ב-1 בספטמבר 2026 חזרה הסטארטאפ הסיני Manus רשמית לעבודה עצמאית לאחר כישלון העסקה עם Meta על 2 מיליארד דולר. החברה, שנוסדה בסינגפור, הצהירה כי הצוות שלה ימשיך לפתח סוכני בינה מלאכותית כלליים המסוגלים לבצע משימות מורכבות ורב-שלביות ללא התערבות אנושית מתמדת.
בניגוד לתקופה הקודמת של אינטגרציה עם Meta, Manus מדגישה כעת מעבר להטמעה עמוקה יותר בתהליכי עבודה אמיתיים, אינטראקציה ישירה עם העולם החיצון וביצוע משימות פרואקטיבי. זה לא רק חזרה למעמד של סטארטאפ עצמאי, אלא שינוי אסטרטגי לכיוון מערכות סוכניות שאינן מוגבלות ליצירת טקסט, אלא פועלות בסביבה אמיתית דרך דפדפנים, קוד וכלים.
במקביל, Recursive Superintelligence, שנוסדה על ידי ריצ'רד סוצ'ר, גייסה 650 מיליון דולר במטרה מפורשת ליצור מערכות המשפרות את עצמן רקורסיבית. החברה שואפת להפוך את כל מחזור המחקר המדעי לאוטומטי: מזיהוי חולשות במודל ועד להצעת שיפורים, יישומם ואימותם. סבבים דומים התקיימו ב-AMI Labs (1.03 מיליארד), World Labs (1 מיליארד), Lila Sciences (550 מיליון) ו-General Intuition (454 מיליון), מה שמצביע על זרם מסיבי של הון ל-agentic AI.
מבחינה טכנית, Manus היא מתזמרת שמפעילה מודלים מתקדמים (לעתים קרובות Claude) בתוך מכונה וירטואלית מבודדת עם כלים אמיתיים: דפדפן, מערכת קבצים, מפרש קוד. המשתמש מגדיר מטרה ברמה גבוהה, והסוכן מפרק אותה באופן עצמאי לשלבים, מבצע, בודק את התוצאה ומחזיר ארטיפקט. העדכונים 1.5 ו-1.6 הראו קיצור בזמן ביצוע המשימות מ-15 לפחות מ-4 דקות ועלייה בשביעות רצון המשתמשים ביותר מ-19% במבחנים עיוורים.
מתודולוגיית ההערכה של סוכנים כאלה נותרה שנויה במחלוקת. מדד GAIA, שבו Manus כביכול מקדימה את GPT-4, מודד יכולת חשיבה ושימוש בכלים, אך אינו מבטיח אמינות בתרחישים ארוכי טווח עם אי-ודאות. אין נתונים ציבוריים על מצבי כשל באינטראקציה עם העולם האמיתי - למשל, בשגיאות בניווט אינטרנט או ב-API לא יציבים. זו בעיה אופיינית של מערכות סוכניות: תוצאות חזקות במבחנים מבוקרים לא תמיד מתורגמות לייצור.
בהשוואה לגישתה של Recursive Superintelligence, Manus שמה דגש על אוטונומיה מעשית כבר היום, בעוד RSI מתמקדת בלולאת השיפור העצמי ארוכת הטווח. Recursive מתכננת רמת "1" של מערכת אוטונומית עד אמצע שנת 2026, תוך שימוש במיליוני דולרים על compute. Manus, לעומת זאת, לאחר שהשתחררה מ-Meta, יכולה לחזור על המוצר מהר יותר ללא מגבלות תאגידיות, אך מסתכנת בפיגור במחקר היסודי של רקורסיה.
DeepMind עם AlphaEvolve מדגימה דרך ביניים: Gemini מציעה פתרונות, הם נבדקים אוטומטית, הטובים ביותר נבחרים ומשופרים. זה עובד היטב במתמטיקה ובקוד, שבהם קל למדוד את התוצאה, אך קשה משמעותית בביולוגיה או ברובוטיקה, שבהם ניסויים איטיים ורב-ממדיים. Manus וסוכנים דומים מנסים לסגור את הפער הזה באמצעות אינטראקציות אמיתיות, אך עדיין לא הוכיחו יכולת הרחבה מעבר למשימות מצומצמות.
העצמאות של Manus מאפשרת לחברה להתאים את המוצר במהירות רבה יותר לתרחישי משתמש אמיתיים - מניתוח תחרותי ועד אוטומציה של תהליכי עבודה. במקביל, זרם ההון ל-RSI ול-world models מאותת על שינוי פרדיגמה: מהרחבת מודלים לשוניים ליצירת מערכות שמייצרות ניסיון משלהן ומשפרות את עצמן.
נותר לא ברור אם סוכנים כמו Manus או RSI יצליחו לסגור את מחזור השיפור העצמי המלא ללא פיקוח אנושי משמעותי. אימות בלתי תלוי על ביצועים ארוכי טווח ומקרי שימוש אמיתיים יהפוך למבחן המפתח לשאיפות אלה בחודשים הקרובים.
Manus, לאחר שחזרה לעצמאות, מקבלת הזדמנות להאיץ את היישום המעשי של סוכנים אוטונומיים, אך ההצלחה תהיה תלויה ביכולת להוכיח אמינות בסביבה לא מפוקחת.
