一觉醒来，Manus就在我的朋友圈给刷爆了。这个中国团队最新发布的智能体Agent，在官网中宣称其能力超越了OpenAI的Deep Research。
可以看到，Manus在GAIA上进行评测的结果，取得的分数很高。数值越高代表表现越好；纵轴则依次列出了三个难度等级。
GAIA 是一个专为通用人工智能助手设计的基准数据集，主要用来评估 AI 系统在推理、多模态处理、网络浏览和工具使用等基本能力。这个数据集是由Meta、HuggingFace 和 AutoGPT 等组织于 2024 年联合推出，共包含了 466个问题和其答案。
入门级（Level 1）难度上，Manus的表现大幅优于OpenAI Deep Research，达到了最高的86.5%
在中等难度（Level 2）上，Manus依然略高于 OpenAI Deep Research，其通过率约为 70.1%
在最高难度（Level 3）上，Manus同样保持第一，比OpenAI的通过率高了10%
评测只是一方面，那么它实际能干什么呢？从官方放出的例子可以看到，它好像“无所不能”。
从旅行规划、股票分析、供应商采购、财务报告分析等等，都能够给你提供专业的意见。
就比如，如果你想要一份“特斯拉”股票分析详细数据，它能够对你的问题进行有效分析，然后获取网页上的特斯拉数据
最后，他会分析完数据之后，生成一个网页投资建议：
打开之后可以看到很详细的分析报告数据：
虽然其测试性能上很强，但是实际运用效果怎么样，还需要更多用户进行测试。但是像这种Agent，本质上还是要依赖于大模型的能力，尤其是在理解复杂指令、多模态融合、推理决策等方面，其表现高度依赖于基础大模型的预训练质量和上下文适应能力。因此，其调用大模型能力越强，相应的Agent的能力也会越强。
就比如最近发布的Claude 3.7 Sonnet，也表现出了很强的编码、数学等推理能力，这些说白了本质上也可以看作是一个简单的Agent。
所以我们应该更多的关注于大模型能力的提升，Agent这类依赖于大模型能力的应用，其天然就会被更强的大模型所替代。因此，长期来看，Agent 并不是一个独立的技术方向，而是大模型能力演进的附属产物。
随着基础模型的不断升级，现有的 Agent 可能会被更强大的模型直接取代，而无需额外构建复杂的调度与管理机制。这意味着，与其过度优化当前的 Agent 方案，不如将研发重点放在提升大模型的推理能力、上下文理解能力和任务执行能力上，让大模型自身具备更强的自主决策与任务处理能力，从而自然演化出更高效的智能体。