Manus: Как новый AI-агент обходит Grok и ChatGPT
Почему Manus выглядит сильнее ChatGPT там, где продаёт не интеллект модели, а законченную работу?
Определить, какую работу можно безопасно доверить Manus и ChatGPT до передачи реальных прав доступа; оценка должна задавать разрешения, границы, критерии остановки и владельца результата до запуска автоматизации.
На что обратить внимание
Ключевые тезисы и выводы
Из разговора о «Тема выпуска» следует практическая проверка: большинство демонстраций ChatGPT заканчиваются красивым ответом, а Manus показывает другой продукт — система получает задачу, собирает данные, выполняет несколько шагов и возвращает готовый результат; именно упаковка создаёт ощущение агента.
Граница применимости в сцене «Что такое Manus?» определяется так: доступ пока только по инвайтам, но систему называют разрывом — она объединяет deep research, генерацию, операции с компьютером, длинную память и многочасовой reasoning; по связности и глубине вывода ведущие сравнивают её с консультантом уровня MBA.
Рабочий вывод из сцены «Китайские бот-фирмы: автоматизация на новом уровне» состоит в том, что китайский рынок давно умеет быстро масштабировать операционные процессы — аккаунты, кросс-промо, публикации, короткие сериалы, магазины, — поэтому Manus выглядит не лабораторным экспериментом, а инструментом, заточенным под выполнение.
Практический смысл темы «Стоимость Manus и его преимущества» в том, что инвайт-коды перепродают за тысячи долларов, хотя сама подписка стоит адекватно; впечатляет и проработка юзкейсов — на сайте Manus их прописано больше, чем у кого-либо, а связка «оператор плюс код плюс анализ» закрывает задачи вроде разбора фондового рынка.
Для сцены «Юзкейсы Manus» решающим становится следующее: анализ стартапов Y Combinator у Manus строится не на одном запросе — агент подтягивает дополнительные данные и держит структуру; это и отличает рабочий юзкейс от очередной демонстрации модели.
Сцена «AI-агент за $20,000 от OpenAI» подводит к рабочему выводу: цена в тысячи или десятки тысяч долларов не абсурдна, если система заменяет executive assistant с зарплатой в сотни тысяч в год, — но тогда к ней применяются требования сотрудника: конфиденциальность, надёжность, понимание контекста и ответственность за ошибку.
Для сцены «Юзкейс: презентации с ИИ» решающим становится следующее: страницу на сайте можно сделать за пять минут в CMS, а подрядчик попросит тысячу долларов — ИИ снижает цену производства, но не цену решения: кто-то должен выбрать структуру, проверить цифры и понять, что вообще стоит показывать.
Для сцены «$20,000 от OpenAI: стратегия или пустой хайп?» решающим становится следующее: к двадцати тысячам скепсис — у OpenAI три месяца после Shipmas нет значимых улучшений и ни одной категории с явным преимуществом: API дороже DeepSeek, reasoning хуже Grok, оператор у Manus работает, а у них нет; GPT-4.5 ведущий и вовсе забросил из-за «левых» ответов.
Оценивать тему «Operator от OpenAI vs Manus» нужно с учётом того, что Manus начинает разговор с результата, а не с размера модели: Operator у OpenAI остаётся демонстрацией, тогда как Manus продаёт законченную работу — и именно это сравнение задаёт планку для агентов.
Граница применимости в сцене «Память в OpenAI» определяется так: у одного специалиста будет дешёвый чат, у другого — система, знающая компанию, память и документы и выполняющая действия; но прежде чем платить за «цифрового сотрудника», нужно увидеть задачу, где он стабильно лучше связки O1 Pro, Deep Research и обычного 4o.
О чём этот выпуск
Китайский агент Manus показывает законченные сценарии: анализ стартапов, создание презентаций, работу с аккаунтами и данными. OpenAI обсуждает профессиональных агентов за тысячи долларов, но пользователю важна не цена интеллекта, а результат. Рынок начинает делиться на дешёвых помощников и дорогих цифровых сотрудников.
Большинство демонстраций ChatGPT заканчиваются красивым ответом. Manus пытается показать другой продукт: система получает задачу, собирает данные, выполняет несколько шагов и возвращает готовый результат. Именно эта упаковка создаёт ощущение агента, а не просто новой модели.
Китайский рынок давно умеет быстро масштабировать операционные процессы — аккаунты, кросс-промо, публикации, короткие сериалы, магазины. Поэтому Manus выглядит не как лабораторный эксперимент, а как инструмент, заточенный под выполнение. Анализ стартапов Y Combinator, например, строится не на одном запросе: агент использует дополнительные данные и структуру.
OpenAI параллельно обсуждает агентов, которые могут стоить тысячи или десятки тысяч долларов. Такая цена не абсурдна, если система заменяет executive assistant с годовой зарплатой в сотни тысяч. Но тогда к ней применяются требования сотрудника: конфиденциальность, надёжность, понимание контекста и ответственность за ошибку.
Презентации хорошо показывают границу. Страницу на сайте можно сделать за пять минут в CMS, а подрядчик попросит тысячу долларов. ИИ снижает цену производства, но не обязательно цену решения: кто-то должен выбрать структуру, проверить цифры и понять, что вообще стоит показывать.
Доступ к сильным агентам может усилить неравенство между специалистами. У одного будет дешёвый чат, у другого — система, которая знает компанию, память, документы и выполняет действия. Но прежде чем платить за «цифрового сотрудника», нужно увидеть конкретную задачу, где он стабильно лучше связки O1 Pro, Deep Research и обычного 4o.
Manus интересен потому, что начинает этот разговор с результата, а не с размера модели.
Агентность начинается не с заявления об автономии, а с инструментов, памяти, прав и понятного владельца результата.
Расшифровка выпуска
Голосовая связка применена к 98 сегментам: 50 определено, 5 содержат несколько определённых участников, 39 вероятных, 4 остаются без окончательной идентификации. Неподтверждённые голоса обозначены как «Участник дискуссии», фрагменты с несколькими подтверждёнными участниками — как «Микс».
Загрузка…