Vào tháng 1 năm 2026, công ty khởi nghiệp Trung Quốc Manus chính thức nối lại hoạt động độc lập sau khi thỏa thuận với Meta trị giá 2 tỷ đô la bị đổ vỡ. Công ty có trụ sở tại Singapore cho biết đội ngũ của họ sẽ tiếp tục phát triển các tác tử AI tổng quát có khả năng thực hiện các nhiệm vụ phức tạp nhiều bước mà không cần sự can thiệp liên tục của con người.
Khác với giai đoạn trước khi tích hợp với Meta, Manus hiện nhấn mạnh việc chuyển sang triển khai sâu hơn vào các quy trình làm việc thực tế, tương tác trực tiếp với thế giới bên ngoài và chủ động thực hiện nhiệm vụ. Đây không chỉ là sự trở lại vị thế của một công ty khởi nghiệp độc lập, mà còn là sự chuyển dịch chiến lược hướng tới các hệ thống tác tử không chỉ giới hạn ở việc tạo văn bản, mà còn hoạt động trong môi trường thực tế thông qua trình duyệt, mã và các công cụ.
Song song đó, Recursive Superintelligence do Richard Socher sáng lập đã huy động được 650 triệu đô la với mục tiêu rõ ràng là tạo ra các hệ thống tự cải thiện một cách đệ quy. Công ty đặt mục tiêu tự động hóa toàn bộ chu trình nghiên cứu khoa học: từ việc xác định điểm yếu của mô hình đến đề xuất cải tiến, triển khai và xác thực chúng. Các vòng gọi vốn tương tự cũng diễn ra tại AMI Labs (1,03 tỷ), World Labs (1 tỷ), Lila Sciences (550 triệu) và General Intuition (454 triệu), cho thấy dòng vốn khổng lồ đổ vào agentic AI.
Về mặt kỹ thuật, Manus là một bộ điều phối chạy các mô hình tiên tiến (thường là Claude) bên trong một máy ảo cô lập với các công cụ thực tế: trình duyệt, hệ thống tệp, trình thông dịch mã. Người dùng đặt ra mục tiêu cấp cao, và tác tử tự chia nhỏ thành các bước, thực hiện, kiểm tra kết quả và trả về một tạo phẩm. Các bản cập nhật 1.5 và 1.6 cho thấy thời gian thực hiện nhiệm vụ giảm từ 15 xuống dưới 4 phút và mức độ hài lòng của người dùng tăng hơn 19% trong các thử nghiệm mù.
Phương pháp đánh giá các tác tử như vậy vẫn còn gây tranh cãi. Điểm chuẩn GAIA, nơi Manus được cho là vượt trội hơn GPT-4, đo lường khả năng suy luận và sử dụng công cụ, nhưng không đảm bảo độ tin cậy trong các kịch bản dài hạn có độ bất định. Thiếu dữ liệu công khai về các chế độ lỗi khi tương tác với thế giới thực — ví dụ, khi gặp lỗi điều hướng web hoặc API không ổn định. Đây là vấn đề điển hình của các hệ thống tác tử: kết quả mạnh mẽ trong các bài kiểm tra có kiểm soát không phải lúc nào cũng chuyển sang môi trường sản xuất.
So với cách tiếp cận của Recursive Superintelligence, Manus nhấn mạnh vào quyền tự chủ thực tế ngay hôm nay, trong khi RSI tập trung vào vòng lặp tự cải thiện dài hạn. Recursive lên kế hoạch đạt 'Cấp độ 1' của hệ thống tự trị vào giữa năm 2026, sử dụng hàng triệu đô la cho tính toán. Còn Manus, sau khi thoát khỏi Meta, có thể lặp lại sản phẩm nhanh hơn mà không bị ràng buộc bởi các hạn chế của công ty, nhưng có nguy cơ tụt hậu trong nghiên cứu cơ bản về đệ quy.
DeepMind với AlphaEvolve thể hiện một con đường trung gian: Gemini đề xuất các giải pháp, chúng được tự động kiểm tra, các giải pháp tốt nhất được chọn và cải thiện. Điều này hoạt động tốt trong toán học và mã, nơi kết quả dễ đo lường, nhưng khó khăn hơn nhiều trong sinh học hoặc robot, nơi các thí nghiệm chậm và đa chiều. Manus và các tác tử tương tự cố gắng thu hẹp khoảng cách này thông qua các tương tác thực tế, nhưng vẫn chưa chứng minh được khả năng mở rộng ngoài các nhiệm vụ hẹp.
Sự độc lập của Manus cho phép công ty thích ứng sản phẩm nhanh hơn với các kịch bản người dùng thực tế — từ phân tích cạnh tranh đến tự động hóa quy trình làm việc. Đồng thời, dòng vốn đổ vào RSI và các mô hình thế giới báo hiệu sự thay đổi mô hình: từ việc mở rộng quy mô mô hình ngôn ngữ sang việc tạo ra các hệ thống tự tạo ra trải nghiệm và tự cải thiện.
Vẫn chưa rõ liệu các tác tử như Manus hay RSI có thể hoàn thành toàn bộ chu trình tự cải thiện mà không cần sự giám sát đáng kể của con người hay không. Việc xác minh độc lập trên các điểm chuẩn dài hạn và các trường hợp thực tế sẽ trở thành bài kiểm tra quan trọng cho những tham vọng này trong những tháng tới.
Manus, khi trở lại tự chủ, có cơ hội đẩy nhanh việc triển khai thực tế các tác tử tự trị, nhưng thành công sẽ phụ thuộc vào khả năng chứng minh độ tin cậy trong môi trường không được kiểm soát.
