短短幾天，Manus 成了衡量 AI 產品優劣的最佳試金石。
近期，Manus 在海外的熱度暴漲，外國大 V 自發在 X 平臺轉發宣傳，《福布斯》更是直接蓋章定調，冠上了「第二個 DeepSeek 時刻」的稱號。
讓子彈再飛一會兒，卻盡是反轉、反轉、再反轉。噪聲太多，容易淹沒對一款產品的價值判斷。
底層模型的進步，Deep Research 的廣泛普及，都為猶在襁褓的 Manus 這次席捲全網掃除了不少認知障礙。
在喧囂之外，我們需要重新審視，一個套殼 AI 產品對使用者和行業是否有價值？在 AI 快速迭代的今天，創新的定義是什麼？
Manus 的爆火來得猝不及防，以至於連團隊也沒有準備好迎接這潑天的流量。
合夥人張濤近日發文稱低估了大眾的熱情，目前伺服器資源無法滿足市場需求，因此只好採用邀請碼機制。
同時，他也表示團隊正在全力輸出，爭取讓大家早日體驗到更好的產品。
與刻意降低國記憶體在感的策略不同，Manus 這幾天反而向不少海外 X 博主、以及 Reddit 平臺開放不少邀請碼，有意借勢推高熱度。
@deedydas 讓 Manus 對特斯拉股票進行專業的分析，結果它在大約一個小時內完成了通常需要大約兩週才能完成的的專業級工作。這效率，不比打工人好用（不是）。
先別羨慕 AI 三小時做的小遊戲，9 天賺 12 萬，Manus 也能做。@_akhaliq 讓 Manus 用 three.js 打造一款無盡跑酷遊戲，遊戲畫面有些粗糙，但機制相當完善。
搞錢才是王道，這也是網友對 Manus 呼聲最高的要求。
使用 Manus 構建一個儀表板，篩選出日本符合收購條件的上市公司作為潛在的收購目標，還能打造成 90 年代風格的日本影片遊戲。
遊戲地址：https://zaomhjnv.Manus.space/
@LamarDealMaker 對 Manus 的能力讚不絕口，稱其為最瘋狂的 AI Agent。
Manus AI 在極短的時間內為他規劃了一次為期兩個月的家庭旅行，路線涵蓋澳大利亞、紐西蘭、阿根廷和南極洲，安排得滴水不漏。
並且，它還能夠自動分配任務、瀏覽網頁研究，最終奉上了一份涵蓋住宿、預算和美食指南的詳細行程。
另一位使用者 @ivanfioravanti 則秀出了 Manus AI 用 p5js 做的動畫，創意和效果雙雙線上。
Hugging Face 的產品負責人稱 Manus 是「我用過的最令人印象深刻的 AI 工具」。AI 政策研究員 Dean Ball 將 Manus 描述為「最複雜的 AI 計算」。
要說 Manus 的重量級背書，絕對少不了兩位比較重磅的人物。
一位是 Twitter 創始人 Jack Dorsey，直接甩出了「excellent」的評價，言簡意賅但分量十足。另一位則是 X 博主 Rowan Cheung，他所創立的 therundownai 可以說是 X 平臺閱讀量最大的 AI 新聞快訊自媒體。
Rowan 前幾天還沒體驗 Manus，卻在海外率先喊出「中國第二個 DeepSeek 」。截至目前，那條推文也在 X 平臺狂攬 276 萬的閱讀量。
直到最近，Manus 團隊也向 Rowan Cheung 分享了邀請碼。
建立 Rowan Cheung 的傳記、並據此部署網站；分析舊金山最佳租車地點；建立一門關於內容創作 AI 的完整課程，Manus 的表現也都可圈可點。
先說好評，還有差評，@mckaywrigley 給 Manus 打了個大大的好評，認為它的底層代理模型和 UI 都做得無可挑剔，但這位博主也話裡有話，主打一個未來可期，點到即止。
@ai_for_success 是最早一批點贊 Manus 的博主。同樣地，他其實最開始並未拿到邀請碼。
體驗後，他表示，「Manus AI 太瘋狂了，我以前從未使用過類似的東西。」還特意加了個免責宣告，說自己沒拿 Manus 一分錢。
儘管案例很高大上，但問題是計算是否正確，他的心裡也沒底。
相比 OpenAI 的 Deep Research，醫學博士 @DeryaTR_ 就指出 Manus 歷經兩輪嘗試，都未能順利完成任務，且耗費時間過長。
有趣的是，Manus 創始人季逸超今天在 X 平臺發文稱，為了提高 Manus 系統性能、降低故障率，結果使用者的會話執行時間更長，且由於系統負荷過重，故障率又開始回升。
站在福布斯的另一端，外媒 TechCrunch 則指出 Manus 可能不是中國的第二個「DeepSeek 時刻」，幾輪體驗下來都以任務失敗告終。
Manus 爆火後，網友們丟擲的頭號疑問是，它真有技術壁壘嗎？
張濤曾在混沌學園的採訪中談到，單純的「套殼」（即直接使用大模型的技術輸出）在 AI 普及的背景下，難以成為核心壁壘。真正重要的是找到市場需求和商業邏輯，利用 AI 這個「通用商品」創造獨特的價值。
換句話說，套殼只是起點，關鍵在於如何構建需求驅動的差異化優勢。
昨日，網友 @jianxliao 因為疑似套出 Manus 系統提示詞和執行程式碼，引來了季逸超的回應。
回應的細節很多，但較為值得關注的是，當被問及 Manus 的基礎模型時，他表示目前使用的是 Claude 和 Qwen 微調模型。並且，Manus 採用多 agent 協作的架構設計。
早在 Manus 嶄露頭角前，海外如 OpenAI 的 Deep Research 已是相對成熟的產品。據 The Information 報道，OpenAI 甚至還計劃推出一款每月高達 2 萬美元的博士級 Agent。
某種意義上，Manus 的成功像是「摸著前人石頭過河」。
技術若無熱度，便如深谷孤響，Manus 有了足夠的熱度和關注，也吸引更多人投入資源和精力去研究、復現甚至開源類似的技術。
最近，MetaGPT 的 4 名團隊成員在 GitHub 釋出了名為「OpenManus」的開源專案，旨在復刻 Manus 的核心功能，同時大幅降低使用門檻。
快是快了，但這種速度帶來的代價是功能和效果上的妥協，OpenManus 更偏向技術驗證和社群協作，功能深度也更聚焦，無法像 Manus 那樣覆蓋廣泛場景。
截至發稿前，OpenManus 在 GitHub 已收穫超 2.6 萬的星標。
據官方介紹，OpenManus 支援 SEO 審計與報告生成，同時採用輕量化設計。其基於 MetaGPT 的多智慧體協作框架，支援利用不同角色分工並自動化生成程式碼與文件。
此外，OpenManus 的開源特性，允許社群為其貢獻擴充套件功能。該專案的底層支援來自 Anthropic 的 computer-use 和 browser-use。
GitHub 🔗：https://github.com/mannaandpoem/OpenManus?tab=readme-ov-file
置身於風暴中心，OpenManus 背後的四名成員連同他們的過往經歷，迅速被媒體扒出：
梁新兵：華東師範大學碩士，曾參與爆款 AI Agent 專案 Data Interpreter 的開發。
張佳釔：中國人民大學高瓴人工智慧學院本科生，目前在香港科技大學（廣州）攻讀博士，其參與的智慧體框架 AFlow 剛被深度學習頂會 ICLR 2025 接收。
向勁宇：西南交通大學應用物理學本科，曾在 2024 年阿里巴巴全球數學競賽 AI 賽道斬獲全球第二。
於兆洋：中國人民大學高瓴人工智慧學院本科生，與校友張佳釔曾憑 MathAI 方案在阿里數學競賽 AI 賽道拿下全球第三。
同樣在 3 月 7 日，CAMEL AI 的 OWL 專案公佈，並劍指 Manus。
官方表示 OWL 直接做到開源界 GAIA 效能天花板，達到了 58.18%，超越 Hugging Face 提出的 Open Deep Research 55.15% 的表現。
在官方給出的演示案例中，讓 OWL 查詢今天倫敦有哪些電影上映。
它會自動生成待辦事項規劃並編寫任務清單，開始瀏覽網頁，搜尋倫敦地區符合條件的電影院。
整個過程宛如真人操作，流暢地執行滾動、點選、輸入以及即時資訊檢索等步驟，最終為使用者呈上一份詳盡的當日電影總結報告。
據 CAMEL AI 介紹，OWL 透過逆向工程將 Manus 工作流拆解為 6 步，並開源所有模組；支援 GitHub 一鍵 clone，同時工具鏈能夠自由擴充套件，執行環境也支援雲端和本地任選。
CAMEL AI 強調，OWL 完全免費，且優化了 Token 消耗。
GitHub 🔗：https://github.com/camel-ai/owl
然而，與這些後續開源專案相比，Manus 的真正優勢在於更早抓住了行業痛點，如何將複雜多智慧體協作技術轉化為使用者可感知的價值。
精心設計的使用者介面、相對透明的流程最佳化，Manus 將複雜的技術包裝成了易於理解和使用的產品，也為第一波熱度添柴加火。
並且，Manus 的爆火，某種程度上源於它在對的時間踩中了風口。
黃仁勳曾經在 CES 預言，隨著 AI Agent 浪潮席捲，未來 IT 部門將轉型為 AI「員工」的人力資源部門。正是基於這一趨勢，Manus 向用戶展示了一個能夠有效管理多個 AI 智慧體協作的平臺。
誠然，業內雖對「套殼」嗤之以鼻，套殼可以是起點，不應該是終點。
但用季逸超的話來說，極致的套殼就是勝利。Manus 能夠將現有技術包裝並推出滿足使用者需求的產品，應用端的創新同樣不可忽視。
類似的案例比比皆是，同樣作為現象級產品，AI 搜尋引擎 Perplexity 也因為「套殼」而置於風口浪尖之上，但其創始人 Aravind 卻也看得通透：
只有當你真正有了值得「護」的東西時，護城河才有意義。人們可以將 Perplexity 看做是一個 AI 套殼，但成為一個擁有十萬使用者的套殼產品顯然比擁有自有模型卻沒有使用者更有意義。
Perplexity 採取的策略奏效了。發展不過三年，月活躍使用者已逼近 1 億，龐大的使用者基礎，隨之而來的海量搜尋資料，其市場影響力也在日漸增強。
他們的成功路徑清晰可見，先打造產品、緊盯市場需求，然後透過不斷迭代產品來收集使用者反饋和搜尋行為資料，為後續自研模型打下了堅實基礎。
資本市場的正反饋對這種商業模式給予了有力背書，Perplexity 的市場估值實現「三級跳」，在去年 12 月完成新一輪融資後，一路飆升至 90 億美元。
流量如潮水，Manus 的長期價值是否經得起考驗，仍有待時間的考驗。
但在此之前，對於絕大多數 AI 初創企業來說，先果斷抓住市場中那一小塊關鍵紅利，循序漸進地積累實力。當這些短期紅利轉化為企業自身實力後，技術壁壘或許也就水到渠成。
我們正在招募夥伴
✉️ 郵件標題「姓名+崗位名稱」（請隨簡歷附上專案/作品或相關連結）
