Manus Agent 深度评测：通用Agent真的抛弃OpenAI了吗？

引言：Manus Agent横空出世

上线12小时，Manus从第一个通用Agent变成了第一款自媒体比技术从业者先发现和评测的AI产品，评论好坏掺半。最明显的两个观点是效果虚假，没有技术报告，很多好的Agent已经能做到这一点和如何那么厉害的话，为什么英文媒体们没有报道。后者应该很难辨正，但是前者我觉得还是可以燃烧几个 GPT Pro账号，来真金白银试试看 Manus 的效果如何。所以就有了这篇文章，我将通过一系列实际测试，来评估 Manus Agent 的真实能力，并探讨其是否已经超越了 OpenAI 的通用Agent。

测试准备：真金白银的验证

为了更客观地评估 Manus 的能力，我准备了中文和英文两组问题，其中中文问题主要由 @赛博禅心 提供，英文问题则来自 Manus 官方提供的 Use Cases。同时，为了对比，我将使用 OpenAI 的 o1 Deep Research 运行相同的输入。由于英文 Use Case 无法确定实际成功率，我将重复运行三次。

中文问题测试

问题一：AI行业编年史

问题：

整理一份逐月编年史，记录从2022年到现在，AI行业每个月都发生了哪些事情。整理完之后，再从现在的视角回顾下这段历史。

Manus表现：

Manus 在执行过程中，会将每个季度做成代办，并将搜集到的信息写入 event.md 文件，并通过 todo.md 文件记录进度。这种使用 Markdown 作为进度记录的方式，类似于在 Cursor 中的使用。多 Agent 系统通常会有一个 Plan Agent 负责进程管理，Manus 在这方面有自己的理解。但很可惜，开局不利，卡在了某乎的扫码界面。

o1 Deep Research表现：

o1 Deep Research 解决此类搜索问题相对简单，虽然将当前时间误判为2024年，但每个月的关键信息基本没有出现幻觉。

总结：

o1 Deep Research 在信息搜索方面表现更稳定。

问题二：爆款公众号文章

问题：

你是一个严肃媒体，写一篇爆款的公众号文章，要有百万阅读的潜质，讲这个产品，图文并茂的 https://manus.im/ 。

Manus表现：

Manus 生成的文章更像是一行行短的宣传语，没有成功配图，不太能算合格的公众号文章。例如：“无论什么主题，Manus都能帮你深入多渠道搜集信息，给你提供既全面又有见解的研究报告。市场分析、竞品研究、学术文献综述，它都能胜任。”

o1 Deep Research表现：

o1 Deep Research 生成的文章单个段落表达的语义更加完整，而且开头和中间都有配图，完成度更高。例如：“Pepper机器人是一种实体AI助手形象，体现了AI助手在现实场景中的应用；而Manus以纯软件形式，实现了类似助理职责的全面覆盖。”

总结：

o1 Deep Research 在文章的完整度和表达方面更胜一筹。

问题三：DOOM网页版游戏

问题：

帮我写一个DOOM的网页版游戏，高保真，我可以用鼠标和键盘来玩。

Manus表现：

Manus 成功将游戏部署到可以直接访问的域名，虽然 UI 比较简单，但是地图、操控台、关卡信息等都齐全了，视角移动和上下左右也是好用的。

o1 Deep Research表现：

o1 Deep Research 在生成游戏方面表现不佳，生成的代码存在问题，且后续对话无法修复。

总结：

Manus 在代码生成和部署方面表现出色。这道题应该是 Manus 的舒适区了吧，它背后有 Qwen 和 Claude 的支持。

问题四：小米SU7 PPT

问题：

帮我做一下介绍小米 Su7 十页的 PPT。

Manus表现：

Manus 生成的是 html 版本的 PPT，在有限的篇幅里面准确表达了 su7 的热点，整体配色跟小米很配，有3处字体排版错误。

o1 Deep Research表现：

o1 Deep Research 用配图和排版文字来做 PPT，虽然图找的挺准的，还找了特斯拉来对比，但是整体效果不佳。

总结：

Manus 在 PPT 生成方面表现更专业。

问题五：大模型入门教程

问题：

我是大学一年级的理科生，刚学习了微积分和线性代数，具备一点点python基础。请帮我写一本《大模型：从入门到精通》的书，要确保内容详实，有公式、有代码、有图示，章节清晰，内容完整，让我这种小白人士能够轻松学习。

Manus表现：

Manus 真的现学的系统大模型基础知识，写到第五章，给出的代码案例相当详细。

o1 Deep Research表现：

o1 Deep Research 一共写了7章节，可以说是有模有样的，有公式、图、代码和案例，甚至还可以加上测试题。

总结：

Manus 和 o1 Deep Research 在此问题上表现各有千秋，Manus 代码更详细，o1 Deep Research 章节更完整。

英文问题测试

问题六：日本旅行规划

问题：

我需要一份4月15日至23日的7天日本行程，从西雅图出发，预算为2500至5000美元，我和我的未婚妻一起。我们喜欢历史遗迹、隐藏的宝藏和日本文化（剑道、茶道、禅修）。我们想看奈良的鹿，并徒步探索城市。我计划在这趟旅行中求婚，需要推荐一个特别的地点。请提供详细的行程和一本简单的HTML旅行手册，包含地图、景点描述、基本日语短语和旅行小贴士，以便我们在整个旅程中参考。

Manus表现：

Manus 给出的流程相对简单。

o1 Deep Research表现：

o1 Deep Research 细化到预算、出行方式、酒店都推荐上了。

总结：

o1 Deep Research 在旅行规划方面更细致。

问题七：音效设计

问题：

帮我设计一个音效，混合鸟鸣和蒸汽的声音，持续时间大约3秒。

Manus表现：

Manus 的思路很清晰，上来就先安装常见的音频处理环境（ffmpeg 和 sox），中间安装失败了改用 Python，接着去网上下载了鸟鸣声样本和蒸汽声音，并完成裁剪和合成。可惜的是鸟鸣声不是很明显，我听了很多遍，音频的中间部分确实是有鸟叫。

o1 Deep Research表现：

o1 Deep Research 计划用 Python 实现，但是在保存成文件这一步反复失败。

总结：

Manus 在音效设计和音频处理方面更胜一筹。

问题八：图标设计

问题：

这是我们的公司网站 https://techcrunch.com。基于其设计风格和视觉语言，请创建一套我们可以在 PowerPoint 演示文稿中使用的图标。这些图标应丰富、吸引人，并保持与我们网站一致的设计语言。

Manus表现：

Manus 抓住了网站的绿色主色调，并专门写了一套准则：亮绿色（ 或类似）：用于主背景和品牌标识；黑色：用于导航栏、文本和内容区域；白色：用于深色背景上的文本和标志元素；强调色：用于类别标签和按钮的各种颜色。

o1 Deep Research表现：

o1 Deep Research 生成的图标有明显的 DALLE 味道，但没有进行切割，也没有不同尺寸的大小。

总结：

Manus 在图标设计方面更专业，能抓住网站的风格和视觉语言。

问题九：Kaggle房价预测竞赛

问题：

参加 Kaggle 房价预测竞赛。创建用于数据预处理和模型构建的 Python 脚本，然后生成具有竞争性得分的提交文件。

Manus表现：

Manus 完整经历了几次模型的迭代优化，还能根据 Kaggle 网上的要求输出对应的提交文件。

o1 Deep Research表现：

o1 Deep Research 登陆不了 Kaggle，就选择绕开限制，在 Github 上使用对应的数据，生成了具体的代码脚本之后，没能把具体的结果数据提供出来。

总结：

Manus 在 Kaggle 竞赛方面表现出色，能够完成模型的迭代优化和提交文件的生成。

问题十：物理演示动画

问题：

我是一个中学物理老师，正在准备教授动量守恒定律。你能制作一系列清晰准确的演示动画，并将它们整理成一个简单的演示html吗？

Manus表现：

Manus 很擅长在有限的环境完成代码编写和测试的，能够用 html 搭建演示动画。

o1 Deep Research表现：

o1 Deep Research 只是写了一份教材，代码也没有，而且用文字来模拟动画。

总结：

Manus 在演示动画制作方面表现突出。

结论：通用Agent的未来？

从上述测试结果来看，Manus Agent 在某些特定领域，如代码生成、PPT 制作、音效设计、动画制作等方面，表现出了超越 OpenAI 的 o1 Deep Research 的能力。但在信息搜索、文本编写等方面，两者差距不大。

Manus 会是纯套壳没有自己的优化吗？我觉得是否定的，因为有一些细节，目前来说 Claude 和 o1 的表现并没有它好。那它是不是就是一个代码写得好的Agent呢？我觉得也是否定的，它在信息搜索、视觉设计、文本编写里面很接近 o1 Deep Research。

Manus 是正在接近通用的 Agent，现阶段的它可能还有些不足。但无论如何，它都给我们提供了一个新的方向，这已经足够了。

鲁迅风格的感悟

我认为：Manus 固然有其可取之处，然亦不可盲目迷信。须知，技术之进步，非一蹴而就之事，仍需脚踏实地，方能有所突破。切不可被一时之表象所迷惑，而忽略了其背后之艰辛与付出。,,,