1 вересня 2026 року китайський стартап Manus офіційно відновив незалежну роботу після зриву угоди з Meta на 2 мільярда доларів. Компанія, заснована в Сінгапурі, заявила, що її команда продовжить розвивати загальні ШІ-агенти, здатні виконувати складні багатокрокові завдання без постійного втручання людини.
На відміну від попереднього періоду інтеграції з Meta, Manus тепер підкреслює перехід до глибшого впровадження в реальні робочі процеси, прямої взаємодії із зовнішнім світом і проактивного виконання завдань. Це не просто повернення до статусу незалежного стартапу, а стратегічний зсув у бік агентних систем, які не обмежуються генерацією тексту, а діють у реальному середовищі через браузери, код та інструменти.
Паралельно Recursive Superintelligence, заснована Річардом Сочером, залучила 650 мільйонів доларів з явною метою створити рекурсивно самовдосконалювані системи. Компанія прагне автоматизувати весь цикл наукових досліджень: від виявлення слабких місць моделі до пропозиції покращень, їх реалізації та валідації. Аналогічні раунди пройшли у AMI Labs (1,03 мільярда), World Labs (1 мільярд), Lila Sciences (550 мільйонів) та General Intuition (454 мільйона), що вказує на масовий приплив капіталу в agentic AI.
Технічно Manus є оркестратором, який запускає frontier-моделі (часто Claude) у ізольованій віртуальній машині з реальними інструментами: браузером, файловою системою, інтерпретатором коду. Користувач задає високорівневу мету, а агент самостійно розбиває її на кроки, виконує, перевіряє результат і повертає артефакт. Оновлення 1.5 і 1.6 показали скорочення часу виконання завдань з 15 до менш ніж 4 хвилин і зростання задоволеності користувачів більш ніж на 19 % у сліпих тестах.
Методологія оцінки таких агентів залишається спірною. GAIA-бенчмарк, де Manus нібито випереджає GPT-4, вимірює здатність до міркування та використання інструментів, але не гарантує надійність у довгострокових сценаріях з невизначеністю. Відсутні публічні дані про failure modes при взаємодії з реальним світом — наприклад, при помилках у веб-навігації або нестабільних API. Це типова проблема agentic-систем: сильні результати в контрольованих тестах не завжди переносяться на production.
У порівнянні з підходом Recursive Superintelligence Manus робить акцент на практичній автономії вже сьогодні, тоді як RSI фокусується на довгостроковій петлі самовдосконалення. Recursive планує «Level 1» автономної системи до середини 2026 року, використовуючи мільйони доларів на compute. Manus же, звільнившись від Meta, може швидше ітерувати продукт без корпоративних обмежень, але ризикує відстати у фундаментальних дослідженнях рекурсії.
DeepMind з AlphaEvolve демонструє проміжний шлях: Gemini пропонує рішення, вони автоматично тестуються, найкращі відбираються і покращуються. Це добре працює в математиці та коді, де результат легко виміряти, але значно складніше в біології чи робототехніці, де експерименти повільні та багатовимірні. Manus та аналогічні агенти намагаються закрити цей розрив через реальні взаємодії, однак поки не довели масштабованість за межами вузьких завдань.
Незалежність Manus дозволяє компанії швидше адаптувати продукт під реальні користувацькі сценарії — від конкурентного аналізу до автоматизації робочих процесів. Водночас приплив капіталу в RSI та world models сигналізує про зміну парадигми: від масштабування мовних моделей до створення систем, що генерують власний досвід і покращують себе.
Залишається незрозумілим, чи вдасться агентам на кшталт Manus або RSI закрити повний цикл самовдосконалення без суттєвого людського нагляду. Незалежна верифікація на довгострокових бенчмарках і реальних кейсах стане ключовим тестом для цих амбіцій у найближчі місяці.
Manus, повернувшись до самостійності, отримує шанс прискорити практичне впровадження автономних агентів, але успіх залежатиме від здатності довести надійність у неконтрольованому середовищі.
