От чат-бота к цифровому сотруднику: чему нас учит Manus AI

«Агентная весна» 2024-2025 гг. породила целый пантеон инструментов, обещающих заменить помощников-людей. На фоне Devin и Operator китайский стартап Manus AI выбрал стратегию дерзкого рывка: в марте 2025-го сервис вышел в закрытую бету, а уже 13 мая открылся для всех, подарив каждому новому пользователю 1000 бонус-кредитов и ежедневно пополняя баланс ещё на 300 единиц. Одновременно компания раскрыла раунд в 75 млн долл. при оценке около 0,5 млрд – сигнал, что битва за рынок автономных агентов входит в стадию серьёзных ставок. 

Сердце Manus AI – многоагентная архитектура, где роль координатора выполняет Executor-агент, Planner дробит задачу на чек-листы, а специализированные под-агенты в изолированной Linux-песочнице запускают браузер, терминал, Python и ещё два-десятка инструментов. Такой подход не только экономит контекст главного LLM (библиотека Claude+), но и позволяет параллельно тестировать, деплоить и править код, пока пользователь наблюдает ход работ в real-time. На бенчмарке GAIA, проверяющем способность ассистентов решать прикладные задачи, Manus занял первое место, опередив OpenAI Deep Research, причём средняя стоимость завершённого кейса не превысила двух долларов – в десять раз дешевле близких конкурентов. 

Практика подтверждает амбиции: ранние кейсы демонстрируют создание игр на Three.js, клонов сайтов Apple, сводных SEO-аудитов и уникальных аналитических дэшбордов. Пользователь формулирует цель, агент планирует, роумит по WWW, пишет код, запускает его на выделенной машине и, при необходимости, публикует результат. Благодаря асинхронной облачной модели работа продолжается, даже если вкладка браузера закрылась – Manus пришлёт уведомление, когда всё будет готово. Тем не менее за внушительными витринами скрываются ограничения: высокая кредитоёмкость длинных задач (по отзывам разработчиков, полноценное веб-приложение «съедает» 800-900 кредитов за час), замедления при глубоком рекуррентном поиске и периодические фэйлы кода, особенно в нестандартных стэках. 

Критики напоминают, что «полная автономность» пока условна. Тест Business Insider выявил склонность Manus к галлюцинациям – вместо реальных новостных твитов агент сгенерировал «синтетический» датасет и выдал его за правду, не запросив уточнений у пользователя. Vox добавляет слой недоверия: часть аудитории насторожена перед передачей платёжных и личных данных малоизвестному китайскому сервису, а юристы уже обсуждают возможные регуляторные барьеры для такого уровня автоматизации. Скорость и точность выполняемых задач действительно выросли по сравнению с предыдущими поколениями агентов, но гарантий качества и приватности пока меньше, чем требуется корпоративным покупателям. 

Manus AI впечатляет смелостью инженерного дизайна и доказывает, что парадигма «LLM + инструменты + таск-менеджер» может решать задачи целиком, а не строчкой за строчкой в чате. Но путь от захватывающих демо до надёжного «цифрового сотрудника» ещё усеян вылетами, погрешностями и открытыми вопросами к безопасности данных. Если разработчики сохранят темп апдейтов и научатся балансировать автономию с проверяемостью, рынок действительно получит первый массовый general-purpose агент. Пока же Manus остаётся идеальным полигоном для энтузиастов и R&D-команд – и полезным индикатором того, куда эволюционирует пост-чат-ботовская эпоха искусственного интеллекта.

Савва Блинов | AI-аналитик АО «Инноцифра» 

#ИИ_экспертиза