摘要：在科技飞速发展的当下，AI领域的新突破不断吸引全球目光。Manus发布后，迅速在国内外引发高度关注。围绕它，我们深入探索2025年热门话题之一 ——AI agent。

在科技飞速发展的当下，AI领域的新突破不断吸引全球目光。Manus发布后，迅速在国内外引发高度关注。围绕它，我们深入探索2025年热门话题之一 ——AI agent。

当我们讨论AI agent时，我们在讨论什么。Agent在技术界由来已久，核心是具备 “autonomous”（自主）能力，可独立或协作完成任务。

要实现自主，需具备感知外界输入、使用工具以及处理复杂问题时的长程规划能力，这对底层模型在感知、输出、工具使用和推理等方面均有要求。此外，agent能在工作中自我进化、积累经验，其能力和要求借鉴了人类专业分工。

复盘2024年agent发展，主要体现在三方面。定义上，从最初的众说纷纭，年底基本聚焦到使用工具和自主决策，虽不同公司解释有别，但已更为明晰。

产品方面，调研类如Gemini、openAI等产品，能以agentic方式助力用户深度浏览互联网并给出回答。

技术层面，agentic AI构建工具大量涌现，不同工具体现不同团队认知。总体而言，2024年agentic AI在定义、产品和技术上更具确定性与活力。

Manus发布时提及的GAIA是重要衡量标准。GAIA是2023年底由Mela和哈根face领导提出的基准测试，全称General AI Assistant。

当时AI发展中，GPT-4在考试中得分高，引发对AI发展方向思考，即AI是靠记忆还是真有推理等智能。

GAIA题目强调推理、多模态网页浏览及工具使用能力，人类易获高准确率，而当时先进AI即便调用工具的GPT - 4准确率也低。

GPT-4的一些测试结果

为防数据泄露致AI背题，GAIA 将400多道题分为测试题和验证题，测试题只公布题目，验证题同时公布题目和答案，且为客观题以便自动化测试。

不过GAIA并不完美，各公司公布结果需明确是在验证集还是测试集，且测试相对简单，难以测出长期记忆和大contexts window的AI优势。

MCP由anthropic去年11月发布，因市场大模型多、工具调用格式不一而产生。

一个好的协议需具备抽象、表达力强、易用、调试方便等特点，MCP表现较好，形成行业标准，但技术上仍有改进空间。郑灿认为其与集装箱标准形成类似，降低行业摩擦。

从去年到今年，模型推理有巨大变化，出现DeepSeek、Gemini thinking等强推理模型，使Manus能进行长程推理、完成任务规划。

但当前模型推理仍有不足、易出错，Manus的重要贡献是在模型不确定基础上，通过规划、执行和反思相对确定地达成目标，相比去年进步显著。

Manus融合了depressor调研类产品和Cursor、Devon代码生成类产品功能，改变了用户体验。以往用户完成复杂任务需自行拆解、选工具、设计接口，有了Manus只需交付需求，由其分割问题和执行。

且Manus产品完成度高，解决数据抓取等痛点，可用性强，实现了用户定义问题，AI自主执行的初衷，以最短链路达成目标。

Manus有创新，整合Browser、图像理解与生成、反爬等多种模型和工具，让用户无需操心工具使用就能完成复杂任务，体现强大产品力。

在大模型不可控、易出错情况下，Manus通过大量工作保证可用性，与Cursor等产品类似，都是新产品形态的创新。

同时，Manus使用中展示工作过程，任务中可随时对话，给用户真实agent感受，且不仅能调研，还能进行多种生成类工作，作为通用型AI agent备受期待和好评。

Manus诞生并非偶然。团队前期做了大量工作，前年9 - 10月尝试agent方案。去年3月做GPS的GPTS 平台，积累技术为Manus操作浏览器提供基础等。

这些工作在市场窗口期和技术成熟时，组合形成强大创新能力，体现团队前瞻认知和强大执行力。且莫妮卡产品中调教好的工具，为Manus使用工具提供优势。

对于大厂谁先发布类似Manus产品，字节可能性大。字节在半专业agent工具上有诸多实践，如扣子、tria等。

很多模型厂商和 AI 初创企业发布deeprearch相关产品，从调研角度类似AI agent产品。但像 Manus擅长的具体任务，可能并非模型公司目标，不过他们可能提供工具箱支持。目前开源框架不断涌现，行业热闹，期待更多新产品和突破。

从长远看，agentic AI产品核心竞争点在于工具、数据和智能的复利。工具复利单纯堆砌数量和广度难以构建优势，易被抄袭。

数据复利方面，产品若能积累和外化用户数据，如个人喜好、团队流程等，可构建竞争力，增加用户迁移难度。

智能层面，对资源、资本和系统优化能力要求高，一般由资源雄厚公司竞争，小公司可针对特定领域微调竞争。

所以，从数据方面建立护城河较为简便可行，构建好数据沉淀流程和方法论，形成强大数据管理和知识外化体系，是长期竞争的关键组织能力。

长期是好事，短期影响不大。训练方面，高效模型架构在研究中，英伟达用量可能不像原来大幅增长。

以DeepSeek为例，其出现后海外H200租金上涨，因为大家需要host deep seek，且蒸馏模型在推理中用量增加。

像Manus通过token完成规划和输入输出，消耗大量算力和token，这是当前这类产品面临的问题。在DeepSeek出现前，去年推理成本下降，之后大家囤货。

应关注AI agent产品模型推理效率低、消耗token多的问题，期待未来能得到解决，若模型能在体内思考，效率会大幅提高、成本降低，虽不一定减少算力消耗，但能节省时间成本，这是大家期待的新长程推理模型。

AI agent时代即将来临。随着DeepSeek、各种thinking model以及Manus等产品出现，模型能力提升使agent产品得以落地，这个时代越来越近，尤其这一季度推进明显。

来源：波波百谈