，Manus的整個過程支持分享，分享其實(shí)沒什么，但Manus的分享是支持過程回放的，而且，Manus生成的網(wǎng)頁，直接就是可以公開訪問的，這些小細(xì)節(jié)都是團(tuán)隊(duì)產(chǎn)品功力深厚的直觀體現(xiàn)。

　　從豆包、Kimi、元寶、文心一言在功能層面的同質(zhì)化來看，我不認(rèn)為大廠在短時間內(nèi)能大幅提升創(chuàng)新能力。

　　3.團(tuán)隊(duì)敏捷性：

　　Manus在昨天的閉門分享了一個觀點(diǎn)——

“AI產(chǎn)品的迭代周期超過了大廠的OKR的考核周期”

　　這句話背后是充分說明，和大廠相比，小團(tuán)隊(duì)的扁平團(tuán)隊(duì)的敏捷在AI產(chǎn)品的開發(fā)中非常關(guān)鍵。

　　Manus團(tuán)隊(duì)不大，產(chǎn)品負(fù)責(zé)人張濤原來是光年之外的產(chǎn)品負(fù)責(zé)人，做過8年C端產(chǎn)品，5年B端產(chǎn)品，而Manus的聯(lián)創(chuàng)季逸超（產(chǎn)品視頻中出鏡的那位）也是一位技術(shù)大咖，十多年前在高中時就單槍匹馬手搓過一款產(chǎn)品猛犸瀏覽器。

　　創(chuàng)始人肖弘能將這些人組織到一起，本身就證明了其產(chǎn)業(yè)認(rèn)知和團(tuán)隊(duì)建設(shè)能力，這種隱形的軟實(shí)力無法單純靠堆人解決，不要忘了，DeepSeek也就100多人。

　　以上三點(diǎn)，解釋了為什么是Monica團(tuán)隊(duì)率先做出了Manus，而這一樣一個綜合各方面稟賦的敏捷團(tuán)隊(duì)，大廠要短時間組件并不容易。

　　五、Manus接下來會推進(jìn)大規(guī)模融資嗎？

　　我覺得大概率會。

　　邏輯在于，盡管上面說大廠短時間推出并趕超并不容易，但大廠一定會入局。

　　如果說Monica原來的“All in One”聚合產(chǎn)品能在大廠看不上的賽道找到相對的舒適區(qū)，那么對于Agent這個符合AI產(chǎn)業(yè)未來演進(jìn)方向的主戰(zhàn)場，巨頭絕無可能袖手旁觀。

　　想一想對標(biāo)Dify的Coze、元器，想一想對標(biāo)Cursor的Trae。

　　不要懷疑大廠卷應(yīng)用的資源和決心。

　　DeepSeek毫無疑問動搖了不少大廠、中廠自己訓(xùn)練基座模型的決心，但在應(yīng)用層，它們的推進(jìn)力度反而上了一個臺階，騰訊以極快的反應(yīng)速度飽和式強(qiáng)推元寶就是一個明證。

　　我們來看上邊所說的Devin，它的估值是多少？

　　答案是20億美金。

　　我不知道Monica團(tuán)隊(duì)的估值，但按之前的各種公開資料看，大概率是沒有到20億美金這個級別的。

　　也就是說Manus目前手中大概率并沒有和巨頭打大仗的資金彈藥。

　　想一想字節(jié)這樣推土機(jī)般的App工廠、想一想國內(nèi)云廠商無情的降價機(jī)器。

　　假如Manus未來面對一個“價格是十分之一、體驗(yàn)是80%”的大廠競品，用戶的忠誠度無疑是一個修羅場般的考驗(yàn)，而卷價格，只是大廠最常規(guī)的操作。

　　所以，按這個簡單的邏輯推斷，盡管Monica團(tuán)隊(duì)之前在融資層面相對保守（Monica現(xiàn)金流不錯），肖弘也多次說要保持自己的節(jié)奏，但為了給Manus囤積彈藥，團(tuán)隊(duì)大概率會進(jìn)行下一輪融資。

　　好在這次迅速出圈會給其帶來相對寬裕的融資環(huán)境，讓其團(tuán)隊(duì)有可能以較小的股份稀釋獲得相對充足的資金以對抗巨頭未來的競爭。

　　六、到底應(yīng)該如何評價Manus的表現(xiàn)？

　　我們的確看到官方案例中有無數(shù)驚艷的案例，同時不同的博主

　　關(guān)于它的表現(xiàn)，我覺得有三個維度或許有助于我們更客觀地觀察它的表現(xiàn)——

　　1.GAIA的Benchmark分?jǐn)?shù)決定了它的水準(zhǔn)是在基準(zhǔn)線以上的；

　　GAIA由Hugging Face等研究團(tuán)隊(duì)于2024年聯(lián)合AutoGPT推出，它包含466個多領(lǐng)域、多模態(tài)的問題及標(biāo)準(zhǔn)答案，只在測試Agent的解決問題的能力。

　　GAIA這是一個反傳統(tǒng)的評測，與傳統(tǒng)AI基準(zhǔn)測試（如法律、數(shù)學(xué)等專業(yè)領(lǐng)域）不同，GAIA專注于對人類簡單但對AI困難的開放性問題，這些問題模擬日常場景。

　　比如——

最新的樂高維基百科頁面中有多少張圖片？”

　　再比如——

“在美國國家航空航天局 2006 年 1 月 21 日的天文照片中，可以看到兩名宇航員，請問其中年齡更小的宇航員在太空中待了多少分鐘，四舍五入精確到分鐘。”

　　Manus在所有三個難度級別上都實(shí)現(xiàn)了超越OpenAI的性能，這個成績無疑是讓人印象深刻的。

　　2.高分并不直接決定個人使用的實(shí)際表現(xiàn)；

　　比如從實(shí)測博主、等生成的案例看，它的各項(xiàng)表現(xiàn)完成的不錯，無論是生成可交互的科普網(wǎng)頁，還是開發(fā)文字游戲，完成度很高。

　　但從、的體驗(yàn)看，其中有一些任務(wù)完成的并不好，比如，花生讓其生成一本書的營銷計(jì)劃，從結(jié)果看，很龐大，但細(xì)看非?；\統(tǒng)，并沒有太多個性化內(nèi)容，一本書的營銷預(yù)算是54萬，基本不可用。

　　而果殼的測試也發(fā)現(xiàn)Manus在一些任務(wù)用存在如下問題——1.過度推理，過于發(fā)散；2.信息來源質(zhì)量不夠；3.無法按要求的格式交付；4.經(jīng)常需要接管。

　　3.正確的評價是理解其邊界、管理好預(yù)期；

　　Manus目前的架構(gòu)決定了它的邊界在深入研究、輕度合成的信息處理領(lǐng)域，屬于Artifacts+DeepResearch+Operator+Claude Computer Use的輕度縫合怪，還不是完全體。

　　比如它的虛擬機(jī)操作范圍的核心還是瀏覽器，你讓它剪個片子、幫你玩《艾爾登法環(huán)》這類輸入就屬于并沒有理解Manus的能力邊界。

　　關(guān)于Agent，一個極簡版的理解邏輯是——任務(wù)成功率等于任務(wù)步數(shù)乘以每一步的成功率。

　　假如一個任務(wù)總共要分三步，而底層模型每一步成功率是90%，那么總體成功率就是90%*90%*90%=72.9%，同理，如果單步成功率為70%，總體成功率就變成70%*70%*70%=34.3%。

　　兩年前的AutoGPT之所以不可用，一個重要原因?yàn)楫?dāng)時的模型單步驟成功率太低，導(dǎo)致總成功率不可用。

　　而Manus的發(fā)布就基于基礎(chǔ)模型過去兩年的快速進(jìn)步，讓其在某些單任務(wù)上的成功率快速上升，以至于到了基本可用階段。

　　Manus恰如其分地抓住了這個時間點(diǎn)，同時將其推向了消費(fèi)級市場。

　　關(guān)于Manus的體驗(yàn)，一個容易忽視的要素是價格——

　　根據(jù)官方閉門會披露，單任務(wù)的成本是2美元，也就是跑一個任務(wù)大概花費(fèi)14塊人民幣。

　　這意味著，如果Manus按成本+利潤定價，用戶最終用到或許會超過這個價格，那么在這個價格下，我們再來看其產(chǎn)出質(zhì)量，無疑需要重新評估。

　　靜待后續(xù)市場檢驗(yàn)。

　　結(jié)語

　　我昨天看到這樣一條Twitter——

　　沒錯，我大體是同意這個觀點(diǎn)的，“你不擁抱變化，變化就會壁咚你”，但我反對應(yīng)激性焦慮。

　　除非你本身就是做AI媒體的，不然如果每一個新熱點(diǎn)都要第一時間追，那么你永遠(yuǎn)追不完。

　　正確的做法是，一個新東西出來，先讓子彈飛一會，然后綜合各維度信息判斷其價值，決定自己應(yīng)該多大程度上校準(zhǔn)自己的認(rèn)知和行動。

　　——完——

　　作者：“降維實(shí)驗(yàn)室”主創(chuàng)潘寒，《三體》謎，野生AI創(chuàng)作者，開瘋狂腦洞，挑戰(zhàn)AI的各種可能性。