1年2026月，在与Meta的2亿美元交易破裂后，中国初创公司Manus正式恢复独立运营。这家总部位于新加坡的公司表示，其团队将继续开发通用人工智能代理，这些代理能够在无需持续人工干预的情况下执行复杂的多步骤任务。
与之前与Meta整合的阶段不同，Manus现在强调向更深层次融入实际工作流程、与外部世界直接互动以及主动执行任务的转变。这不仅仅是回归独立初创公司的状态，而是一种战略转变，转向不仅限于生成文本，而是通过浏览器、代码和工具在真实环境中行动的代理系统。
与此同时，由Richard Socher创立的Recursive Superintelligence筹集了650万美元，明确目标是创建递归自我改进的系统。该公司旨在自动化整个科学研究周期：从识别模型弱点到提出改进建议、实施改进并进行验证。AMI Labs（1,03亿）、World Labs（1亿）、Lila Sciences（550万）和General Intuition（454万）也进行了类似融资，这表明大量资本涌入代理型人工智能领域。
从技术上讲，Manus是一个编排器，它在具有真实工具（如浏览器、文件系统、代码解释器）的隔离虚拟机中运行前沿模型（通常是Claude）。用户设定高层次目标，代理自主将其分解为步骤，执行、检查结果并返回产物。1.5和1.6更新显示，任务执行时间从15缩短至不到4分钟，在盲测中用户满意度提高了超过19%。
评估此类代理的方法仍存在争议。在GAIA基准测试中，Manus据称领先于GPT-4，该测试衡量推理和工具使用能力，但不能保证在具有不确定性的长期场景中的可靠性。缺乏与真实世界交互时失败模式的公开数据——例如，在网页导航错误或不稳定的API情况下。这是代理系统的典型问题：在受控测试中的强劲表现并不总能转化为生产环境中的可靠性。
与Recursive Superintelligence的方法相比，Manus强调当下的实际自主性，而RSI则专注于长期自我改进循环。Recursive计划到2026年中期实现“1级”自主系统，利用数百万美元的计算资源。而Manus在摆脱Meta后，可以在没有企业限制的情况下更快地迭代产品，但可能在递归基础研究方面落后。
DeepMind的AlphaEvolve展示了一条中间路径：Gemini提出解决方案，自动测试，选择最佳方案并加以改进。这在数学和代码领域效果很好，因为结果易于衡量，但在生物学或机器人技术等领域则困难得多，因为实验缓慢且多维。Manus和类似代理试图通过真实交互来弥合这一差距，但尚未证明在狭窄任务之外的可扩展性。
Manus的独立性使其能够更快地使产品适应真实用户场景——从竞争分析到工作流程自动化。同时，资金涌入RSI和世界模型表明范式正在转变：从扩展语言模型转向创建能够生成自身经验并自我改进的系统。
目前尚不清楚像Manus或RSI这样的代理是否能在没有大量人类监督的情况下完成完整的自我改进循环。在长期基准测试和真实案例中的独立验证将成为未来几个月检验这些雄心的关键。
Manus回归独立，有机会加速自主代理的实际部署，但成功将取决于在非受控环境中证明可靠性的能力。
