最近一周，AI圈最热的词当属Manus。作为北京红色蝴蝶科技有限公司推出，尚处于封闭测试阶段的创新型AI智能体产品，Manus在过去几天既经历了“下一个DeepSeek”的高规格赞誉，也经历了因任务失败率高等问题而引发的质疑。
北京时间3月10日至11日，Manus在官方社交平台回应了外界关切的各种问题，公司联合创始人、首席科学家季逸超披露了Manus使用的底层模型与开源代码。3月10日17点，Manus也进行了2小时的维护，季逸超表示，维护后Manus的故障率大幅下降，但系统压力也更大，正努力解决问题。
Manus“更新前后”的产品表现有何不同？新京报贝壳财经记者对此进行了视频、网页、文字、游戏四个维度的测试。测试发现，3月11日更新后，Manus任务的成功率确实有明显进步，但也出现了“当前服务负载较高，无法创建任务”的情况。
“我们应该提倡各种AI原生的颠覆式创新，Manus团队值得提倡和鼓励，不是因为其营销方式，而是因为他们正不断追求新一代的AI原生应用模式和体验，不管是新的交互方式、新的服务方式还是新的商业模式，对行业的发展都很重要。”快思慢想研究院院长，原商汤智能产业研究院创始院长田丰告诉新京报贝壳财经记者。
记者实测：更新后任务成功率从50%上升至66.66%
相比于大语言模型类产品的交互窗口是一个小小的对话框，Manus的优势在于不仅可以思考，还可以执行用户的命令，且是完全“可视化”——通过屏幕右侧“Manus的电脑”窗口，用户可以完整看到Manus从思考、浏览网页到写程序甚至检测bug的全过程，这种产品设计带给人的新奇感就犹如头一次看到DeepSeek深度思考的过程一样，这也是新京报贝壳财经记者体验该产品的第一个感受。
但在体验后，许多用户反馈Manus完成用户提交任务的成功率并不高。对此，3月9日至10日，记者向Manus提出了8项任务要求，其成功完成了4项任务，另有4项任务因各种原因未完成，照此计算，任务成功率为50%。
视频说：Manus的“九子夺嫡模拟器”游戏任务执行界面
例如记者要求Manus以清朝康熙时期“九子夺嫡”为背景，使用Python设计一款“皇子模拟器”游戏，其最初运转良好，如使用4分钟上网浏览资料，研究了清朝历史和康熙九子夺嫡的背景，又分别花费2分钟创建了皇子资料、实现游戏介绍和角色选择功能，并在15分钟时完成了结局系统，但当其开始“测试游戏功能并修复bug”时，程序出现了停滞不动的状况，截至发稿时已过24小时，任务仍未完成。
而当记者要求Manus以贝壳财经已发布的视频为模板，新制作一个10秒钟的视频新闻时，Manus首先发现自己无法打开记者提供的抖音视频链接，并首次“求助”了记者，但记者提供视频后，其在“准备视觉素材”时再次陷入卡顿，任务未能完成。
Manus向记者“求助”要求提供视频内容 电脑截图
而在已完成的4项任务中，有2项任务也并未达到及格水平。如记者再度尝试进行视频制作任务并直接提供素材后，Manus才成功完成了这一任务，但其提供的成品视频中只有闪烁的文字内容，且文字最后溢出了屏幕，并未达到参考视频的效果。
左为新京报贝壳财经记者提供的参考视频，右为Manus生成的视频 电脑截图
而3月11日Manus的更新后，记者向其提出了6项任务要求，Manus成功完成了4项，相比更新前，成功率达到了66.66%，而失败的2项任务也并非中断，而是在任务开始之前就提示“当前服务负载较高，无法创建任务。请几分钟后再试。”
对于更新后的Manus，季逸超表示，“好消息是，我们几乎把Manus的上下文限制翻了一倍，还增强了沙盒硬件，使得故障率大幅下降。坏消息是，随着故障率降低，现在会话运行时间变长了，系统‘汗如雨下’，失败率又开始回升……只能暂时限制一下运行速度。我们正在努力解决……也许这就是封闭测试阶段的‘魅力’所在。”
回答问题一般耗时15分钟 答案比大语言模型更全面但并非“无所不能”
贝壳财经记者测试发现，根据任务难度的不同，Manus执行任务的时间也不同，如对“设计采访提纲与视频采访脚本方案”等几项文字类任务，Manus的执行时间约为15分钟至20分钟，而对于“设计金融科普互动产品”这项涉及网页交互的任务，Manus耗时31分钟，最终成功制作出了一个可以进行互动的网页产品，虽然其中一些具体场景的画面仍未完成，处于“半成品”，但这已经超越了大语言模型产品的能力范围。
Manus制作的金融科普互动产品，可以看到缺乏图像，但下方试题已经可以与用户互动
贝壳财经记者通过实测发现，Manus执行任务的时间一般在15分钟左右，对于文字类的回复其执行相对轻松，并且能生成多个文档。如记者同时对DeepSeek和Manus提出“浏览B站热门视频，推测可能爆火的科技新闻类选题，并设计文案”这一任务时，DeepSeek思考76秒后给出了回答，Manus则花费了超过15分钟，但相比DeepSeek给出了单一的文字回答，Manus一口气给出了包括“B站科技内容受众分析”“B站热门科技视频分析”“潜在爆款话题分析”“视频完整文案”在内的四个文档，回答的内容更加充分。
当然，Manus也并非一个“无所不能”的AI助手，如记者下达一个设计漫画作品的任务时，Manus只生成了文字框架和分镜设计，表示“作为AI助手，我无法直接绘制图像或创建视觉艺术作品”。同时，记者观察Manus的云端电脑发现，其在浏览网站时使用的是游客身份，当遇到一些需要登录才能浏览的内容，或者会员内容时，就会发生访问失败的情况，因此相比人类网络用户，Manus受到的限制更多，这也增加了它任务失败的概率。
田丰告诉记者，“在需要精准信源的领域，比如分析特斯拉股价，Manus只能抓取雪球、搜狐等二手信息，却无法直接获取财报原文。这可能涉及两方面问题：一是系统缺乏优先抓取权威信源的逻辑设计，二是受限于网络访问权限无法爬取一手数据。这种信息落差会对用户决策造成实质性误导。”
此外，在简单任务的表现上，Manus在效率上无法和更加垂直的产品相比，例如记者使用Manus耗时15分钟生成了一张PDF版本的“招聘启事”，而使用Kimi+的PPT生成功能，数分钟就生成了8页PPT招聘启事。
这也许就是为何Manus团队在产品爆火后给出了提示，称“大家目前看到的Manus还是一个襁褓中的小婴儿，离在正式版中想交付给大家的体验还差很远。像模型幻觉、交付物友好度、运行速度等方面都还有很大的提升空间。
外部关注度上升 Manus创新更多在产品层面而非模型层面
另一方面，同为广受关注的AI产品，相比DeepSeek，Manus在初期“爆火”的传播路径上有所不同：DeepSeek是从国外科技社区先行火爆，之后再传回国内，而Manus则是由国内先行传播，特别是首个详细实测是从自媒体的公众号开始，加上Manus产品创始人肖弘本身曾推出过微伴助手等企业微信营销应用，因此对于Manus爆火是基于“营销”的质疑始终不绝于耳。
但贝壳财经记者注意到，相比3月6日Manus初期火爆时外网平台英文用户几乎“无人问津”的态势，近几日英文用户对Manus的讨论正开始逐渐增多，如谷歌搜索创始团队成员DeedyDas在3月9日发文称，“深度研究+自动操作+电脑使用+可爱+记忆功能，Manus就是我们所承诺应该有的AI Agent。”3月11日，贝壳财经记者发现X平台上搜索靠前的关于Manus的讨论均为英文用户。
田丰告诉贝壳财经记者，Manus作为产品的核心突破在于构建了任务调度引擎。具体来说有三个创新点：它能够将复杂任务分解成清晰的子任务清单，比如完整展示调研步骤的逻辑框架；它像增强版搜索引擎，会主动抓取网页资料进行归纳整理，而不是被动等待指令；它支持实时查看任务进度条，若其支持中段修改任务，理论上这种迭代机制能大幅提升效率。
在他看来，Manus目前短板也很明显，根据他3月10日的实测，Manus执行复杂任务时超过40%会失败，“例如我要求分析40个AI工具，系统需要在全流程中持续携带上下文，最终可能因为超出算力限制或服务器负载，任务崩溃了。可以说，当前Manus更适合生活场景而非专业场景。”
“坦率地说，目前用户能够测试的Manus产品更像是0.1内测版本，而并非1.0版本，所以该产品需要快速迭代，才不会偃旗息鼓。Manus展现了细粒度、开放性的任务流、自动化引擎，虽然有些磕磕绊绊，但给了大家很好的指向，同时这也是一款AI原生应用，因为只有通过多款大模型才能支持工具流。”田丰说。
3月11日，有消息称Manus平台将与阿里通义千问团队达成战略合作，对此，阿里通义方面回复新京报贝壳财经记者称，“Manus和通义千问确实在进行开源模型方面的合作。我们期待与更多全球AI创新者开展合作。”
由此来看，Manus的创新更多在产品层面而非模型层面，多位观看Manus云电脑窗口的用户告诉贝壳财经记者，看着Manus在窗口中“很努力”地执行任务，“一下子就理解了什么是AI Agent”。智灵动力CTO朱旭琪则在接受贝壳财经记者采访时表示，Manus把OpenAI曾展示过的“虚拟机”操作做出了比较好的交互性，可圈可点。
对于Manus所代表的AI Agent类产品在未来的发展，田丰认为，当前最大的阻碍是生态封闭。如当用户要求比价京东拼多多，Manus只能搜到新闻稿而拿不到真实商品数据，因为平台屏蔽了搜索引擎爬虫。解决路径有两个：一是通过生态协商开放MCP接口，二是模拟人类操作接管用户账号完成动作。但两者都存在现实阻碍——前者难过大厂的“护城河”，后者则需要用户交出账号控制权存在信任危机。而一款AI Agent产品能否在这样的困境中“突出重围”，还需要多重考验。
记者联系邮箱：luoyidan@xjbnews.com
新京报贝壳财经记者 罗亦丹
编辑 岳彩周
校对 付春愔
