1 सितंबर 2026 को चीनी स्टार्टअप मानुस ने मेटा के साथ 2 अरब डॉलर के सौदे के विफल होने के बाद आधिकारिक तौर पर स्वतंत्र काम फिर से शुरू किया। सिंगापुर में स्थापित कंपनी ने कहा कि उसकी टीम सामान्य एआई एजेंट विकसित करना जारी रखेगी जो मानव हस्तक्षेप के बिना जटिल बहु-चरणीय कार्य कर सकते हैं।
मेटा के साथ पिछले एकीकरण अवधि के विपरीत, मानुस अब वास्तविक कार्य प्रवाह में गहरे एकीकरण, बाहरी दुनिया के साथ सीधे संपर्क और सक्रिय कार्य निष्पादन पर जोर देता है। यह केवल एक स्वतंत्र स्टार्टअप की स्थिति में वापसी नहीं है, बल्कि एजेंट सिस्टम की ओर एक रणनीतिक बदलाव है जो पाठ निर्माण तक सीमित नहीं हैं, बल्कि ब्राउज़र, कोड और उपकरणों के माध्यम से वास्तविक वातावरण में कार्य करते हैं।
समानांतर में, रिचर्ड सोचर द्वारा स्थापित रिकर्सिव सुपरइंटेलिजेंस ने स्पष्ट लक्ष्य के साथ 650 मिलियन डॉलर जुटाए हैं जो पुनरावर्ती रूप से आत्म-सुधार करने वाली प्रणाली बनाना है। कंपनी वैज्ञानिक अनुसंधान के पूरे चक्र को स्वचालित करना चाहती है: मॉडल की कमजोरियों की पहचान से लेकर सुधारों का सुझाव, उनका कार्यान्वयन और सत्यापन तक। इसी तरह के दौर एएमआई लैब्स (1,03 अरब), वर्ल्ड लैब्स (1 अरब), लिला साइंसेज (550 मिलियन) और जनरल इंट्यूशन (454 मिलियन) के लिए भी हुए, जो एजेंटिक एआई में पूंजी के बड़े पैमाने पर प्रवाह का संकेत देते हैं।
तकनीकी रूप से, मानुस एक ऑर्केस्ट्रेटर है जो वास्तविक उपकरणों के साथ एक पृथक आभासी मशीन के अंदर फ्रंटियर-मॉडल (अक्सर क्लॉड) चलाता है: ब्राउज़र, फ़ाइल सिस्टम, कोड इंटरप्रेटर। उपयोगकर्ता एक उच्च-स्तरीय लक्ष्य निर्धारित करता है, और एजेंट स्वतंत्र रूप से इसे चरणों में विभाजित करता है, निष्पादित करता है, परिणाम की जांच करता है और एक आर्टिफैक्ट लौटाता है। अपडेट 1.5 और 1.6 ने कार्य निष्पादन समय में 15 से 4 मिनट से कम की कमी और अंधे परीक्षणों में उपयोगकर्ता संतुष्टि में 19% से अधिक की वृद्धि दिखाई।
ऐसे एजेंटों के मूल्यांकन की पद्धति विवादास्पद बनी हुई है। GAIA-बेंचमार्क, जहां मानुस कथित तौर पर GPT-4 से आगे है, तर्क और उपकरण उपयोग की क्षमता को मापता है, लेकिन अनिश्चितता के साथ दीर्घकालिक परिदृश्यों में विश्वसनीयता की गारंटी नहीं देता है। वास्तविक दुनिया के साथ बातचीत में विफलता मोड पर सार्वजनिक डेटा की कमी है - उदाहरण के लिए, वेब नेविगेशन में त्रुटियों या अस्थिर एपीआई के दौरान। यह एजेंटिक सिस्टम की एक विशिष्ट समस्या है: नियंत्रित परीक्षणों में मजबूत परिणाम हमेशा उत्पादन में स्थानांतरित नहीं होते हैं।
रिकर्सिव सुपरइंटेलिजेंस के दृष्टिकोण की तुलना में, मानुस आज व्यावहारिक स्वायत्तता पर जोर देता है, जबकि आरएसआई दीर्घकालिक आत्म-सुधार लूप पर केंद्रित है। रिकर्सिव 2026 के मध्य तक एक स्वायत्त प्रणाली के 'स्तर 1' की योजना बना रहा है, जो कंप्यूट पर लाखों डॉलर खर्च करेगा। दूसरी ओर, मानुस, मेटा से मुक्त होकर, कॉर्पोरेट बाधाओं के बिना उत्पाद को तेजी से पुनरावृत्त कर सकता है, लेकिन पुनरावृत्ति में मौलिक अनुसंधान में पीछे रहने का जोखिम उठाता है।
अल्फाइवॉल्व के साथ डीपमाइंड एक मध्यवर्ती मार्ग प्रदर्शित करता है: जेमिनी समाधान प्रस्तावित करता है, उन्हें स्वचालित रूप से परीक्षण किया जाता है, सर्वश्रेष्ठ का चयन किया जाता है और सुधार किया जाता है। यह गणित और कोड में अच्छी तरह से काम करता है, जहां परिणाम आसानी से मापा जा सकता है, लेकिन जीव विज्ञान या रोबोटिक्स में काफी कठिन है, जहां प्रयोग धीमे और बहुआयामी हैं। मानुस और समान एजेंट वास्तविक बातचीत के माध्यम से इस अंतर को बंद करने की कोशिश कर रहे हैं, लेकिन अभी तक संकीर्ण कार्यों से परे स्केलेबिलिटी साबित नहीं हुई है।
मानुस की स्वतंत्रता कंपनी को वास्तविक उपयोगकर्ता परिदृश्यों के लिए उत्पाद को तेजी से अनुकूलित करने की अनुमति देती है - प्रतिस्पर्धी विश्लेषण से लेकर कार्य प्रवाह स्वचालन तक। साथ ही, आरएसआई और वर्ल्ड मॉडल में पूंजी का प्रवाह एक प्रतिमान बदलाव का संकेत देता है: भाषा मॉडल के पैमाने से लेकर ऐसी प्रणाली बनाने तक जो अपना अनुभव उत्पन्न करती है और खुद को बेहतर बनाती है।
यह स्पष्ट नहीं है कि मानुस या आरएसआई जैसे एजेंट महत्वपूर्ण मानव पर्यवेक्षण के बिना आत्म-सुधार का पूरा चक्र बंद कर पाएंगे या नहीं। दीर्घकालिक बेंचमार्क और वास्तविक मामलों पर स्वतंत्र सत्यापन आने वाले महीनों में इन महत्वाकांक्षाओं के लिए महत्वपूर्ण परीक्षण बन जाएगा।
मानुस, स्वतंत्रता पर लौटकर, स्वायत्त एजेंटों के व्यावहारिक कार्यान्वयन में तेजी लाने का मौका पाता है, लेकिन सफलता अनियंत्रित वातावरण में विश्वसनीयता साबित करने की क्षमता पर निर्भर करेगी।
