Manus
产品概述
Manus 是新加坡公司 Butterfly Effect（蝴蝶效应，Monica.im 团队）推出的通用任务执行 Agent，2025 年 3 月发布即引发全球关注。它的核心范式是「交任务、走开、收成果」：用户用一句话描述目标，Manus 在云端沙箱中自主规划、调用浏览器/代码执行/文件系统/外部 API，异步完成并交付一份可下载的成果——一份带引用的报告、一个可部署的网页应用、一份幻灯片，而不是一段文字建议。
与其他产品的本质区别在于**「异步自主交付」**。ChatGPT/Claude 是「对话给建议」，Manus 是「云端虚拟电脑里动手干活」：关闭浏览器任务仍继续，完成后再通知。它被 Meta 于 2025 年 12 月以约 20-30 亿美元收购，成为 Meta 继 WhatsApp 后的重大收购之一；后续因中国监管要求，Meta 与 Manus 在 2026 年走向运营分离，但服务仍独立运营。
发展历程
| 时间 | 事件 |
|---|---|
| 2025-03 | Manus 发布，GAIA 基准超越 OpenAI 同期最佳 |
| 2025-11 | 上线 8 个月处理 147 万亿 token、8000 万虚拟电脑 |
| 2025-12 | 被 Meta 以约 20-30 亿美元收购 |
| 2026-02 | Manus Agents 上线 Telegram |
| 2026-03 | 桌面端 My Computer 发布（macOS/Windows） |
| 2026-05 | Manus 1.6 发布，新增 Max 模式与移动应用开发 |
| 2026-06 | 因监管走向与 Meta 运营分离 |
核心功能详解
1. 多 Agent 架构与 29 工具
Manus 由 Planner（拆解任务）、Executor（并行执行）、Knowledge（研究与综合）三类子 Agent 协作，运行在隔离 Linux 沙箱中，内置 29 个工具（浏览器、Python 解释器、文件系统、外部 API）。这使其能处理「从调研到交付」的完整链条。
2. 异步云端执行
任务在云端异步运行，关闭页面后继续，完成后通知。多任务可并行派发，适合「排队派单、事后审阅」的工作方式，这是相对聊天机器人最根本的体验差异。
3. 全栈应用与幻灯片生成
从一句话生成可部署的网页应用（含数据库、Stripe 支付）、原生移动应用、结构化演示文稿，输出可下载的 Word/Excel/代码文件。是「一句话做一个可运行产品」的典型工具。
4. 深度研究（Wide Research）
并行搜索数十个来源，输出带引用的结构化报告，研究深度在独立测试中优于部分竞品。
5. 桌面端 My Computer
2026 年 3 月发布的 macOS/Windows 桌面端，让 Agent 直接读取本地文件、运行终端命令（Python/Node/Swift/Xcode），每步需人工批准，把 Agent 能力延伸到本地机器。
6. 邮件自动化与 Telegram Agent
转发邮件触发自主行动（简历筛选、会议准备）；Manus Agents 在 Telegram 内运行，支持语音转写、研究、PDF 生成。
适用场景
市场调研与深度研究（最佳场景）
竞品分析、行业报告、数据整合，异步多源检索 + 引用输出是强项。
网页应用与原型开发
一句话生成可运行的 MVP、落地页、内部工具，适合创业验证与非技术用户。
数据分析与报告
上传 CSV 自动清洗、生成图表与洞察，产出可下载报表。
不适合的场景
需要代码质量可靠的生产级开发（自主生成的架构与代码常需人工大幅修正）；重复性业务流程自动化（Zapier/Make/n8n 更稳定可预测）；国内用户（停止中国运营，需代理）。
定价详情
Manus 采用积分（Credits）计费，积分按任务复杂度消耗：
| 档位 | 价格 | 积分 | 说明 |
|---|---|---|---|
| Free | $0 | 每日 300 + 1000 起始 | 1 并发任务 |
| Starter | $20/月 | 4000/月 | 年付省约 17% |
| Pro | $40/月 | 8000/月 | 解锁全部 Agent 模型 |
| Pro Max | $200/月 | 40000/月 | 最高并发与额度 |
| Team | $20-40/席/月 | 共享积分池 | SSO、用量分析 |
计费逻辑与成本测算
- 简单任务消耗几十积分，复杂 Agent 任务单次消耗 500-900 积分，且任务开始前不显示预估、Agent 纠错重试也耗积分。
- 每月积分不滚动，未用完作废。
- 重度并行任务（几十个/月）会很快耗尽 $40 Pro 的 8000 积分，需 Pro Max。
定价核验日期：2026-08-13，来源 manus.im 及第三方评测。
技术架构与模型
Manus 的推理底座是 Anthropic Claude Sonnet 4 / Opus 4.x 系列（非自研大模型），便宜子任务用微调 Qwen 处理，叠加自研的 Manus 1.6 / 1.6 Max 规划架构（Max 版规划更强，双盲测试满意度高 19.2%）。这意味着其能力上限受 Claude 模型迭代影响，但规划与多 Agent 编排是自研壁垒。
优势领域
与 ChatGPT/Claude 对比
Manus 是「交付成果的 Agent」，ChatGPT/Claude 是「给建议的对话」。前者拿到的是文件/应用/报告，后者拿到的是回答。Manus 的 GAIA 基准（86.5% Level-1）长期领先，异步交付是独有体验。
与扣子空间/OpenClaw 对比
同为「一句话干活」的通用 Agent，Manus 的英文任务执行与 GAIA 得分更强，扣子空间国内直连与字节生态更友好、免费额度更足。
核心优势
GAIA 领先、异步云端执行、多 Agent 架构、全栈交付、桌面端本地操作。
短板与限制
- 积分不可预测：无成本预估、纠错重试也计费、积分不滚动，账单易超预期。
- 代码质量需修正：自主做出的架构决策（数据库 schema、API 设计）常需人工重做。
- 国内不可用：停止中国运营，需代理访问。
- 依赖 Claude：能力上限受 Anthropic 模型迭代与定价影响。
- 峰期不稳定：高负载时曾出现「无法创建任务」错误。
使用建议
- 适合：需要「一句话交付成果」的创业者、分析师、运营、产品经理；深度研究与原型开发；愿意为「异步自主执行」付费的海外用户。
- 不适合：需要可靠生产级代码的开发者；重复性流程自动化；国内用户；预算敏感且任务高频的用户。
- 最佳实践：先跑小任务建立信任，再放权复杂任务；复杂任务前留意积分预估与自动充值设置；代码类产出务必人工 review；研究类任务善用 Wide Research。