南宫28官网,南宫28官方网站,南宫28APP下载

　　整场谈判由扎克伯格亲自操盘，且仅持续了10多天就谈拢了价格。因此它看起来像是小扎在面对2026年更加激烈的AI战争时，急切打出的一张牌。

　　Manus虽然被AI圈戏称是“套壳”公司，但是毋庸置疑，它仍能补足Meta的战略短板。

　　简而言之，小扎很可能相中了Manus的赚钱能力。因为这家公司仅在8个月内，就达到了1.25亿美元的年化收入。

　　Manus的增长主要来自于两方面，一方面体现在企业本身对于工具的整合能力，另一方面体现在企业获客上。

　　就像人类一样的大脑一样，不同区域掌管不同的任务。这4个Agent分别完成用户下达命令的不同部分，最终缝合成为最初的需求并输出。

　　X上的开发者Jian Liao（账号为 @jianxliao）通过逆向工程发现，Manus一共使用了29种工具，包括开源的Browser Use软件。几乎涵盖了用户打开网页以后的所有行为。

　　它还提供了一个沙盒执行环境，允许AI在隔离的虚拟环境中运行代码、操作浏览器、管理文件系统。

　　这种设计让用户可以关闭设备，让Manus在云端继续工作，任务完成后再发送通知。对于需要处理耗时任务的企业用户来说，这种“后台执行”能力确实有实用价值。

　　比如某些网页生成任务，至少需要花费几十分钟来。这时候用户就能交给Manus托管，自己去忙别的事情，等时间差不多了，打开Manus，就可以“收菜”了。

　　不过Manus并没有自主训练的底层大模型。它所有的Agent能力都来自于第三方模型。

　　多Agent编排、沙盒环境、工具集成，这些都是工程层面的优化，而非AI能力本身的突破。

　　Manus联合创始人兼首席科学家季逸超表示，这套系统主要依赖Anthropic的Claude和经过微调的阿里巴巴Qwen模型。

　　在OSWorld基准测试中，Operator达到了38.1%的成功率，在WebVoyager上更是达到87%。而Manus的表现要不稳定得多，用户报告显示它容易陷入无限循环，执行错误频繁。

　　Operator理解如何与操作系统交互，如何执行多步骤任务，如何处理错误和异常情况。Manus虽然通过多Agent架构实现了类似功能，但这种“拼接式”的解决方案在稳定性和可靠性上存在天然劣势。

　　不过，Manus对Meta来说仍有战术价值。它提供了一个即插即用的Agent产品，可以快速整合到WhatsApp Business和Meta AI中，填补Meta在这个领域的空白。

　　2025年3月6日凌晨，Manus在X平台发布了一支4分17秒的演示视频。

　　视频制作水平暂且不提，单就这个视频的内容而言，简单易懂且直接地展示了Manus如何自主完成简历筛选、股票分析、网站搭建等复杂任务。

　　用户在视频中看到AI如何一步步完成任务，无需任何额外的文字说明就能理解产品价值。这种“所见即所得”的展示方式，让技术门槛几乎降到了零。

　　这次推广的核心策略是让创作者直观展示产品的实际用法，而非单纯讲功能和技术。

　　发布后4小时，Manus官网访问量突破千万级别。全网都在求邀请码，以至于官网注册页面一度崩溃。邀请码在二手交易平台被炒至数万元，最高甚至达到10万元。

　　截至发稿，Manus的用户数量达到了百万级。如果可以借助Meta的渠道，在Facebook、Instagram、WhatsApp这些每天触达数十亿用户的平台上传播，那么Manus的吸金能力将会是指数级提升。

　　2025年小扎没少往AI里砸钱。根据Meta的财报，今年在AI领域的投资达到了640至720亿美元。

　　可是投入与产出并不成正比，Meta在AI领域的表现远远落后于OpenAI、Google和Anthropic。外媒甚至开始用“二流大模型”来嘲讽如今的Meta。

　　Meta提交给LMArena测试的版本是“Llama-4-Maverick-03-26-Experimental”，一个专门为对话优化的实验版本。这个版本的输出往往更冗长，包含更多表情符号，似乎是针对LMArena的人类评分机制进行了调优。

　　LMArena在事后发表声明，批评Meta的做法违背了基准测试的初衷。虽然这在技术上并未违反规则，但提交一个与公开版本性能差异巨大的特化版本，确实破坏了基准测试的公平性。

　　独立AI研究者Simon Willison表示，当公众无法使用测试中表现优异的版本时，排名就失去了实际意义。

　　Meta的内部文件显示，这家公司对开源策略存在根本分歧。公司秘密启动了代号“Avocado”的闭源项目，这与Llama系列的开源定位形成鲜明对比。

　　多个从竞争对手挖来的顶尖研究员在加入几周后就选择离开，原因是官僚主义、战略方向不明确，以及与Meta现有团队的文化冲突。

　　外媒在采访中表示，许多新员工发现自己很难适应大公司的决策流程，而Meta原有的生成式AI团队则看到自己的职责范围被大幅缩减。

　　最具象征意义的事件发生在11月。图灵奖得主、深度学习三巨头之一的杨立昆宣布离职。

　　究其原因，Meta的战略重心从基础研究转向了产品化和商业化，这与杨立昆的学术理念相去甚远。还有点，在新的组织架构中，杨立昆需要向Wang汇报，而不是直接向产品主管Chris Cox汇报。

　　Meta AI虽然依托Facebook等产品获得了7亿月活用户，但功能仍停留在基础对话层面，不具备Agent能力。

　　OpenAI在2025年初就推出了Operator，这个AI Agent可以自主操作浏览器，帮用户订餐厅、购物、填写表格。

　　2月，OpenAI又发布了Deep Research，基于o3模型，能够进行5至30分钟的深度网络研究，生成带有完整引用的研究报告。7月，OpenAI将这两个功能整合为ChatGPT Agent，实现了“研究+行动”的完整闭环。

　　2024年10月推出的Claude Computer Use让AI可以控制计算机界面，2025年6月扩展的Artifacts功能允许用户直接构建、托管和分享交互式应用。Claude Code更是成为企业开发团队的首选编程Agent。

　　谷歌的Gemini 2.5 Computer Use可以像人类一样导航网页、点击按钮、填写表单。

　　2025年11月，随着Gemini 3 Pro的发布，谷歌推出了Antigravity，这是一个集成了聊天、终端、浏览器的Agent开发平台，允许开发者在统一界面中构建和管理AI Agent。Gemini Enterprise则为企业提供了Agent的集中管理、部署和监控能力。

　　相比之下，Meta AI在2025年4月推出独立App时，功能还停留在基础层面：回答问题、生成图像、总结网页内容。它没有真正的自主任务执行能力，不能进行多步骤的深度研究，不能操作浏览器完成实际工作。

　　虽然Meta AI的月活用户超过10亿，但这个数字主要来自于社交媒体的深度集成。用户打开这些应用时，AI助手就在那里。这更多是分发渠道的胜利，而非产品能力的体现。

　　因为在Agent时代，产品包装可以快速复制，真正的竞争力在于基座模型的持续进化。

　　他们在一次采访中表示:“当模型足够强大、架构足够灵活时，Computer Use、Deep Research、Coding Agent等能力会自然涌现。”

　　这句话道出了AI Agent的本质。Agent的规划、推理、决策能力直接来自基座大模型的认知水平。多Agent编排只是优化任务执行流程，无法提升单个Agent的智能水平。

　　编程能力是评估AI Agent的核心指标，因为它直接反映了模型的逻辑推理和问题解决能力。

　　更严重的是，多Agent编排、沙盒环境这些工程化手段并不构成技术壁垒。任何有足够工程能力的团队都可以在几个月内搭建出类似系统。

　　收购Manus不会让Llama 4变强，它带来的只是“更好的包装”。在AI竞争日益激烈的2026年，这种战术性动作意义不大。