一、集中式信息发布的异常性
- 时间窗口可疑当前搜索结果中关于Manus的技术解析、创始人访谈等内容，均集中于2024年7月17日发布，且信息源高度同质化（多为科技自媒体账号）。这种“脉冲式传播”与正常技术产品渐进式曝光的节奏不符，符合营销欺诈中“信息轰炸制造热点”的典型特征。
- 权威信源缺失尽管宣称技术突破，但未见IEEE、arXiv等学术平台论文，或微软、谷歌等头部企业的合作背书。所有技术描述均来自团队单方面口径，缺乏第三方独立验证。
二、用户触达机制的矛盾性
- 语言与市场定位割裂团队强调“全中国团队”，但产品界面仅支持英文，且官网（manus。im）无中文版本。这种矛盾可能隐藏真实意图：利用“中国团队”标签吸引国内关注，实际用户获取与融资目标指向海外市场，形成跨境监管套利空间。
- 封闭测试的操纵空间当前仅通过邀请码制开放体验，且未公布发放标准。结合闲鱼等平台出现的邀请码倒卖产业链，存在人为制造“虚假繁荣”的可能——通过控制内测资格筛选出有利体验报告，压制负面反馈。
三、技术验证的严重缺失
- 核心能力的不可证伪性官方演示视频中的任务（如简历筛选、房产分析）均可通过预设脚本+自动化工具实现，未展示动态场景应对能力（如用户临时修改需求后的实时响应）。对比OpenAI等企业公开的实时交互录屏，Manus的演示存在明显“剪辑痕迹”。
- 开源承诺的可信度存疑团队宣称将开源推理模块，但未公布时间表与代码仓库。参考历史案例（如某些区块链项目），此类“未来承诺”常被用于对冲当前质疑，实际兑现率不足30%。
四、法律层面的风险信号
- 公司主体信息模糊官网未披露注册地、营业执照等法定信息，仅以“Monica团队”代称。根据《中华人民共和国反不正当竞争法》，商业宣传中隐瞒真实主体信息已涉嫌违法。
- 跨境融资的灰色操作若团队实际注册于开曼群岛等地，却以“中国团队”名义吸引国内流量，可能涉及VIE架构下的信息披露违规。此前类似案例（如瑞幸咖啡）已引发SEC调查。
结论：高风险警示
UP主创作不易，点个赞评论支持一下吧~
本文来自投稿，不代表本站立场，如若转载，请注明出处：
今天早上一起来，感觉AI圈子里被Manus刷爆了，但很快评价就从激动变成毁誉参半了，吹捧者说这是下一个ChatGPT时刻，是deepseek之后中国AI的又一次胜利，批评者说无非是一场营销盛宴。那么真实情况是什么样呢？
首先看Manus是什么。这是一种AI agent，本质是利用了多个AI进行交互，完成传统聊天式chatbot不能完成的电脑操作任务——办公软件完成白领的日常工作如表格PPT等，通过代码完成白领的脑力搬砖——由一个AI操纵其他AI来完成不同的子任务，从而完成一整个任务。
回看这两年发展，其实这样的概念早就被提出，甚至25年被认为是agent元年的情况下，Manus的发布其实是水到渠成的一步，它只是在工程上把之前大家的普遍想法落地了。在此之前的产品确实也有很多agent，比如Devin、Artifacts、MetaGPT、AutoGPT、Eko、coze、dify、各家的compute use还有browser use等等，但Manus号称是全球首个能真正独立完成复杂任务的AI助手，相比之前的agent，它不限领域（比如Devin只能编程），不需要手动搭建组装各种模块，可以自动组织不同的AI分工干活，从这一点来说它确实是第一个实现的（尽管还没有达到很多自媒体吹的那样）。
我体验了几个别人跑好的case，初体验确实是很惊艳的，规划调度思路很拟人，不同AI之间操作形成一个完整的系统，你可以看到每一步进行了什么，规划流程、上网检索、写代码执行终端命令，compute use还有browser use自由切换，就像真人在电脑上办公一样。但是这些case都是官方和KOL在很多尝试中cherry pick出来的成功案例。有没有失败的呢，有的兄弟有的。他们官网上cherry pick出来的教育案例：制作一个网页给中学生演示动量守恒（传送门），乍一看哇这得是一般人两天的工作量吧，“这简直就是agent的ChatGPT时刻！”，但是你仔细看，它所有的动画在两个物体碰撞后再次接触就水灵灵的穿过去了，没有碰撞！！？这可是官网上的例子，看来这cherry pick也不是很精细嘛。此外今天中午腾讯程序员的直播间里让Manus写在线贪吃蛇小游戏也没有写出来一个能跑的，改了两三次都没有成功运行，并没有和其他前沿agent系统或者LLM有代差（下文我们分析原因）。
*从技术上有人说“Manus 是套壳到了极致”，这一点所言非虚。Manus的底层模型是claude和他们自己微调的qwen，主要的工作都是在工程上的：不同于很多人的猜测，manus不是搭建的workflow，不是用了搭建好的很多个性化的有structure的agent，他们给模型虚拟机的系统权限，给负责执行的模型进行预训练分类做不同种任务，让负责规划和调度的那个LLM有足够的权限可以指挥手下每个AI。这样的架构是有木桶效应的，如果其中一环出现问题就会导致整个系统不稳定，比如上面贪吃蛇的例子，写HTML代码那个agent出问题就会导致整体不合格，或者在规划阶段出现问题，其他阶段也会彻底卡死。但这样解绑的好处也显而易见，应用层可以更轻松享受到模型层性能提升带来的红利。
当然，Manus最让人诟病的就是所谓的“铺天盖地的营销和宣传”，不过这一套是从硅谷学来的。事实是这样的他们昨晚十点发布产品，给一大批自媒体发了邀请码，今早开了内部交流会，线上线下邀请了很多国内自媒体KOL。国内自媒体大抵是第一次这么广范围拿到先进AI产品的内测，效果确实不错，所以一个两个基本都吹上了（毕竟人吃不上国外的饭）。至于“收钱买榜发文”之类的是子虚乌有，推荐算法就是这样的对于快速上升的热点是有更高权重的。还有更好玩的言论是“诶呀国外一片安静，都是国人自嗨”，这种是属于没有外国媒体和X上的锐评就不会说话，有点像很多乐迷等权威乐评机构发了点评才敢说这首歌是好是坏一样，本质上都是没有主见诉诸权威的体现，Deepseek R1开源到硅谷沸腾起来是有时间差的，更何况Manus只是内测，没有内测码玩不了。至于邀请内测这件事让我想起了同样套路的ARC浏览器：苹果工程师创业搞的浏览器，邀请码分给各家硅谷大厂的高层，让他们作为KOL全网到处吹，普通用户只能被这种饥饿营销搞的眼馋。当然waitlist+邀请码确实是产品前提开发的常用模式，因为产品快速迭代，需要小范围用户试错，再加上高昂的LLM推理费用和部署资源不到位，这几乎是无可避免的。
至于“Less Structure, More Intelligence”的价值和“mens et manus”的理念，听听就行，我又没拿到邀请码才不会吹呢，一切评判标准都看技术和产品。
但是不要忽略了一点，Manus的出现是人们心里一直在猜测的范式转变的现实验证——scaling law从预训练转向推理，更进一步转向agent里——单次任务的平均消耗是$2，意味着巨量的token在agent之间被消耗，意味着在agent里投入更多的算力可以比在预训练投入相等算力带来更显著的性能提升（这一点从它GAIA Benchmark的分数最高就能明显看出来），意味着算力提升仍然代表着智能提升，意味着算力的需求找到了新的扩张路径。这一点得到验证后，很快就会有别的初创或者大厂跟进了。
这条赛道竞争激烈，很快不同技术路线的agent也会出现。LLM厂会快速跟进，去实现他们去年畅享的图景。AI发展很快，曾经高高在上不可一世的OpenAI，从sora失利后就越来越显示出伤仲永的疲态，再也不能断层领先的故事告诉我们AI领域没有护城河，今天你遥遥领先明天就会被追上，这个行业的内卷超乎你想象。但是卷意味着领域发展更快，以前想象的东西都会逐渐实现，最终得到好处的是我们消费者。让子弹再飞一会。
对了，Manus AI说之后会开源，这是好文明，我们可以期待一下。