في 1 سبتمبر 2026، استأنفت الشركة الناشئة الصينية Manus عملها المستقل رسميًا بعد فشل صفقة مع Meta بقيمة 2 مليار دولار. وأعلنت الشركة، التي تأسست في سنغافورة، أن فريقها سيواصل تطوير وكلاء الذكاء الاصطناعي العامين القادرين على تنفيذ مهام معقدة متعددة الخطوات دون تدخل بشري مستمر.
على عكس فترة التكامل السابقة مع Meta، تؤكد Manus الآن على التحول نحو اندماج أعمق في سير العمل الحقيقي، والتفاعل المباشر مع العالم الخارجي، والتنفيذ الاستباقي للمهام. هذه ليست مجرد عودة إلى وضع شركة ناشئة مستقلة، بل هي تحول استراتيجي نحو أنظمة وكيلة لا تقتصر على توليد النصوص، بل تعمل في بيئة حقيقية عبر المتصفحات والكود والأدوات.
في الوقت نفسه، جمعت Recursive Superintelligence، التي أسسها ريتشارد سوتشر، 650 مليون دولار بهدف صريح هو إنشاء أنظمة ذاتية التحسين بشكل متكرر. تسعى الشركة إلى أتمتة دورة البحث العلمي بأكملها: من تحديد نقاط الضعف في النموذج إلى اقتراح التحسينات وتنفيذها والتحقق منها. كما شهدت جولات مماثلة كل من AMI Labs (1.03 مليار دولار) وWorld Labs (1 مليار دولار) وLila Sciences (550 مليون دولار) وGeneral Intuition (454 مليون دولار)، مما يشير إلى تدفق كبير لرأس المال إلى الذكاء الاصطناعي الوكيل.
تقنيًا، تمثل Manus منسقًا يشغل نماذج متطورة (غالبًا Claude) داخل آلة افتراضية معزولة بأدوات حقيقية: متصفح، نظام ملفات، ومفسر كود. يحدد المستخدم هدفًا عالي المستوى، ويقوم الوكيل بتقسيمه إلى خطوات، وينفذها، ويتحقق من النتيجة، ويعيد قطعة أثرية. أظهر التحديثان 1.5 و1.6 انخفاضًا في وقت تنفيذ المهام من 15 إلى أقل من 4 دقيقة، وزيادة في رضا المستخدمين بأكثر من 19٪ في الاختبارات العمياء.
لا تزال منهجية تقييم هذه الوكلاء مثيرة للجدل. معيار GAIA، حيث يُزعم أن Manus تتفوق على GPT-4، يقيس القدرة على الاستدلال واستخدام الأدوات، لكنه لا يضمن الموثوقية في السيناريوهات طويلة الأجل ذات عدم اليقين. لا توجد بيانات عامة حول أنماط الفشل عند التفاعل مع العالم الحقيقي - على سبيل المثال، عند حدوث أخطاء في تصفح الويب أو واجهات برمجة تطبيقات غير مستقرة. هذه مشكلة نموذجية للأنظمة الوكيلة: النتائج القوية في الاختبارات الخاضعة للرقابة لا تنتقل دائمًا إلى الإنتاج.
بالمقارنة مع نهج Recursive Superintelligence، تركز Manus على الاستقلالية العملية اليوم، بينما تركز RSI على حلقة التحسين الذاتي طويلة الأجل. تخطط Recursive لنظام «المستوى 1» المستقل بحلول منتصف عام 2026، باستخدام ملايين الدولارات على الحوسبة. أما Manus، بعد تحررها من Meta، فيمكنها تكرار المنتج بشكل أسرع دون قيود الشركات، لكنها تخاطر بالتخلف في الأبحاث الأساسية حول التكرار.
تُظهر DeepMind مع AlphaEvolve مسارًا وسيطًا: يقترح Gemini حلولًا، ويتم اختبارها تلقائيًا، ويتم اختيار الأفضل وتحسينها. يعمل هذا جيدًا في الرياضيات والبرمجة حيث يسهل قياس النتيجة، ولكنه أصعب بكثير في علم الأحياء أو الروبوتات حيث تكون التجارب بطيئة ومتعددة الأبعاد. تحاول Manus والوكلاء المماثلون سد هذه الفجوة من خلال التفاعلات الحقيقية، لكنهم لم يثبتوا بعد قابلية التوسع خارج المهام الضيقة.
يتيح استقلال Manus للشركة تكييف المنتج بشكل أسرع مع سيناريوهات المستخدم الحقيقية - من التحليل التنافسي إلى أتمتة سير العمل. في الوقت نفسه، يشير تدفق رأس المال إلى RSI ونماذج العالم إلى تحول نموذجي: من توسيع نطاق نماذج اللغة إلى إنشاء أنظمة تولد تجربتها الخاصة وتحسن نفسها.
يبقى من غير الواضح ما إذا كان وكلاء مثل Manus أو RSI سينجحون في إغلاق دورة التحسين الذاتي الكاملة دون إشراف بشري كبير. سيكون التحقق المستقل على معايير طويلة الأجل وحالات حقيقية اختبارًا رئيسيًا لهذه الطموحات في الأشهر المقبلة.
Manus، بعد عودتها إلى الاستقلال، تحصل على فرصة لتسريع التبني العملي للوكلاء المستقلين، لكن النجاح سيعتمد على القدرة على إثبات الموثوقية في بيئة غير خاضعة للرقابة.
