在 8 月份宣布突破 9000 萬美金年化收入后《》，Manus 昨晚宣布其 ARR 已經突破了 1 億美金，成為從 0 到 1 億美金 ARR 最快的初創(chuàng)公司。

Manus 的總收入年化運行率則超過了 1.25 億美金，這塊數(shù)據(jù)包含了基于使用量的收入和其他業(yè)務收入。自 Manus 1.5 發(fā)布以來，其月度復合增長率超過 20%。

根據(jù)之前的介紹，1.5 版本一個改進是任務完成速度快了近 4 倍，另一個就是可以構建完整的 Web 應用。與典型的“AI 網(wǎng)站構建器”不同，它可以在單一上下文中執(zhí)行整個價值鏈：研究并產出深度內容，構建網(wǎng)站，分析用戶交互數(shù)據(jù)，并基于這些發(fā)現(xiàn)生成見解或演示幻燈片。

前幾天更新的版本則可以直接通過 Manus 來做移動開發(fā)了，這塊我之前介紹過專注于開發(fā) App 的 AI Coding 產品，《》。

有網(wǎng)友說通過 Manus 開發(fā)了一個完整的移動 App，我簡單體驗了一下讓它構建一個 AI 筆記產品，效果還不錯，包括后端、數(shù)據(jù)庫這些全都自己設計好了，我只需要集成一個 OpenAI 的 API 即可，并且給出了發(fā)布到 App Store 的指南。

Manus 沒有公布用戶的分布情況，不過我在 X 上簡單做了一下搜索，發(fā)現(xiàn)有不少日本用戶分享了通過 Manus 做各種產品的帖子，特別是用它來做移動 App 和 Web 產品這塊，我估計來自日本的用戶有不少比例。

Manus 說，自上線首個通用 Agent 以來，已經累計處理了超過 147 萬億的 Tokens，創(chuàng)建了超過 8000 萬個虛擬計算機實例。

之前 Manus 根據(jù)其自身實踐分享了幾個構建通用 AI Agent 在上下文工程（Context Engineering）的經驗很有價值，其結論是與其通過微調模型來提升能力，不如通過優(yōu)化上下文管理來讓代理更聰明、更高效。

首先就是優(yōu)先考慮 KV 緩存（KV-Cache），這需要保持前綴穩(wěn)定，避免在系統(tǒng)提示詞開頭放置動態(tài)信息（如時間戳），同時通過只增不刪來確保上下文序列化是確定性的，避免修改過往的操作記錄。

第二個是遮蔽（Masking）而非移除工具，當工具數(shù)量爆炸時，動態(tài)刪除工具會導致模型困惑和緩存失效。

第三個經驗是將文件系統(tǒng)作為外部記憶，長上下文不僅昂貴，還會導致模型性能下降。因此需要持久化存儲，讓模型學會讀寫文件，將文件系統(tǒng)視為無限大的“結構化外部記憶”。其次要可恢復壓縮，移除不必要的原始數(shù)據(jù)（如 HTML），但保留路徑或 URL，以便需要時重新找回。

第四個經驗是通過“復述”引導注意力，Manus 會在上下文中不斷更新todo.md。這通過自然語言將全局目標反復推送到模型的近期注意力范圍內，防止代理在長任務中偏離目標。

最后是保留錯誤的記錄，因為錯誤即經驗，不要清理失敗的嘗試。將錯誤的行動、觀察結果和堆棧跟蹤保留在上下文中，能讓模型意識到之前的路徑行不通，從而實現(xiàn)“錯誤恢復”和自我修正。

其核心觀點是，代理的未來在于如何巧妙地塑造上下文。如果你能設計好記憶、環(huán)境和反饋循環(huán)，即便底層模型不變，代理的表現(xiàn)也會有質的飛躍。

與此同時，最近終于又出來了一個讓我眼前一亮并且很看好的 AI 產品（模型），種子輪就拿了 4000 多萬美金，它跟 ElevenLabs 類似屬于語音 AI 這個方向，雖然看起來聚焦的領域更加細分，但卻是一個非常龐大且被幾乎所有人都忽略了的市場。

我把它稱為 AI 視頻語音，是一個隨著 AI 視頻普及而指數(shù)級增長的需求，當所有 AI 都聚焦于……

全 文 共2868 字

后續(xù)內容為付費會員專屬，會員掃碼登錄直接閱讀

Memo: Signal, not noise!

訂閱 Memo Pro

Memo（vcsmemo.com）是一個基于付費訂閱模式的創(chuàng)投內容平臺，已得到大量 VC、企業(yè) CEO 以及高管的支持，我們希望幫助你捕捉最具價值的行業(yè)信號、過濾噪音（Signal,Not Noise）。

訂閱 Memo Pro
你將獲得：

1.解鎖未來一年以及之前的所有會員專屬內容

2.郵件訂閱功能：付費內容+最新行業(yè)快訊+...

3.優(yōu)先體驗 Memo 新產品和新功能

限時 799 元/年（原價 999 元/年），掃碼立即訂閱

1.

2.