1年2026月，中國新創公司 Manus 在與 Meta 的2億美元交易破局後，正式恢復獨立運作。這家總部位於新加坡的公司表示，其團隊將繼續開發通用 AI 代理，能夠在無需人類持續干預的情況下執行複雜的多步驟任務。
與先前整合 Meta 的時期不同，Manus 現在強調轉向更深入地融入真實工作流程、與外部世界直接互動以及主動執行任務。這不僅是回歸獨立新創公司的狀態，更是策略性的轉變，朝向不受限於文字生成、而是透過瀏覽器、程式碼和工具在真實環境中行動的代理系統。
與此同時，由 Richard Socher 創立的 Recursive Superintelligence 籌集了650百萬美元，明確目標是打造遞迴式自我改進的系統。該公司力求自動化科學研究的整個循環：從識別模型弱點到提出改進方案、實施及驗證。AMI Labs（1,03億美元）、World Labs（1億美元）、Lila Sciences（550百萬美元）和 General Intuition（454百萬美元）也完成了類似融資，顯示資金大量湧入 agentic AI 領域。
在技術上，Manus 是一個編排器，在具備真實工具（瀏覽器、檔案系統、程式碼直譯器）的隔離虛擬機器中執行前沿模型（通常是 Claude）。使用者設定高層級目標，代理自行將其分解為步驟、執行、驗證結果並回傳成品。1.5和1.6的更新顯示，任務執行時間從15縮短至不到4分鐘，且在盲測中使用者滿意度提升超過19%。
評估此類代理的方法仍具爭議。Manus 據稱在 GAIA 基準上領先 GPT-4，該基準衡量推理和工具使用能力，但無法保證在長期、不確定情境下的可靠性。目前缺乏與真實世界互動時失敗模式的公開數據，例如網頁導航錯誤或不穩定的 API。這是 agentic 系統的典型問題：在受控測試中的優異表現不一定能轉移至生產環境。
與 Recursive Superintelligence 的方法相比，Manus 強調當前的實際自主性，而 RSI 則專注於長期的自我改進迴圈。Recursive 計劃在2026年中前實現「1級」自主系統，並投入數百萬美元於運算資源。而 Manus 在脫離 Meta 後，或許能更快迭代產品而不受企業限制，但在遞迴的基礎研究上可能落後。
DeepMind 的 AlphaEvolve 展示了中間路線：Gemini 提出解決方案，自動測試，選出最佳方案並加以改進。這在數學和程式碼領域效果良好，因為結果易於衡量，但在生物學或機器人學等實驗緩慢且多維的領域則困難得多。Manus 和類似代理試圖透過真實互動來縮小這一差距，但尚未證明在狹窄任務之外的可擴展性。
Manus 的獨立性使其能更快地將產品適應真實使用者情境，從競爭分析到工作流程自動化。同時，資金湧入 RSI 和世界模型標誌著範式轉變：從擴展語言模型轉向創造能產生自身經驗並自我改進的系統。
目前仍不清楚像 Manus 或 RSI 這樣的代理能否在沒有大量人類監督的情況下完成完整的自我改進循環。在長期基準和真實案例上的獨立驗證，將是未來幾個月對這些雄心壯志的關鍵考驗。
Manus 回歸獨立後，有機會加速自主代理的實際部署，但成功將取決於能否在不受控環境中證明其可靠性。
