YC怎么看Manus？CEO Garry解析其为何能在Agent群雄中突围！

YC怎么看Manus？CEO Garry解析其为何能在Agent群雄中突围！ YC怎么看Manus？CEO Garry解析其为何能在Agent群雄中突围！ Modified April 20, 2025 🔗 原文链接： https://mp.weixin.qq.com/s/Tsrb3T 0... 随机小助手 随机小分队2025年04月20日 20:00 中国香港 小分队引言 今年开年，DeepSeek 和 Manus 的横空出世给所有华人 SaaS/AI 创业者打了一针强心剂，甚至引发了全球的讨论。在 YC Decoded 的这一期节目中， YC 总裁兼 CEO 的 Garry Tan 深入探讨了 Manus 独特的架构及其脱颖而出的原因。它的发布对于 GPT Wrapper 意味着什么？为何它实际上可能比初看时更具价值？这篇文章将带大家一探究竟，Enjoy！ No access 420 13 00:00 原文链接：https://www.youtube.com/watch?v=JOYSDqJdiro 通用型 AI Agent 一直是各大厂商追逐的焦点，Manus 作为首个真正的通用 AI Agent，一经发布就立刻就在全球范围内掀起了热潮，这家初创公司推出的新型 AI Agent，被一些专家称作中国的下一个 DeepSeek 时刻。 许多业内人士赞誉 Manus 为他们见过最令人印象深刻的 AI 工具，以及 AI 的最复杂计算平台。与之前的产品不同，Manus 不只是另一个专业化的 ChatBot，它致力于成为真正通用的 AI Agent。然而，由于邀请码稀少且访问受限，问题也随之而来：Manus 是否真正革新了 AI Agent 领域？下面我们深入探讨这个问题。 No access 420 14 00:00 视频来源：https://manus.im/ Manus的多Agent架构与运作原理 在Manus 引发了诸多热议的背后，这款产品确实存在真正创新的技术：Manus 是一个多段式 AI 系统，能完成各类任务，从旅行规划、财务分析，到搜索数十个文件或进行行业研究。那么，这种系统究竟如何运作？Manus 并非依赖单一大型神经网络，而是更像一个监督子 Agent 团队的执行官，协调并指导它们在共享空间中的每一步操作。 Manus 首先接收用户的 Prompt 作为输入，随后开始确定需执行的任务。与一次性解决问题的传统方式不同， Manus 会先通过“规划 Agent” 制定主计划，再将复杂任务分解成更易管理的子任务 。 通过这种方式，Manus 在执行任务前就明确了需完成的工作内容，并可将这些任务分配给不同的子 Agent。这些子 Agent 如同 Manus 内部的专家团队 ，它们共享相同的上下文，但每个 Agent 都有自己明确的专业领域，从知识储备、记忆到具体执行。 Manus 可自由调用由 29 种不同工具组成的综合套件：无论是自动化网页导航、安全运行代码、还是从文件中提取重要信息，Manus 的子 Agent 都能智能决策使用哪些工具最为合适。最终，当每个子任务都完成后，Manus 会将所有输出合并成最终的综合结果提供给用户。 技术核心与基础架构 从技术层面看，Manus 包含了相当复杂的动态任务分解算法——这使它能自主将复杂指令分解为清晰的执行路径，以确保系统稳定性。Manus 支持数十轮推理和使用工具，这依赖于 Manus 团队开发的一种称为 “Chain of Thought injection” 的原创技术，能让 Agent 主动反思并更新计划 。 Manus 以 Claude 3.7 Sonnet 作为基础模型，还具备强大的跨平台执行能力，这得益于它与多个开源工具的无缝集成：如 Browser Use 用于高级网站交互，以及初创公司 E2B 提供的安全云沙箱环境。 Manus的实际应用能力 那么，Manus 实际能完成哪些任务？令人印象深刻的是，它可承担各种现实世界的工作。Manus 在创建旅行行程、详细财务分析和教育等场景中表现出色，同时还能协助结构化数据库编译、保险政策比较、供应商采购，甚至更高质量的专业工作。 要真正衡量 Manus 的水平，可参考 GAIA，这是一个基准测试，专门评价 AI Agent 在推理、多模态处理、网络浏览和工具熟练度等方面的能力。 在该测试中，人类通常得分约为 92%，而相比之下，OpenAI 的 Deep Research 最佳得分约为 74%。 Manus 突破了 GAIA 上的最先进水平，得分达到 86.5%，仅比平均人类水平低几个百分点。 由于 Manus 的表现令人印象深刻，他也重新引发了关于应用层 AI 初创公司本质的更广泛讨论。 “Wrapper” 的争议 有些人将 Manus 仅仅视为 “Wrapper”，认为它只是将现有的基础模型和各种工具调用整合在一起。但这种观点忽略了一个重要事实：按照这种逻辑，当今大多数成功的 AI 产品都同样是“Wrapper”。 例如，Cursor 集成了现有的主流 LLM、外部 API 和面向开发者的工具，如实时代码分析和调试功能。而像 Harvey 这样的垂直领域 Agent，则将基础模型与法律特定工具集成，包括案例法检索、合规检查和文档分析。显然，许多很棒的应用模式上确实属于“Wrapper”，对大部分开发者而言，选择这条路径是合理的。 Manus 联合创始人表示，从一开始，他们就决定与 LLM 采取协同的策略，希望每个新模型的发布都能提升 Manus 的能力，而非使其受到威胁。通常，成功 Wrapper 与较差 Wrapper 之间的区别在于一系列关键因素：直观的 UI、专有评估系统、更细致的模型微调，以及经过深思熟虑设计的多 Agent 架构。 Manus的优势与局限 从优势方面看，Manus Agent 和编排架构有助于显著降低每任务成本，约为每任务 2 美元，比 OpenAI 的 Deep Research 要低得多。 此外，Manus 还提供了更高的透明度和用户可控性，允许用户直接检查、自定义或替换单个子 Agent 和工具集成，这种灵活性非常关键，也是很多集中式产品无法企及的。 Manus 最有价值的特性之一是开放的文件系统，是用户能清晰地看到 Agent 正在执行的操作。ChatGPT 的思考过程并不透明，而 Manus 让用户看到了未来 AI 直接在个人计算机上运行带来的便利：若这些操作发生在本地而非浏览器中，用户能得到更大的控制权。 然而，Manus 也存在一些明显的局限性。随着任务规模扩大或复杂性增加，跨专业 Agent 的协调变得愈发困难。另一方面，它当前的优势：有针对性的微调、周到的集成，也会招致竞争对手的模仿。 上述这些优势与劣势通常是 Wrapper 类产品共有的特点。Wrapper 能让 Startup 以较低的前期成本实现快速部署、迭代和专业化的体验，但同时也容易受到 API 定价变化或提供商政策调整等外部因素的影响，这些变化可能会迅速消除任何既有的成本优势。 AI领域成功的关键 最终，关键的挑战是能否为产品确立真正可持续的差异化优势。对创始人而言，这可能意味着 早期投资于竞品难以复制的专有评估系统，将工作流程深度嵌入。特定用户习惯以提高迁移成本，或找到竞争对手无法轻易获取的平台或数据集成 。归根结底，AI 领域的成功不取决于重新造轮子，而是看谁能将现有模型整合成用户真正喜爱并愿意持续使用的产品。 end https://mp.weixin.qq.com/s/Tsrb3T 0... 🔗 原文链接： https://mp.weixin.qq.com/s/Tsrb3T 0... https://mp.weixin.qq.com/s/Tsrb3T 0... 随机小助手 随机小分队2025年04月20日 20:00 中国香港 小分队引言 今年开年，DeepSeek 和 Manus 的横空出世给所有华人 SaaS/AI 创业者打了一针强心剂，甚至引发了全球的讨论。在 YC Decoded 的这一期节目中， YC 总裁兼 CEO 的 Garry Tan 深入探讨了 Manus 独特的架构及其脱颖而出的原因。它的发布对于 GPT Wrapper 意味着什么？为何它实际上可能比初看时更具价值？这篇文章将带大家一探究竟，Enjoy！ No access 420 13 00:00 No access 420 13 00:00 原文链接：https://www.youtube.com/watch?v=JOYSDqJdiro 通用型 AI Agent 一直是各大厂商追逐的焦点，Manus 作为首个真正的通用 AI Agent，一经发布就立刻就在全球范围内掀起了热潮，这家初创公司推出的新型 AI Agent，被一些专家称作中国的下一个 DeepSeek 时刻。 许多业内人士赞誉 Manus 为他们见过最令人印象深刻的 AI 工具，以及 AI 的最复杂计算平台。与之前的产品不同，Manus 不只是另一个专业化的 ChatBot，它致力于成为真正通用的 AI Agent。然而，由于邀请码稀少且访问受限，问题也随之而来：Manus 是否真正革新了 AI Agent 领域？下面我们深入探讨这个问题。 No access 420 14 00:00 No access 420 14 00:00 视频来源：https://manus.im/ Manus的多Agent架构与运作原理 在Manus 引发了诸多热议的背后，这款产品确实存在真正创新的技术：Manus 是一个多段式 AI 系统，能完成各类任务，从旅行规划、财务分析，到搜索数十个文件或进行行业研究。那么，这种系统究竟如何运作？Manus 并非依赖单一大型神经网络，而是更像一个监督子 Agent 团队的执行官，协调并指导它们在共享空间中的每一步操作。 Manus 首先接收用户的 Prompt 作为输入，随后开始确定需执行的任务。与一次性解决问题的传统方式不同， Manus 会先通过“规划 Agent” 制定主计划，再将复杂任务分解成更易管理的子任务 。 通过这种方式，Manus 在执行任务前就明确了需完成的工作内容，并可将这些任务分配给不同的子 Agent。这些子 Agent 如同 Manus 内部的专家团队 ，它们共享相同的上下文，但每个 Agent 都有自己明确的专业领域，从知识储备、记忆到具体执行。 Manus 可自由调用由 29 种不同工具组成的综合套件：无论是自动化网页导航、安全运行代码、还是从文件中提取重要信息，Manus 的子 Agent 都能智能决策使用哪些工具最为合适。最终，当每个子任务都完成后，Manus 会将所有输出合并成最终的综合结果提供给用户。 技术核心与基础架构 从技术层面看，Manus 包含了相当复杂的动态任务分解算法——这使它能自主将复杂指令分解为清晰的执行路径，以确保系统稳定性。Manus 支持数十轮推理和使用工具，这依赖于 Manus 团队开发的一种称为 “Chain of Thought injection” 的原创技术，能让 Agent 主动反思并更新计划 。 Manus 以 Claude 3.7 Sonnet 作为基础模型，还具备强大的跨平台执行能力，这得益于它与多个开源工具的无缝集成：如 Browser Use 用于高级网站交互，以及初创公司 E2B 提供的安全云沙箱环境。 Manus的实际应用能力 那么，Manus 实际能完成哪些任务？令人印象深刻的是，它可承担各种现实世界的工作。Manus 在创建旅行行程、详细财务分析和教育等场景中表现出色，同时还能协助结构化数据库编译、保险政策比较、供应商采购，甚至更高质量的专业工作。 要真正衡量 Manus 的水平，可参考 GAIA，这是一个基准测试，专门评价 AI Agent 在推理、多模态处理、网络浏览和工具熟练度等方面的能力。 在该测试中，人类通常得分约为 92%，而相比之下，OpenAI 的 Deep Research 最佳得分约为 74%。 Manus 突破了 GAIA 上的最先进水平，得分达到 86.5%，仅比平均人类水平低几个百分点。 由于 Manus 的表现令人印象深刻，他也重新引发了关于应用层 AI 初创公司本质的更广泛讨论。 “Wrapper” 的争议 有些人将 Manus 仅仅视为 “Wrapper”，认为它只是将现有的基础模型和各种工具调用整合在一起。但这种观点忽略了一个重要事实：按照这种逻辑，当今大多数成功的 AI 产品都同样是“Wrapper”。 例如，Cursor 集成了现有的主流 LLM、外部 API 和面向开发者的工具，如实时代码分析和调试功能。而像 Harvey 这样的垂直领域 Agent，则将基础模型与法律特定工具集成，包括案例法检索、合规检查和文档分析。显然，许多很棒的应用模式上确实属于“Wrapper”，对大部分开发者而言，选择这条路径是合理的。 Manus 联合创始人表示，从一开始，他们就决定与 LLM 采取协同的策略，希望每个新模型的发布都能提升 Manus 的能力，而非使其受到威胁。通常，成功 Wrapper 与较差 Wrapper 之间的区别在于一系列关键因素：直观的 UI、专有评估系统、更细致的模型微调，以及经过深思熟虑设计的多 Agent 架构。 Manus的优势与局限 从优势方面看，Manus Agent 和编排架构有助于显著降低每任务成本，约为每任务 2 美元，比 OpenAI 的 Deep Research 要低得多。 此外，Manus 还提供了更高的透明度和用户可控性，允许用户直接检查、自定义或替换单个子 Agent 和工具集成，这种灵活性非常关键，也是很多集中式产品无法企及的。 Manus 最有价值的特性之一是开放的文件系统，是用户能清晰地看到 Agent 正在执行的操作。ChatGPT 的思考过程并不透明，而 Manus 让用户看到了未来 AI 直接在个人计算机上运行带来的便利：若这些操作发生在本地而非浏览器中，用户能得到更大的控制权。 然而，Manus 也存在一些明显的局限性。随着任务规模扩大或复杂性增加，跨专业 Agent 的协调变得愈发困难。另一方面，它当前的优势：有针对性的微调、周到的集成，也会招致竞争对手的模仿。 上述这些优势与劣势通常是 Wrapper 类产品共有的特点。Wrapper 能让 Startup 以较低的前期成本实现快速部署、迭代和专业化的体验，但同时也容易受到 API 定价变化或提供商政策调整等外部因素的影响，这些变化可能会迅速消除任何既有的成本优势。 AI领域成功的关键 最终，关键的挑战是能否为产品确立真正可持续的差异化优势。对创始人而言，这可能意味着 早期投资于竞品难以复制的专有评估系统，将工作流程深度嵌入。特定用户习惯以提高迁移成本，或找到竞争对手无法轻易获取的平台或数据集成 。归根结底，AI 领域的成功不取决于重新造轮子，而是看谁能将现有模型整合成用户真正喜爱并愿意持续使用的产品。 end