关于 Manus 这类产品，我想说...
从 Manus 发布至今，围绕着这类通用型智能体的讨论从没停过。如今，在舆情平息的时候，我们觉得是时候好好评价一下这类产品了。
关注科技 AI 圈的同学，在 3 月 6 号这天都被 Manus 刷屏了，那么他是个啥呢？全网爆火的Manus到底能做什么？超多演示案例来了！
首先，我们称赞 Manus 这类产品的构建思路 —— 通过多模型协作，确实在向传说中的 “世界大模型” 靠近。但实际测试中却暴露不少问题：号称 “重新定义 AI 协作” 的 Manus，内测时生成 PPT 打不开 WPS、股票分析用错数据等。
这类产品的出现确实推动了行业讨论。但从实际可用性来看，目前多数通用智能体都像 Manus 一样 “噱头大于实用”。
以下是我们针对目前三款“通用 Agent”产品的主观评价：
总的来说，目前三款产品可用性不足，任务成功率低，文字相关能力与 LLM 原生功能无异，通用 Agent 附加价值有限。
一、能力对比
1. Manus
主观评分：☆☆
信息收集：可访问网页及读取其中的图片及pdf文档内容
编程：接入Claude代码大模型
PPT生成：可编辑，但质量较差
图像生成：不支持
视频生成：不支持
资费：免费，1000积分/月；Starter/Pro，$39/$399月
2. Genspark
主观评分：☆
信息收集：可访问网页及读取其中的图片及pdf文档内容
编程：接入多种代码大模型混合使用
PPT生成：使用代码方式写PPT，效果还可以，但不可编辑
图像生成：直接接入Flux，ideogram等图像大模型
视频生成：直接接入可灵，minimax等视频大模型
资费：免费，200积分/日；Plus版，24.99美元/月
3. 扣子空间
主观评分：☆
信息收集：可访问网页及读取其中的图片及pdf文档内容
编程：接入豆包代码大模型
PPT生成：视觉以及结构还可以，同时提供了PDF、PPT、文字三个版本，可二次编辑：
图像生成：支持添加MCP拓展图片生成：
视频生成：不支持
资费：目前完全免费，每日有4-5个任务限制
一、Manus
1. 核心架构
基础模块：信息收集、信息分析、代码编写，无生成图片视频等多模态功能。
它通过多代理架构将任务拆分为规划、执行、验证等子模块，每个代理基于独立的语言模型或强化学习模型，通过 API 协同工作；
优势
- 工作流程条理性较强，先确定任务步骤，按步骤依次进行，；
- 推理过程所使用的文件均可以下载，推理流程较为透明；
劣势
- 需要魔法上网，对部分用户可能有使用门槛；
- 多模态能力较弱，缺乏图像处理等多模态工具；
- 工具集较为有限，严重依赖Python脚本，可以生成PPT格式的文件，但质量较差，无法二次编辑；
- 性能方面，推理过程较慢，从收集资料到生成分析文档总计要消耗近30min。
2. 代码生成
代码方面因为是直接调用了其他 LLM 模型，所以性能与其一致。以下是生成的前端页面。
3. 多模态分析功能
对于图像有基本的分类功能，但是没有配置针对图像处理的模型，处理分析功能效果不好。
深度分析
收集信息，使用代码方式生成调研报告，并发布在网页，对于信源等搜索分析不全面，与其他 AI 工具无大异。
二、Genspark
1. 核心架构
基础模块：AI 对话/生图/视频/翻译，沿用 ChatGPT、可灵等主流模型；
工具型智能体，5 类专业场景应用：综合智能体，深度研究智能体，事实核查智能体，数据表智能体，打电话智能体；
宣传中"80+工具"实际是基于“AI 聊天，AI 生图，AI 视频，翻译“等类型工具的排列组合。
优势
- 功能模块全面，包括AI搜索与浏览器、图片工作室、视频生成、深度研究等。
- 任务执行效率高，尤其在多轮对话和复杂任务处理上
劣势
- 需要魔法上网，对部分用户可能有使用门槛；
- 工具创新不足：超90%功能与竞品同质化，唯视频生成系独家配置（当前质量未达可用标准），尚未形成真实竞争力；
- 技术整合度低：多模型简单堆砌，缺乏深度调优；
- 营销与实际落差：概念智能体未突破传统Agent框架，格式转换等工具实为API封装
2. 综合分析能力
实际使用流程与 Manus 一致，输入一个任务，Genspark 开始自动安排工作，完成后输出结果，生成 PPT 视觉效果还可以，但无法二次编辑修改。
3. AI 聊天
官方宣传其多模型集成系统（含 GPT-4、Claude3 及自研模型），但实测认为在常规对话、文本生成和信息检索等基础场景中，该系统表现与单一优质模型并无显著差异。
4. 图像生成
Genspark 会写一套提示词，然后使用 Flux 等公开模型（旧版模型）直接生成图片。生成效果差于直接使用生图工具。
5. 视频生成
视频生成模型使用的是可灵等开放模型，生成清晰度低，视频不稳定，消耗积分大，仅一次就消耗掉了当日所有免费积分，视频效果差于可灵等生视频工具。
三、扣子空间
1. 核心架构
Agent：
- 通用 agent：与 Manus 相似。
- 专家 agent：针对通用 agent 做了内置 prompt，目前是用户研究、股票分析。
两种主要模式：
- 探索模式：不可修改任务规划步骤。
- 规划模式：可修改 Ai 规划任务步骤内容。
支持接入图片生成 MCP 产出图片，基于豆包大模型可处理多模态数据。
优势
- 不需要魔法上网，目前完全免费；
- 提供探索和规划两种模式，用户可以修改agent规划的步骤细节内容；
- 支持MCP扩展，AI agent的能力边界被进一步扩展。
劣势
- 官方宣传的“各行各业的「领域专家」，目前只有两个，且无法使用规划模式调整执行任务内容。
- MCP扩展目前是固定列表且不支持自定义，应用空间有限。
- 性能上，依赖豆包模型的逻辑能力，复杂任务（如商业模型分析）易出现细节缺失，规划模式推理过程较慢，从暂时不具备可用性。
- 完成任务一段时间后无法进行二次对话，任务永远结束。
- Beta版本全免费，高峰期服务器易拥堵，易出现影响响应速度。
2. 通用 agent（探索模式） 任务：品牌对比分析报告
通用 agent：进行第一轮、第二轮快速思考和浏览器搜索。搜到信息后生成并部署网页缺点：数据不够新，目前还是 2023 年的内容。目前生成文档每句话引用未标注来源，可信程度存疑。
3. 专家 agent 任务：生成问卷
左侧为扣子空间、右侧为 deepseek，使用了相同的 prompt，对比 deepseek，扣子空间生成的问卷更加全面、分类更准确、问题语言更清晰易懂。
4. 通用 agent（规划模式） 任务：生成竞品分析并生成笔记
执行时间较长，针对复杂任务需要 10 分钟以上，同时在生成笔记中有概率会出现报错的问题。生成笔记信息不全面，出现关键细节缺失，分析不全面等问题。
5. MCP agent（探索模式） 任务：生成可视化旅行攻略
可以调用高德地图与墨迹天气的信息并适时设计旅行线路，同时可以导出至飞书表格直接生成攻略。
6. MCP agent（探索模式） 任务：生成一个会跳舞的猫
调用图像工具 MCP，生成的图像清晰但是对于主体的处理不符合事实，需要二次修改。
结语
从 Manus、Genspark 到扣子空间，通用智能体产品虽在技术架构上尝试通过多模型整合、任务拆分等方式向 “世界大模型” 靠近，但实际使用中仍存在明显局限。
目前来看，这类产品普遍能力和问题相似，如信息收集、代码生成等能力差异不大，且多模态支持不足（如图像、视频生成功能缺失或质量较低）。同时，使用体验上存在稳定性不足、付费策略不够合理（如积分消耗快、套餐价格较高）、部分产品需依赖魔法上网等问题，影响了实际可用性。
未来，通用智能体需在技术生态建设、性能优化、付费体系完善等方面持续改进，才能从概念层面的讨论走向实际应用场景的落地，真正实现从 “有限可用” 到 “可用” 的跨越。
