編者按：本文來自微信公眾號 “量子位”（ID:QbitAI），作者：夢晨，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

Manus背后公司名為“蝴蝶效應(yīng)”，真的帶火了整個智能體賽道——

開源復(fù)現(xiàn)潮出現(xiàn)了，商業(yè)閉源產(chǎn)品也卷起來了。

目前進(jìn)度最快的兩個項目，都是在Manus發(fā)布的第0天發(fā)布了復(fù)現(xiàn)代碼。

除了之前介紹的OpenManus之外，另一個開源項目OWL已經(jīng)把DeepSeek模型整合到多智能體協(xié)作框架中。

OWL來自國內(nèi)開源社區(qū)CAMEL-AI團(tuán)隊。

OWL最新提交的結(jié)果在智能體測試基準(zhǔn)GAIA的驗證集上排名平均分第3，在開源項目中排第1。

其Level 1分?jǐn)?shù)81.13同樣超過了OpenAI的Deep Research，與Manus曬出的86.5已經(jīng)非常接近。

雖然Level 2和Level 3分?jǐn)?shù)還有差距，不過CAMEL-AI團(tuán)隊的李國豪在交流群中表示，有信心刷爆。

今日的GitHub熱榜上，大多是Agent相關(guān)的項目和工具庫，老牌Agent項目MetaGPT與AutoGPT雙雙被頂?shù)角芭拧?/p>

Camel-AI、OpenManus所使用的代碼庫browser-use也現(xiàn)身，此外金融、編程等領(lǐng)域的垂直智能體也備受關(guān)注。

與此同時，有人注意到Claude團(tuán)隊推出的模型上下文協(xié)議MCP不是已經(jīng)有小半年了么，為什么突然每個人都在討論它？

原來是每個人都想知道如何造一個Manus，而MCP是一種有效的實現(xiàn)途徑呀。

Manus火到海外

再來看看Manus本尊的進(jìn)展。

官方社交媒體賬號被短暫禁封后現(xiàn)已恢復(fù)，稱將發(fā)布更多演示和更新。

Manus這個產(chǎn)品也成功火到了國外，方法很簡單：發(fā)邀請碼。

除了給海外大V單獨發(fā)之外，Manus聯(lián)創(chuàng)季逸超還與抱抱臉CEO取得聯(lián)系，公開分享100個碼，見者有份，先到先得。

兩人的交流中季逸超談到Agent能力可能更多的是對齊問題而不是基礎(chǔ)能力問題，基礎(chǔ)模型被訓(xùn)練為“無論任務(wù)有多復(fù)雜，都一次性回答所有問題”，而“只需對代理軌跡進(jìn)行一點后期訓(xùn)練，就可以立即產(chǎn)生顯著的變化”。

（順便碼不用去試了，半夜就搶光了。）

海外用戶得到碼之后的劇情和這邊差不多，有不少試用之后被驚艷到的，變成“自來水”的。

并且海外用戶的付費意愿確實要強(qiáng)一些，畢竟比起OpenAI兩萬美元一個月的博士級智能體總是要便宜許多。

很多人拿到Manus做的第一件事，都是讓他收集自己的資料，編寫并部署個人主頁。

其中Rowan Cheung表示Manus收集到關(guān)于他的個人信息100%準(zhǔn)確且是最新的。

類似的任務(wù)還有日本網(wǎng)友讓Manus部署一個介紹他自己的網(wǎng)站。

他分享了體驗中的一個細(xì)節(jié)：雖然Manus可以自己完成所有任務(wù)，但如果在執(zhí)行過程中給出意見，它也可以靈活地改變計劃并執(zhí)行，就好像真的再給人下達(dá)指令一樣。

更復(fù)雜的編程類任務(wù)還有制作一個javascript的飛行游戲。

也有人把它當(dāng)做Deep Research類工具，尋找租房信息只花了不到10分鐘時間。

主要的抱怨集中在速度有些慢，以及沒有碼。

One More Thing

作為Manus出圈的副作用之一，GAIA基準(zhǔn)測試正在成為智能體類產(chǎn)品必爭之地。

GAIA由Meta AI、HuggingFace和AutoGPT團(tuán)隊推出，圖靈獎得主Yann LeCun和HuggingFace首席科學(xué)家Thomas Wolf參與，旨在解決現(xiàn)有大語言模型基準(zhǔn)測試被快速突破、難以評估新模型的問題。

GAIA測試由450+具有明確答案的復(fù)雜問題組成，分為三個難度級別，考驗智能體系統(tǒng)的工具使用能力以及自主性。

Level 1：通常解題步驟不超過5步，且不需要工具，或最多使用一種工具。如簡單的信息檢索和處理，任何優(yōu)秀的語言模型都可以完成。

Level 2：需要在5-10步之間完成，并且需要組合使用不同工具。如“根據(jù)附件 Excel 文件計算當(dāng)?shù)乜觳瓦B鎖店食品（不含飲料）的總銷售額”。

Level 3：面向近乎完美的通用AI助手，要求AI能夠執(zhí)行任意長度的復(fù)雜動作序列，使用多種工具，并具備廣泛的世界知識和信息獲取能力。

如“在2006年1月21日NASA的每日天文圖片中有兩名宇航員，截至2023年8月，找出較小宇航員所在NASA宇航員小組中在太空停留時間最短的宇航員及其停留時間”，解答這類問題需要綜合網(wǎng)絡(luò)搜索、信息篩選、知識推理等多種能力。

人類在Level 2、和Level 3上的成功率分別是92%和87.3%，測試推出時最先進(jìn)的語言模型GPT-4得分為9.7%和0。

此外GAIA排行榜分為測試集（Test）和驗證集（Validation）兩項，其中驗證集是公開數(shù)據(jù)，測試集為私有數(shù)據(jù)，測試集的含金量更高一些。

目前測試集排行榜中，h2oGPTe Agent（來自H20.ai）、Trase Agent（來自Trase Systems）兩個商業(yè)閉源系統(tǒng)的Level 2分?jǐn)?shù)與Manus公布分?jǐn)?shù)（70.1%）接近。

Manus團(tuán)隊公布的Level 3分?jǐn)?shù)為57.7%，領(lǐng)先幅度比較大。

ImageNet數(shù)據(jù)集與競賽開啟了深度學(xué)習(xí)浪潮之后，每個時代都有自己的當(dāng)紅榜單指引著最前沿技術(shù)的發(fā)展。

在BERT時代是語言理解基準(zhǔn)CLUE、SpuerCLUE。

隨后ChatGPT、Claude、Gemini已經(jīng)刷爆了考驗各學(xué)科知識的MMLU、以及用戶用腳投票的ChatBot Arena大模型競技場。

o1/r1/QwQ類推理模型正在比拼數(shù)學(xué)（AIME、FrontierMath）、博士級別理科題（GPQA）、編程/軟件工程能力（Codeforces、SWE-bench、LiveCodeBench）。

智能體刷GAIA，似乎正在成為行業(yè)最新共識。

或者不久以后，可以期待一下AgentArena智能體競技場？

OpenManus
https://github.com/mannaandpoem/OpenManus

OWL
https://github.com/camel-ai/owl

GAIA Bencmark
https://huggingface.co/spaces/gaia-benchmark/leaderboard
https://arxiv.org/abs/2311.12983

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。