邮箱｜zhouyixiao@pingwest.com
2025年开年以来，AI行业的风向悄然变化。当大家对聊天机器人已经习以为常时，一个更新的概念——能直接动手完成任务的AI Agent，开始被频繁提起。
就在这个当口，一个叫Manus的产品进入了大众视野。它想解决的核心问题，是如何让AI不止会说，还能直接上手做事，把想法变成结果。这个思路，加上它在亮相时对整个情绪的利用，让它很快吸引了全球科技圈的关注。
虽然像OpenAI的Operator在今年1月就发布了研究预览版，但从后来故事的走向来看，Manus的出现第一次将一个独立的、定位“通用”的AI Agent产品，抛到了更广泛的用户面前。
接下来的几个月，这家公司的节奏很快。三月产品刚亮相，四月就宣布完成了7500万美元的B轮融资，领投方是硅谷老牌的顶级风投Benchmark。同时它出现在Anthropic等硅谷主要模型公司的生态里，得到高调展示。他的创始团队开始在全球各地举办用户聚会。
到了六月，Manus便正式确认，将公司总部从北京迁往新加坡，同时还计划在加州和东京设立办公室。
将总部设在新加坡这个东西方交汇的枢纽，让它离全球市场更近了一步。当然，在当前复杂的全球环境下，这样做也是一种现实选择。加速迁往新加坡，部分原因也被认为是为了应对美国对AI领域的投资审查。
伴随总部迁移的，是团队的快速重构。近期，Manus对国内的团队进行了调整，约40名核心技术人员被转移到了新加坡的新总部，而国内原有的约120人团队中的其余部分则面临裁员。有评论就指出，对于一家初创公司，120人的团队显得有些“臃肿”，调整或许也是必然。
就这样，Manus在短短几个月里，完成了从一家本土明星创业公司到新加坡全球总部的转变，这被不少人形容为“跑路”。
喧嚣之下，Manus是怎么做产品的
一家公司的架构与战略经历剧变，外界的目光往往聚焦于其商业动作。但对用户来说，更关心的问题始终是，那个最初吊足了人们胃口的产品，现在怎么样了？
要理解Manus，可以用一个比喻。过去我们用大模型，就像招来一个学识渊博的博士实习生，但只给了他纸和笔，能做的事情很有限。而Manus想做的，是直接给这个“实习生”一台配置齐全的电脑，让他能上网、能使用工具、能自己写代码，让他真正地动手干活。所以，它的核心意在弥合“构思”和“执行”之间的鸿沟。
为了实现这一点，它的内部设计更像一个微型项目团队，能自动规划、执行、并验证任务。这种设计的关键，在于它让用户“看见”了AI工作的全过程。用户看到的不再是黑盒子和最终答案，而是一个清晰的任务列表，能实时观察到AI正在采取哪一步行动。
尽管通用AI代理的愿景很宏大，但初期的热度过后，现实的问题也逐渐浮现。许多用户反馈，面对一个空白的输入框，反而不知该如何分配一个具体的复杂任务。同时，Agent的运行速度偏慢，成本也不低，这都影响了用户的使用频率。有数据显示，产品初期的访问量曾出现连续下降。
这些现实问题，促使Manus的产品团队做出了一些具体的调整。比如“不知道怎么用”的困境，Manus在2025年6月推出了免费的聊天模式（Chat ）和一个名为Playbook的模板库。聊天模式用来处理日常简单的任务，而Playbook则为一些常见场景提供了现成的模板。同时，为了解决成本和速度问题，Manus也对架构进行了优化，据称在三个月内将成本降低了5倍，速度提升了2倍。
Manus在产品哲学上的核心理念叫做“less structure, more intelligence”。团队相信，不应该为当前大模型的局限性去设计过多僵化的产品结构。有一个流传的说法是，Manus团队自己没有写过一个预设的“工作流”（workflow）。他们相信，只要给模型更少的限制，它自己就能通过学习找到最优的解决方案。
这种思路，决定了Manus选择成为一个“套壳”应用，它专注于打磨应用层，整合并调用业界最优秀的基础大模型（如Anthropic的Claude系列）来完成任务，而不是自己去造大模型。这是一个务实的选择，可以更快地向用户交付价值。但挑战也随之而来，作为“套壳”，它的核心能力极大程度上受制于它所调用的底层大模型。一旦底层模型的能力提升，或者像OpenAI、Google这样的大厂推出功能更强的原生Agent，Manus就可能面临被“吞噬”的风险。
目前来看，Manus正试图通过快速的产品迭代和对用户工作流的深度整合，来建立这种壁垒。他们博客中提到的未来规划，包括定时任务、应用集成（邮件、日历、云盘）等等，都指向一个更宏大的目标，成为用户工作和生活中不可或缺的“第三只手”。这个愿景，也恰好呼应了它的名字——Manus在拉丁语中，正是“手”的意思。
现在还能这样用
从最初的邀请码饥饿营销机制，到后来限免开放，再到有了完整付费分层正式给所有用户提供服务，Manus能做的事有哪些变化？
这个反而是没多少人讨论的。
许多人对Manus的印象，可能还停留在它诞生之初那些能自主规划旅游行程、或生成市场研究报告的惊艳演示上。这些能力展示了它作为AI Agent的潜力。那么，经过这几个月的迭代，现在的Manus又多了哪些有意思的用法？我们实际上手试了试。
第一个发现是，它在想办法让普通人也能轻松用起来。我们打开它的“Playbook”模板库，选了一个“AI健身教练”的模板。
这个模板把健身水平、目标、身体状况等关键信息都做成了选择题，我们设定了一个有“膝盖问题”需要“全面健身”的用户画像，点击确认。
几分钟后，它交付了一个可以直接访问的网页。内容相当完整，不仅有定制的7日训练计划，还专门推荐了游泳、靠墙静蹲等对膝盖友好的低冲击运动，甚至包含了营养建议和进度追踪模块。
类似的“模板化”思路也体现在PPT生成上。我们尝试让它“做一个关于人工智能简史的PPT，面向小学生群体”。
它同样提供了多种设计主题和页面长度供我们选择。
最终生成的PPT一共14页，这里选了几页贴这里。
上下滑动查看更多
与一些模型厂商或者ChatGPT类工具里提供的PPT功能相比，它生成的更倾向于提供完整结果，而减少了让用户自己再补充的部分。
接着，我们测试了它的自主操作能力，给它下达了一个指令：“打开小红书，给硅星人Pro发布的最新的一条笔记评论：今天星期五，猴子去跳舞”。
Manus成功打开了网站，但在登录和安全验证环节，几次请求用户“接管”浏览器来辅助完成扫码和拼图验证。
不得不说这个云浏览器的延迟还是有点高，验证了两次才通过
最终，这条评论成功发布，IP属地显示为美国。整个过程显示，在涉及账户安全和复杂验证时，它仍需要用户介入协作。
最后，在发布至今，模型领域的一个重要能力更新是视频领域。Manus也曾宣布更新了它的视频生成功能，我们决定给它来一次视频创作的任务。
我们让它用皮蛋和香蕉，创造一道黑暗料理，并生视频。
Manus接到指令后，立刻规划好了任务步骤，创建菜谱，生成参考图片，然后调用Veo3模型生成了有原声音频的独立的视频片段。
最后它直接在后台执行了ffmpeg命令行工具，将这些视频片段拼接成了一个完整的30秒短片。
交付后我们发现，视频没有声音。我们指出了这个问题，Manus的反应很快。它准确地诊断出问题在于自己使用的ffmpeg命令中，一个参数设置错误导致音频流丢失。
随后，它自动修正了命令，重新执行，并成功交付了带有声音的最终版本。
这个“修复bug”的过程，是整个测试中最有亮点的部分，它不仅展现了意图理解、任务规划和工具调用能力，还体现出了一定程度的反思和纠错能力。
最终的视频长这样：
写在最后
回顾Manus这几个月的发展，无论公司层面各种争议动作，还是是产品层面在宏大愿景与用户现实之间的反复权衡与调整。一个核心问题仍然时常被提起，Manus的护城河究竟是什么？
这是一个在行业里被反复讨论的话题。一种普遍的观点认为，作为“套壳”应用，它的核心能力受制于所调用的底层大模型，存在被“吞噬”的风险。这确实是它最大的挑战。但在硬币的另一面，也有观点认为，真正的壁垒并非只在技术本身，更在于对用户需求的理解、产品打磨的速度、以及由此形成的用户习惯和品牌效应。
从我们的复盘和测试中可以看到，Manus正试图通过后一种方式构建自己的壁垒。包括它密集在全球各地与用户见面，也是这个策略的一部分。
但这注定是一场与时间的赛跑。AI Agent赛道的竞争已经异常激烈。前有OpenAI、Google等巨头环伺，后有无数灵活的创业公司紧追不舍，Manus能否靠更快的迭代速度，在底层技术被追上之前，建立起足够的用户忠诚度，将是决定其命运的关键。
从这些产品体验来看，它的“跑路”过程里，产品也没停止更新迭代和完善功能，但同时这些功能也没能让它与其他对手彻底拉出距离。人们对这款产品和这个团队的期待也一直在产品上，如果国内国外团队、经营等事务能占用更少精力，产品和技术迭代能有更多投入，Manus这个产品能变成什么样？这始终才是真正重要的问题。
（文：硅星人Pro）