Čuli ste za alate AI ‘duboko istraživanje’ … sada Manus lansira ‘široko istraživanje’ koji se vrti 100+ agenata kako bi pregledao web za vas

Kineski AI pokretanje Manusšto je napravilo naslove početkom ove godine zbog svog pristupa orkestracijskoj platformi za više agenta za potrošače i „pro“ -mere (profesionalci koji žele voditi radne operacije), vraća se s zanimljivom novom uporabom svoje tehnologije.

Dok su mnogi drugi glavni suparnički pružatelji AI -a kao što su Openai, Google i xai koji su pokrenuli “duboko istraživanje” ili “duboki istraživač” AI agenti koji provode minuta ili sati opsežnog, detaljnog web istraživanja i pišu dobro citirana, temeljita izvješća u ime korisnika, Manus koristi drugačiji pristup.

A Tvrtka je upravo najavila “široko istraživanje”, Nova eksperimentalna značajka koja korisnicima omogućuje izvršavanje velikih zadataka velikih količina, koristeći snagu paralelnih AI agenata-čak i više od 100 u jednom trenutku, a sve je usredotočeno na ispunjavanje jednog zadatka (ili niza podvrgavanja podobnih zadataka koji su presvukli navedeni sveobuhvatni cilj).

Manus je ranije prijavljeno da koristi antropske modele Claude i Alibaba Qwen za napajanje svoje platforme.

Paralelna obrada za istraživanje, sažetak i kreativni izlaz

U a Video objavljen na službenom X računuSuosnivač Manusa i glavni znanstvenik Yichao ‘Peak’ Ji pokazuje demonstraciju korištenja širokih istraživanja za usporedbu 100 tenisica.

Da bi dovršili zadatak, Manus Wide Research gotovo odmah okreće 100 istodobnih subagenata – svaki dodijeljen za analizu dizajna, cijena i dostupnosti jedne cipele.

Rezultat je sortirana matrica isporučena i u formatu proračunske tablice i web stranica u roku od nekoliko minuta.

Tvrtka sugerira da široko istraživanje nije ograničeno na analizu podataka. Također se može koristiti za kreativne zadatke poput istraživanja dizajna.

U jednom scenariju, manusovi agenti istodobno generirali su dizajne plakata u 50 različitih vizualnih stilova, vraćajući polirani imovina u zip datoteku koja se može preuzeti.

Prema Manusu, ta fleksibilnost proizlazi iz pristupa na razini sustava paralelnoj obradi i komunikaciji s agentima-agentima.

U videu, Peak objašnjava da je široka istraživanja prva primjena optimizirane virtualizacije i arhitekture agenta koja bi mogla skalirati izračunavanje snage 100 puta više od početne ponude.

Značajka je dizajnirana za automatsko aktiviranje tijekom zadataka koji zahtijevaju analizu široke razmjere, bez potrebnih ručnih preklopnika ili konfiguracija.

Dostupnost i cijene

Široka istraživanja dostupna su danas počevši od korisnika na Manus Pro Plan i postepeno će postati dostupna onima na plus i osnovnim planovima. Do sada, cijene pretplate za Manus strukturirane su na sljedeći način.

• Besplatno – 0 USD mjesečno uključuje 300 dnevnih kredita za osvježavanje, pristup načinu chata, 1 istodobni zadatak i 1 zakazani zadatak.
• Osnovni – 19 USD mjesečno dodaje 1.900 mjesečnih kredita (+1,900 bonusa tijekom ograničene ponude), 2 istodobna i 2 zakazana zadatka, pristup naprednim modelima u načinu agensa, generiranje slika/video/dijapozitiva i ekskluzivni izvori podataka.
• Plus – 39 USD mjesečno povećava se na 3 istodobna i 3 zakazana zadatka, 3.900 mjesečnih kredita (+3,900 bonusa) i uključuje sve osnovne značajke.
• Progon -199 USD mjesečno nudi 10 istodobnih i 10 zakazanih zadataka, 19.900 kredita (+19.900 bonusa), rani pristup beta značajkama, manus majicu i cjeloviti skup značajki, uključujući napredne alate za agente i generiranje sadržaja.

Tu je i 17% popusta na ove cijene za korisnike koji žele godišnje plaćati unaprijed.

Pokretanje se temelji na infrastrukturi predstavljenoj s Manusom početkom ove godine, što tvrtka opisuje ne samo kao AI agent, već i platformu za osobno računanje u oblaku.

Svaka sesija Manus-a radi na namjenskom virtualnom stroju, pružajući korisnicima pristup orkestriranom oblaku izračunavanju prirodnog jezika-postavku koje tvrtka vidi kao ključ za omogućavanje pravih radnih tokova AI.

Uz široka istraživanja, korisnici Manusa mogu delegirati istraživanje ili kreativno istraživanje kroz desetine ili čak stotine subagenata.

Za razliku od tradicionalnih multi-agentskih sustava s unaprijed definiranim ulogama (kao što su upravitelj, koder ili dizajner), svaki subagent unutar širokog istraživanja potpuno je sposoban, u potpunosti istaknut instanca Manusa-nije specijalizirana za određenu ulogu-djelujući neovisno i sposobno preuzeti bilo koji opći zadatak.

Ova arhitektonska odluka, kaže tvrtka, otvara vrata fleksibilnom, skalabilnom postupanju s neograničenim od krutih predložaka.

Koje su prednosti širokog u odnosu na duboka istraživanja?

Čini se da je implikacija da je paralelno vođenje svih ovih agenata brže i rezultirat će boljim i raznolikijim skupom radnih proizvoda izvan izvještaja o istraživanjima, za razliku od pojedinačnih agenata „dubokih istraživanja“, drugi su AI pružatelji usluga pokazali ili na terenu.

No, iako Manus promiče široka istraživanja kao proboj u paralelizmu agensa, tvrtka ne daje izravne dokaze da je mrijest desetaka ili stotina subagenata učinkovitiji od toga da se jednosmjerno drže pojedinačni zadaci upravljanja visokim kapacitetom.

Izdanje ne uključuje referentne vrijednosti uspješnosti, usporedbe ili tehnička objašnjenja kako bi se opravdao kompromisi ovog pristupa-poput povećane upotrebe resursa, složenosti koordinacije ili potencijalne neučinkovitosti. Također nedostaju detalji o tome kako subgenti surađuju, kako se rezultati spoje ili bez obzira na to je li sustav nudi mjerljive prednosti u brzini, točnosti ili troškovima.

Kao rezultat toga, iako značajka prikazuje arhitektonsku ambiciju, njegove praktične prednosti u odnosu na jednostavnije metode ostaju nedokazane na temelju pruženih informacija.

Sub-agenti imaju mješovito staze općenito, do sada …

Iako je Manusova implementacija širokih istraživanja pozicionirana kao napredak u općim AI sustavima agenata, širi ekosustav vidio je mješovite rezultate sa sličnim subagentnim pristupima.

Na primjer, na Reddit, samoopisani korisnici Claudeovog koda izazvali su zabrinutost zbog toga što su njegovi subagenti bili spori, konzumirali velike količine tokena i nudeći ograničenu vidljivost u izvršenju.

Uobičajene točke boli uključuju nedostatak protokola koordinacije između agenata, poteškoće u uklanjanju pogrešaka i pogrešne performanse tijekom razdoblja visokog opterećenja.

Ovi se izazovi ne odražavaju nužno o Manusovoj provedbi, ali ističu složenost razvoja robusnih multi-agentskih okvira.

Manus priznaje da su široka istraživanja i dalje eksperimentalna i mogu imati određena ograničenja kako se razvoj nastavlja.

Gledajući naprijed

S uvođenjem širokih istraživanja, Manus produbljuje svoju predanost redefiniranju načina na koji korisnici komuniciraju s agentima AI u mjerilu.

Dok se druge platforme bore s tehničkim izazovima koordinacije i pouzdanosti subagentne koordinacije, Manusov pristup može poslužiti kao testni slučaj da li generalizirani instanci agenta-a ne usko prekriveni moduli-mogu pružiti viziju bešavne, višestruke AI suradnje.

Tvrtka nagovještava šire ambicije, sugerirajući da infrastruktura koja stoji iza širokih istraživanja postavlja temelje za buduće ponude. Korisnici i promatrači industrije podjednako će obratiti pažnju na to može li ovaj novi val arhitekture agenata ispuniti svoj potencijal – ili će li izazovi viđeni drugdje u AI prostoru na kraju nadoknaditi.