1年2026月、中国のスタートアップManusは、Metaとの2億ドルの取引が破談になった後、正式に独立した業務を再開しました。シンガポールに拠点を置く同社は、チームが人間の絶え間ない介入なしに複雑な多段階タスクを実行できる汎用AIエージェントの開発を継続すると述べています。
Metaとの統合期間とは異なり、Manusは現在、実際のワークフローへのより深い統合、外界との直接的な相互作用、そしてプロアクティブなタスク実行への移行を強調しています。これは単なる独立系スタートアップへの回帰ではなく、テキスト生成に限定されず、ブラウザ、コード、ツールを通じて実際の環境で動作するエージェントシステムへの戦略的シフトです。
並行して、Richard Socher氏が設立したRecursive Superintelligenceは、再帰的に自己改善するシステムを構築するという明確な目的で650百万ドルを調達しました。同社は、モデルの弱点の特定から改善案の提案、実装、検証まで、科学研究のサイクル全体を自動化することを目指しています。同様の資金調達ラウンドは、AMI Labs（1,03億ドル）、World Labs（1億ドル）、Lila Sciences（550百万ドル）、General Intuition（454百万ドル）でも行われており、エージェント型AIへの大規模な資本流入を示しています。
技術的には、Manusはオーケストレーターであり、ブラウザ、ファイルシステム、コードインタープリターなどの実際のツールを備えた隔離された仮想マシン内でフロンティアモデル（多くの場合Claude）を起動します。ユーザーは高レベルの目標を設定し、エージェントはそれをステップに分解し、実行し、結果を検証し、成果物を返します。1.5と1.6のアップデートでは、タスク実行時間が15分から4分未満に短縮され、ブラインドテストでのユーザー満足度が19%以上向上したことが示されました。
このようなエージェントの評価方法は依然として議論の余地があります。ManusがGPT-4を上回るとされるGAIAベンチマークは、推論とツール使用の能力を測定しますが、不確実性を伴う長期的なシナリオでの信頼性を保証するものではありません。実際の世界との相互作用における障害モード（例えば、ウェブナビゲーションのエラーや不安定なAPI）に関する公開データは不足しています。これはエージェント型システムの典型的な問題です。制御されたテストでの強力な結果は、必ずしも本番環境に移行できるとは限りません。
Recursive Superintelligenceのアプローチと比較すると、Manusは今日の実用的な自律性に重点を置いていますが、RSIは長期的な自己改善ループに焦点を当てています。Recursiveは、数百万ドルを計算リソースに使用して、2026年半ばまでに自律システムの「レベル1」を計画しています。一方、ManusはMetaから解放されたことで、企業の制約なしに製品を迅速に反復できる可能性がありますが、再帰に関する基礎研究では遅れを取るリスクがあります。
DeepMindのAlphaEvolveは中間的な道を示しています。Geminiが解決策を提案し、それらが自動的にテストされ、最良のものが選択されて改善されます。これは結果を測定しやすい数学やコードではうまく機能しますが、実験が遅く多次元である生物学やロボット工学でははるかに困難です。Manusや類似のエージェントは、実際の相互作用を通じてこのギャップを埋めようとしていますが、狭いタスクを超えたスケーラビリティはまだ証明されていません。
Manusの独立性により、競合分析からワークフローの自動化まで、実際のユーザーシナリオに製品を迅速に適応させることができます。同時に、RSIやワールドモデルへの資本流入は、言語モデルのスケーリングから、独自の経験を生成し自己改善するシステムの構築へのパラダイムシフトを示しています。
ManusやRSIのようなエージェントが、実質的な人間の監督なしに自己改善の完全なサイクルを閉じることができるかどうかは依然として不明です。長期的なベンチマークと実際のユースケースでの独立した検証が、今後数ヶ月でこれらの野心にとって重要なテストとなるでしょう。
Manusは自立に戻ることで、自律エージェントの実用的な導入を加速する機会を得ますが、成功は、管理されていない環境での信頼性を証明できるかどうかにかかっています。
