梦晨 发自 凹非寺

量子位 | 公众号 QbitAI

Manus背后公司名为“蝴蝶效应”，真的带火了整个智能体赛道——

开源复现潮出现了，商业闭源产品也卷起来了。

目前进度最快的两个项目，都是在Manus发布的第0天发布了复现代码。

除了之外，另一个开源项目OWL已经把DeepSeek模型整合到多智能体协作框架中。

OWL来自国内开源社区CAMEL-AI团队。

OWL最新提交的结果在智能体测试基准GAIA的验证集上排名平均分第3，在开源项目中排第1。

其Level 1分数81.13同样超过了OpenAI的Deep Research，与Manus晒出的86.5已经非常接近。

虽然Level 2和Level 3分数还有差距，不过CAMEL-AI团队的李国豪在交流群中表示，有信心刷爆。

今日的GitHub热榜上，大多是Agent相关的项目和工具库，老牌Agent项目MetaGPT与AutoGPT双双被顶到前排。

Camel-AI、OpenManus所使用的代码库browser-use也现身，此外金融、编程等领域的垂直智能体也备受关注。

与此同时，有人注意到Claude团队推出的模型上下文协议MCP不是已经有小半年了么，为什么突然每个人都在讨论它？

原来是每个人都想知道如何造一个Manus，而MCP是一种有效的实现途径呀。

Manus火到海外

再来看看Manus本尊的进展。

官方社交媒体账号被短暂禁封后现已恢复，称将发布更多演示和更新。

Manus这个产品也成功火到了国外，方法很简单：发邀请码。

除了给海外大V单独发之外，Manus联创季逸超还与抱抱脸CEO取得联系，公开分享100个码，见者有份，先到先得。

两人的交流中季逸超谈到Agent能力可能更多的是对齐问题而不是基础能力问题，基础模型被训练为“无论任务有多复杂，都一次性回答所有问题”，而“只需对代理轨迹进行一点后期训练，就可以立即产生显著的变化”。

（顺便码不用去试了，半夜就抢光了。）

海外用户得到码之后的剧情和这边差不多，有不少试用之后被惊艳到的，变成“自来水”的。

并且海外用户的付费意愿确实要强一些，毕竟比起OpenAI两万美元一个月的博士级智能体总是要便宜许多。

很多人拿到Manus做的第一件事，都是让他收集自己的资料，编写并部署个人主页。

其中Rowan Cheung表示Manus收集到关于他的个人信息100%准确且是最新的。

类似的任务还有日本网友让Manus部署一个介绍他自己的网站。

他分享了体验中的一个细节：虽然Manus可以自己完成所有任务，但如果在执行过程中给出意见，它也可以灵活地改变计划并执行，就好像真的再给人下达指令一样。

更复杂的编程类任务还有制作一个javascript的飞行游戏。

也有人把它当做Deep Research类工具，寻找租房信息只花了不到10分钟时间。

主要的抱怨集中在速度有些慢，以及没有码。

One More Thing

作为Manus出圈的副作用之一，GAIA基准测试正在成为智能体类产品必争之地。

GAIA由Meta AI、HuggingFace和AutoGPT团队推出，图灵奖得主Yann LeCun和HuggingFace首席科学家Thomas Wolf参与，旨在解决现有大语言模型基准测试被快速突破、难以评估新模型的问题。

GAIA测试由450+具有明确答案的复杂问题组成，分为三个难度级别，考验智能体系统的工具使用能力以及自主性。

Level 1：通常解题步骤不超过5步，且不需要工具，或最多使用一种工具。如简单的信息检索和处理，任何优秀的语言模型都可以完成。

Level 2：需要在5-10步之间完成，并且需要组合使用不同工具。如“根据附件 Excel 文件计算当地快餐连锁店食品（不含饮料）的总销售额”。

Level 3：面向近乎完美的通用AI助手，要求AI能够执行任意长度的复杂动作序列，使用多种工具，并具备广泛的世界知识和信息获取能力。

如“在2006年1月21日NASA的每日天文图片中有两名宇航员，截至2023年8月，找出较小宇航员所在NASA宇航员小组中在太空停留时间最短的宇航员及其停留时间”，解答这类问题需要综合网络搜索、信息筛选、知识推理等多种能力。

人类在Level 2、和Level 3上的成功率分别是92%和87.3%，测试推出时最先进的语言模型GPT-4得分为9.7%和0。

此外GAIA排行榜分为测试集（Test）和验证集（Validation）两项，其中验证集是公开数据，测试集为私有数据，测试集的含金量更高一些。

目前测试集排行榜中，h2oGPTe Agent（来自H20.ai）、Trase Agent（来自Trase Systems）两个商业闭源系统的Level 2分数与Manus公布分数（70.1%）接近。

Manus团队公布的Level 3分数为57.7%，领先幅度比较大。

ImageNet数据集与竞赛开启了深度学习浪潮之后，每个时代都有自己的当红榜单指引着最前沿技术的发展。

在BERT时代是语言理解基准CLUE、SpuerCLUE。

随后ChatGPT、Claude、Gemini已经刷爆了考验各学科知识的MMLU、以及用户用脚投票的ChatBot Arena大模型竞技场。

o1/r1/QwQ类推理模型正在比拼数学（AIME、FrontierMath）、博士级别理科题（GPQA）、编程/软件工程能力（Codeforces、SWE-bench、LiveCodeBench）。

智能体刷GAIA，似乎正在成为行业最新共识。

或者不久以后，可以期待一下AgentArena智能体竞技场？

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

— 完 —