Manus一夜吊打騰訊元寶、DeepSeek？

是潑天的富貴還是潑天的流量呢？無論背后是否有推手，都無法阻止Manus的一夜爆火，而且是國內外的那種火爆。

繼DeepSeek之后，一個名為Manus的產品又在科技界刷屏了！

北京時間3月6日凌晨，國內大模型團隊Monica重磅發布了全球首款通用AI Agent——Manus。此時此刻，全網都在求邀請碼。

據媒體報道，除邀請碼外，想靠Manus賣課的人也出現了。目前多個商家售賣單價在500元左右的“Manus使用教程”。

據公司介紹，Manus與傳統AI助手不同，它能夠解決各類復雜多變的任務，不僅能提供建議或答案，還能直接交付完整的任務成果，是真正自主的AI Agent。

據悉，Manus AI合伙人張濤在社交平臺回應稱，短期內會專注build。他表示，感謝大家對Manus的關注，特此澄清：1.我們從未開設任何付費獲取邀請碼的渠道；2.我們從未投入任何市場推廣預算；3.內測期間系統容量有限，我們將優先保障現有用戶的核心體驗，并逐步有序釋放邀請。

Manus會是超越騰訊元寶、DeepSeek的產品嗎？目前很難判定，但熱度層面確實很爆，只是很難確定技術層面是否炸裂。

Manus與DeepSeek的PK

2025年，中國AI領域迎來兩大標志性產品：DeepSeek與Manus。前者以基礎模型研發為核心，后者以通用AI Agent為定位，兩者的技術路徑與市場策略形成鮮明對比。本文從技術架構、應用場景、商業生態等維度展開分析，探討兩者的發展潛力與競爭邊界。

技術架構與核心能力對比

DeepSeek：語言模型的極致優化

混合專家（MoE）架構：總參數達6710億，每個Token激活37億參數，通過動態神經元分配實現高性價比推理，在數學與編程任務中表現尤為突出（HumanEval-Mul測試通過率82.6%）。

開源生態優勢：完整開放FP8權重與訓練細節，支持本地部署，成為中小企業的“AI基礎設施”。

訓練成本控制：557萬美元的訓練成本僅為Llama-3.1的1/18，顯著降低企業應用門檻。

Manus：多智能體協作的“數字員工”

Multiple Agent架構：通過虛擬機運行規劃代理、執行代理等子模塊，實現端到端任務閉環，例如自動調用Photoshop插件完成設計稿修改。

GAIA基準測試突破：在涉及多模態輸入與長流程規劃的復雜任務中取得SOTA成績，驗證其自主決策能力。工具鏈整合深度：支持跨平臺操作，如直接解壓簡歷壓縮包并生成分析報告，顯著減少人工介入。

技術分野總結：DeepSeek是語言基座模型的集大成者，而Manus通過智能體協作實現“從思考到執行”的躍遷，兩者在技術路徑上形成“大腦”與“四肢”的互補關系。

應用場景與功能邊界

DeepSeek的不可替代性

認知密集型場景：在中文知識問答（C-SimpleQA正確率64.1%）、法律文書起草等需深度語義理解的領域保持領先。

成本敏感型創新：API定價僅為Claude-3.5 Sonnet的1/15，成為中小開發者首選。

Manus的突破性價值

任務閉環能力：從“建議者”進化為“執行者”，例如自動抓取公開數據生成競品分析報告。

跨領域協同：在醫療領域，可整合影像數據、實驗室結果與病歷記錄，提供綜合診斷建議，顯著提升效率。

場景互補性分析：DeepSeek更適合需要高精度單線程處理的場景（如合同審查），而Manus在需要多任務協作的領域（如商業分析、臨床試驗管理）更具優勢。

商業生態與市場策略差異

DeepSeek的“開源普惠”戰略

開發者生態構建：與阿里云、百度智能云等平臺集成，支持一鍵部署，形成技術護城河。

行業滲透路徑：已在政務、汽車、物流等領域落地，側重效率提升而非流程重構。

Manus的“垂直顛覆”邏輯

B端價值主張：以“數字員工”定位切入金融分析、供應鏈管理等需減少人工介入的領域。

C端體驗升級：通過漸進式協作降低使用門檻，例如簡歷生成支持實時修改反饋。

商業模式對比：DeepSeek通過API調用收費，類似OpenAI的“技術供應商”模式；Manus采用SaaS訂閱制，更貼近終端用戶需求。

挑戰與未來改進方向

DeepSeek的升級空間

多模態短板：暫不支持圖像輸入輸出，需加速視覺模塊研發以應對Claude、Gemini等競品。

推理速度瓶頸：60 TPS雖較前代提升3倍，但仍落后于Groq等專用芯片方案，需硬件協同優化。

Manus的待驗證命題

復雜任務可靠性：自動化流程中的錯誤傳導風險（如股票分析誤操作）需建立異常中斷機制。

本土化適配難題：國內互聯網生態的封閉性可能限制其工具鏈調用能力，需加強ToB場景合作。

未來競爭格局預測

短期：差異化競爭為主

DeepSeek將繼續鞏固其在語言模型領域的優勢，通過開源生態擴大開發者影響力。

Manus需證明其在復雜任務中的穩定性，尤其在醫療、金融等高價值場景的落地能力。

長期：技術融合趨勢

兩者的技術路徑可能走向融合，例如DeepSeek整合智能體模塊，或Manus引入更強大的基座模型。

監管與數據安全將成為關鍵變量，尤其在醫療、法律等敏感領域.

結論：Manus與DeepSeek的競爭本質是“應用創新”與“技術基座”的路線之爭。短期內兩者難以直接替代，但長期看，誰能更快突破自身短板并實現生態協同，誰將主導下一代AI范式。對于行業而言，兩者的并存與互動或將推動AI從“工具”向“伙伴”的質變。

Manus和騰訊元寶的PK

他們是當前AI領域的兩款代表性產品，但兩者在技術路線、功能定位和應用場景上存在顯著差異，具體對比如下：

核心功能與定位

Manus：由Monica.im研發，定位為全球首款真正自主的AI Agent（代理），強調任務執行能力。與傳統AI助手不同，Manus不僅能提供答案，還能調用工具（如編寫代碼、操作應用、瀏覽網頁）直接交付任務成果，例如生成完整代碼、自動化處理流程等。其架構采用多代理（Multiple Agent）協作模式，運行在獨立虛擬機中，更接近人類“手腦協同”的邏輯。

騰訊元寶：作為騰訊的AI助手，主要定位為信息整合與交互工具。其核心功能包括問答、搜索、文本生成等，并通過接入自研混元模型和DeepSeek-R1模型提供深度思考能力。元寶更注重與騰訊生態（如微信公眾號、視頻號）的聯動，答案覆蓋權威信源和實時信息，但本質上仍以建議或答案輸出為主，缺乏直接執行復雜任務的能力。

技術架構與模型能力

Manus：依賴多代理架構和虛擬機環境，支持復雜任務的動態拆解與執行。其技術核心在于任務自動化，而非單純的語言生成能力，適合需要直接成果交付的場景（如軟件開發、數據分析）。

騰訊元寶：采用混合模型策略，同時支持混元（自研）和DeepSeek（第三方開源模型），提供“快速輸出”與“深度思考”兩種模式。深度思考模型（如混元T1）能夠分析問題多維度邏輯，但本質仍屬于增強型聊天機器人，依賴用戶主動輸入指令。

應用場景與用戶群體

Manus：面向開發者、企業用戶或需要自動化處理復雜任務的場景，例如代碼生成、數據分析、流程自動化等。其技術門檻較高，適合專業領域。

騰訊元寶：更偏向大眾用戶，覆蓋日常問答、學習輔助、內容創作等場景。通過整合微信生態和聯網搜索，強調實用性與易用性，尤其適合需要快速獲取信息或生成文本的普通用戶。

商業模式與生態整合

Manus：目前未明確商業化路徑，可能作為獨立工具或面向企業提供定制化服務。

騰訊元寶：深度融入騰訊生態，通過微信入口、云服務等形成閉環，并借助廣告投放快速擴大用戶規模。其目標是為騰訊搶占AI時代的C端入口，同時探索“開源模型+私有生態”的商業模式。

Manus與騰訊元寶的本質差異在于任務執行能力與交互模式：前者是主動解決問題的AI代理，后者是被動響應的智能助手。兩者分別代表了AI技術向“自動化”與“交互增強”兩個方向的演進，未來可能在特定場景中形成互補。

可以預見的是，隨著Manus的下場，AI時代或許真的要來臨了。