Manus AI 上线以来最大更新：100 个 Agent 为你打工，但缺点是太烧钱了

2025-08-04 09:11:06 | 来源: AICG工具箱

一个Agent（智能体）不够用？Manus干脆给你拉来100个。

今天凌晨，Manus推出了一项新功能：ManusWideResearch。这项功能的核心亮点在于，用户只需一键即可开启大规模并行Agent协作，轻松处理原本需要耗费数小时、动用数百个数据源的复杂调研任务。

简单来说，这类似于此前Grok4Heavy的多Agent模式——同时启动多个Agent并行工作，最后整合输出结果。不过，ManusWideResearch的调度规模更为庞大，Agent之间的协作也更加紧密。

在官方的演示demo中，Mamus展示了两个典型的案例。第一个案例，是让WideResearch对比分析100款运动鞋。

从功能、定价、设计到销量，Manus会首先并发调用100个子Agent，每个负责一款产品，独立抓取分析、汇总信息。随后，这批结果被自动汇总成Excel表格和网页，交付清晰的最终排序和评估建议。

第二个案例，是为即将举办的活动寻找海报灵感。WideResearch能够同时探索50种视觉风格，并自动生成匹配风格的完整海报图样。几分钟内，成品设计就能交到用户手上。

目前，这项新功能已率先向Pro用户（199美元/月）开放，并计划逐步向Plus（39美元/月）和Basic（19美元/月）层级用户开放。

值得一提的是，系统会根据任务需求自动激活WideResearch，无需用户手动设置或切换。X网友@LamarDealMaker在体验后发文称：

「manuswideresearch是我最近用过的最好的工具之一。50个Agent同时在互联网上搜寻，收集AI新闻数据并填写这张表格，现在我拥有了一个按需调用的个人AI蜂群，很兴奋将其应用到我的日常工作流程中。」

当然，Manus的积分机制早就被吐槽「贵得离谱」，如今新功能大幅升级，积分的消耗速度势必进一步飙升。

Manus联合创始人肖宏也疑似在社交媒体上回应这个问题：

AI在开始时更像边际成本很高的原子生意，然后(也许会)逐步转变成为边际成本更低或者接近于零的比特生意。和这个匹配的做法是

1.制造超贵但是拓展人类能力边界的AI产品。

2.用1挣到的钱造价格实惠的AI产品。

3.再用2挣到的钱造价格更实惠的AI产品。

现在在阶段1，也才刚刚开始。下一个发布，再来100xToken消耗量。

就目前来看，WideResearch的底层逻辑远不止「多开Agent」那么简单。其背后其实是一个系统级的并行计算机制——每个Manus会话都运行在一**立虚拟机上，具备编排复杂云工作负载的能力。

而WideResearch把这套资源能力扩展到了百倍规模，试图让一个人调度一个AI云计算集群。

更重要的是，与传统多Agent系统通过角色预设（比如设计师、程序员、分析师）进行分工不同，WideResearch中的每个子Agent都是一个完整的Manus实例，能自主思考、自我执行，再集中交付任务结果。

Manus联合创始人季逸超也在X平台发文，进一步解释了这一架构的灵感来源：

WideResearch是我们在Agent-Agent协作方面的最新探索。基于我们的大规模虚拟化基础设施，Manus现在可以自主调度一支由同质ManusAgent组成的团队并行工作，并汇总结果。

在构建AIAgent的过程中，我们一直受到经典系统研究的启发。WideResearch直接受到了20多年前由@JeffDean和SanjayGhemawat提出的MapReduce范式的启发。作为大规模分布式系统的先驱，谷歌遇到了其他人尚未面临的挑战，并慷慨地与世界分享了他们的解决方案。

如今，随着Manus推动AIAgent的边界，我们正遇到一类只有在大规模时才会出现的新问题。我们将继续分享在此过程中学到的经验。

特别需要指出的是，尽管愿景很宏大，Manus并未提供足够证据证明这种同时启动数十甚至上百个子Agent的方案，是否真的比单个高容量Agent按顺序完成任务更高效。

子Agent如何分工、如何合并结果、在响应速度、准确率和成本上是否具备显著优势，官方尚未提供相关依据。

最后附上Manus体验地址：

https://manus.im/app