为什么Manus底层模型没用DeepSeek？——Manus六问六答

主要观点总结

这篇文章对Manus的相关信息进行了总结和分析，包括各类博主对其的评价、产品特点、与Devin的对比、以及团队和融资情况等多个方面。同时，也提到了Manus的边界和预期管理，以及价格等因素对其评价的影响。

关键观点总结

关键观点1: Manus的信息过载和团队回应

Manus迅速出圈导致信息爆炸，团队试图从各种信息中抽出有价值的内容进行分析。

关键观点2: Manus未选择DeepSeek作为底层模型的原因

Manus之所以没有选DeepSeek是因为DeepSeek擅长的是推理，并不擅长Function calling、多模态、长上下文等特性。而这些特性恰恰是Manus这类高度自动化Agent产品非常看重的。

关键观点3: Devin与Manus的对比

Devin是一个超前于其他产品的自动化Agent，拥有异步、云端虚拟机等特性。Manus从Devin中得到了灵感，但也有所区别。

关键观点4: AI时代的“安迪-比尔定律”

AI时代遵循安迪比尔定律，即LLM厂商通过性能优化降低了token的生成成本，而像Manus这样的Agent则增加了token的消耗量。

关键观点5: 大厂复制Manus的难度

复制Manus的难度不小，因为Monic团队的经验复合、需求理解力强、团队敏捷性高，而且产品巧思展现的产品功力深厚。

关键观点6: Manus的融资和未来竞争

Manus可能会进行大规模融资以应对未来与巨头的竞争。其表现评价应综合考虑其边界、实际表现和用户预期。