關于 Manus 這類產(chǎn)品，我想說...

從 Manus 發(fā)布至今，圍繞著這類通用型智能體的討論從沒停過。如今，在輿情平息的時候，我們覺得是時候好好評價一下這類產(chǎn)品了。

首先，我們稱贊 Manus 這類產(chǎn)品的構建思路 —— 通過多模型協(xié)作，確實在向傳說中的 “世界大模型” 靠近。但實際測試中卻暴露不少問題：號稱 “重新定義 AI 協(xié)作” 的 Manus，內(nèi)測時生成 PPT 打不開 WPS、股票分析用錯數(shù)據(jù)等。

這類產(chǎn)品的出現(xiàn)確實推動了行業(yè)討論。但從實際可用性來看，目前多數(shù)通用智能體都像 Manus 一樣 “噱頭大于實用”。

以下是我們針對目前三款“通用 Agent”產(chǎn)品的主觀評價：

總的來說，目前三款產(chǎn)品可用性不足，任務成功率低，文字相關能力與 LLM 原生功能無異，通用 Agent 附加價值有限。

一、能力對比

1. Manus

主觀評分：☆☆

信息收集：可訪問網(wǎng)頁及讀取其中的圖片及pdf文檔內(nèi)容

編程：接入Claude代碼大模型

PPT生成：可編輯，但質(zhì)量較差

圖像生成：不支持

視頻生成：不支持

資費：免費，1000積分/月；Starter/Pro，$39/$399月

2. Genspark

主觀評分：☆

信息收集：可訪問網(wǎng)頁及讀取其中的圖片及pdf文檔內(nèi)容

編程：接入多種代碼大模型混合使用

PPT生成：使用代碼方式寫PPT，效果還可以，但不可編輯

圖像生成：直接接入Flux，ideogram等圖像大模型

視頻生成：直接接入可靈，minimax等視頻大模型

資費：免費，200積分/日；Plus版，24.99美元/月

3. 扣子空間

主觀評分：☆

信息收集：可訪問網(wǎng)頁及讀取其中的圖片及pdf文檔內(nèi)容

編程：接入豆包代碼大模型

PPT生成：視覺以及結構還可以，同時提供了PDF、PPT、文字三個版本，可二次編輯：

圖像生成：支持添加MCP拓展圖片生成：

視頻生成：不支持

資費：目前完全免費，每日有4-5個任務限制

一、Manus

1. 核心架構

基礎模塊：信息收集、信息分析、代碼編寫，無生成圖片視頻等多模態(tài)功能。

它通過多代理架構將任務拆分為規(guī)劃、執(zhí)行、驗證等子模塊，每個代理基于獨立的語言模型或強化學習模型，通過 API 協(xié)同工作；

優(yōu)勢

1. 工作流程條理性較強，先確定任務步驟，按步驟依次進行，；
2. 推理過程所使用的文件均可以下載，推理流程較為透明；

劣勢

1. 需要魔法上網(wǎng)，對部分用戶可能有使用門檻；
2. 多模態(tài)能力較弱，缺乏圖像處理等多模態(tài)工具；
3. 工具集較為有限，嚴重依賴Python腳本，可以生成PPT格式的文件，但質(zhì)量較差，無法二次編輯；
4. 性能方面，推理過程較慢，從收集資料到生成分析文檔總計要消耗近30min。

2. 代碼生成

代碼方面因為是直接調(diào)用了其他 LLM 模型，所以性能與其一致。以下是生成的前端頁面。

3. 多模態(tài)分析功能

對于圖像有基本的分類功能，但是沒有配置針對圖像處理的模型，處理分析功能效果不好。

深度分析

收集信息，使用代碼方式生成調(diào)研報告，并發(fā)布在網(wǎng)頁，對于信源等搜索分析不全面，與其他 AI 工具無大異。

二、Genspark

1. 核心架構

基礎模塊：AI 對話/生圖/視頻/翻譯，沿用 ChatGPT、可靈等主流模型；

工具型智能體，5 類專業(yè)場景應用：綜合智能體，深度研究智能體，事實核查智能體，數(shù)據(jù)表智能體，打電話智能體；

宣傳中"80+工具"實際是基于“AI 聊天，AI 生圖，AI 視頻，翻譯“等類型工具的排列組合。

優(yōu)勢

1. 功能模塊全面，包括AI搜索與瀏覽器、圖片工作室、視頻生成、深度研究等。
2. 任務執(zhí)行效率高，尤其在多輪對話和復雜任務處理上

劣勢

1. 需要魔法上網(wǎng)，對部分用戶可能有使用門檻；
2. 工具創(chuàng)新不足：超90%功能與競品同質(zhì)化，唯視頻生成系獨家配置（當前質(zhì)量未達可用標準），尚未形成真實競爭力；
3. 技術整合度低：多模型簡單堆砌，缺乏深度調(diào)優(yōu)；
4. 營銷與實際落差：概念智能體未突破傳統(tǒng)Agent框架，格式轉(zhuǎn)換等工具實為API封裝

2. 綜合分析能力

實際使用流程與 Manus 一致，輸入一個任務，Genspark 開始自動安排工作，完成后輸出結果，生成 PPT 視覺效果還可以，但無法二次編輯修改。

3. AI 聊天

官方宣傳其多模型集成系統(tǒng)（含 GPT-4、Claude3 及自研模型），但實測認為在常規(guī)對話、文本生成和信息檢索等基礎場景中，該系統(tǒng)表現(xiàn)與單一優(yōu)質(zhì)模型并無顯著差異。

4. 圖像生成

Genspark 會寫一套提示詞，然后使用 Flux 等公開模型（舊版模型）直接生成圖片。生成效果差于直接使用生圖工具。

5. 視頻生成

視頻生成模型使用的是可靈等開放模型，生成清晰度低，視頻不穩(wěn)定，消耗積分大，僅一次就消耗掉了當日所有免費積分，視頻效果差于可靈等生視頻工具。

三、扣子空間

1. 核心架構

Agent：

1. 通用 agent：與 Manus 相似。
2. 專家 agent：針對通用 agent 做了內(nèi)置 prompt，目前是用戶研究、股票分析。

兩種主要模式：

1. 探索模式：不可修改任務規(guī)劃步驟。
2. 規(guī)劃模式：可修改 Ai 規(guī)劃任務步驟內(nèi)容。

支持接入圖片生成 MCP 產(chǎn)出圖片，基于豆包大模型可處理多模態(tài)數(shù)據(jù)。

優(yōu)勢

1. 不需要魔法上網(wǎng)，目前完全免費；
2. 提供探索和規(guī)劃兩種模式，用戶可以修改agent規(guī)劃的步驟細節(jié)內(nèi)容；
3. 支持MCP擴展，AI agent的能力邊界被進一步擴展。

劣勢

1. 官方宣傳的“各行各業(yè)的「領域?qū)＜摇梗壳爸挥袃蓚€，且無法使用規(guī)劃模式調(diào)整執(zhí)行任務內(nèi)容。
2. MCP擴展目前是固定列表且不支持自定義，應用空間有限。
3. 性能上，依賴豆包模型的邏輯能力，復雜任務（如商業(yè)模型分析）易出現(xiàn)細節(jié)缺失，規(guī)劃模式推理過程較慢，從暫時不具備可用性。
4. 完成任務一段時間后無法進行二次對話，任務永遠結束。
5. Beta版本全免費，高峰期服務器易擁堵，易出現(xiàn)影響響應速度。

2. 通用 agent（探索模式） 任務：品牌對比分析報告

通用 agent：進行第一輪、第二輪快速思考和瀏覽器搜索。搜到信息后生成并部署網(wǎng)頁缺點：數(shù)據(jù)不夠新，目前還是 2023 年的內(nèi)容。目前生成文檔每句話引用未標注來源，可信程度存疑。

3. 專家 agent 任務：生成問卷

左側(cè)為扣子空間、右側(cè)為 deepseek，使用了相同的 prompt，對比 deepseek，扣子空間生成的問卷更加全面、分類更準確、問題語言更清晰易懂。

4. 通用 agent（規(guī)劃模式） 任務：生成競品分析并生成筆記

執(zhí)行時間較長，針對復雜任務需要 10 分鐘以上，同時在生成筆記中有概率會出現(xiàn)報錯的問題。生成筆記信息不全面，出現(xiàn)關鍵細節(jié)缺失，分析不全面等問題。

5. MCP agent（探索模式） 任務：生成可視化旅行攻略

可以調(diào)用高德地圖與墨跡天氣的信息并適時設計旅行線路，同時可以導出至飛書表格直接生成攻略。

6. MCP agent（探索模式） 任務：生成一個會跳舞的貓

調(diào)用圖像工具 MCP，生成的圖像清晰但是對于主體的處理不符合事實，需要二次修改。

結語

從 Manus、Genspark 到扣子空間，通用智能體產(chǎn)品雖在技術架構上嘗試通過多模型整合、任務拆分等方式向 “世界大模型” 靠近，但實際使用中仍存在明顯局限。

目前來看，這類產(chǎn)品普遍能力和問題相似，如信息收集、代碼生成等能力差異不大，且多模態(tài)支持不足（如圖像、視頻生成功能缺失或質(zhì)量較低）。同時，使用體驗上存在穩(wěn)定性不足、付費策略不夠合理（如積分消耗快、套餐價格較高）、部分產(chǎn)品需依賴魔法上網(wǎng)等問題，影響了實際可用性。

未來，通用智能體需在技術生態(tài)建設、性能優(yōu)化、付費體系完善等方面持續(xù)改進，才能從概念層面的討論走向?qū)嶋H應用場景的落地，真正實現(xiàn)從 “有限可用” 到 “可用” 的跨越。