Manus引爆智能體復(fù)現(xiàn)潮！DeepSeek已被整合，項(xiàng)目擠滿開源榜，海外大V排隊(duì)求碼

　　Manus背后公司名為“蝴蝶效應(yīng)”，真的帶火了整個(gè)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(gè)項(xiàng)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(gè)開源項(xiàng)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(duì)。

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

　　其Level1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Level2和Level3分?jǐn)?shù)還有差距，不過CAMEL-AI團(tuán)隊(duì)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(xiàng)目和工具庫，老牌Agent項(xiàng)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(shí)，有人注意到Claude團(tuán)隊(duì)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(gè)人都在討論它?

　　原來是每個(gè)人都想知道如何造一個(gè)Manus，而MCP是一種有效的實(shí)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(hào)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(gè)產(chǎn)品也成功火到了國外，方法很簡單:發(fā)邀請(qǐng)碼。

　　除了給海外大V單獨(dú)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(gè)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(duì)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(duì)代理軌跡進(jìn)行一點(diǎn)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(fèi)意愿確實(shí)要強(qiáng)一些，畢竟比起OpenAI兩萬美元一個(gè)月的博士級(jí)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(gè)人主頁。

　　其中Rowan Cheung表示Manus收集到關(guān)于他的個(gè)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(gè)介紹他自己的網(wǎng)站。

　　他分享了體驗(yàn)中的一個(gè)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(jì)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(gè)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(shí)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(duì)推出，圖靈獎(jiǎng)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(píng)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(gè)難度級(jí)別，考驗(yàn)智能體系統(tǒng)的工具使用能力以及自主性。

　　Level1: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。

　　Level2: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(jì)算當(dāng)?shù)乜觳瓦B鎖店食品(不含飲料)的總銷售額”。

　　Level3: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(dòng)作序列，使用多種工具，并具備廣泛的世界知識(shí)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(shí)間最短的宇航員及其停留時(shí)間”，解答這類問題需要綜合網(wǎng)絡(luò)搜索、信息篩選、知識(shí)推理等多種能力。

　　人類在Level2、和Level3上的成功率分別是92%和87.3%，測試推出時(shí)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(yàn)證集(Validation)兩項(xiàng)，其中驗(yàn)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(gè)商業(yè)閉源系統(tǒng)的Level2分?jǐn)?shù)與Manus公布分?jǐn)?shù)(70.1%)接近。

　　Manus團(tuán)隊(duì)公布的Level3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(gè)時(shí)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(shí)代是語言理解基準(zhǔn)CLUE、SpuerCLUE。

　　隨后ChatGPT、Claude、Gemini已經(jīng)刷爆了考驗(yàn)各學(xué)科知識(shí)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(jí)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(shí)。

　　或者不久以后，可以期待一下AgentArena智能體競技場?