今天小编分享的科学经验：Manus引爆智能体复现潮！DeepSeek已被整合，项目挤满开源榜，海外大V排队求码，欢迎阅读。
Manus 背后公司名为 " 蝴蝶效应 "，真的带火了整个智能体赛道——
开源复现潮出现了，商业闭源产品也卷起来了。
目前进度最快的两个项目，都是在 Manus 发布的第 0 天发布了复现代码。
除了之外，另一个开源项目OWL 已经把 DeepSeek 模型整合到多智能体协作框架中。
OWL 来自国内开源社区CAMEL-AI团队。
OWL 最新提交的结果在智能体测试基准 GAIA 的验证集上排名平均分第 3，在开源项目中排第 1。
其 Level 1 分数81.13同样超过了 OpenAI 的 Deep Research，与 Manus 晒出的86.5已经非常接近。
虽然 Level 2 和 Level 3 分数还有差距，不过 CAMEL-AI 团队的李国豪在交流群中表示，有信心刷爆。
今日的 GitHub 热榜上，大多是 Agent 相关的项目和工具库，老牌 Agent 项目 MetaGPT 与 AutoGPT 双双被顶到前排。
Camel-AI、OpenManus 所使用的代码库 browser-use 也现身，此外金融、编程等领網域的垂直智能体也备受关注。
与此同时，有人注意到 Claude 团队推出的模型上下文協定 MCP不是已经有小半年了么，为什么突然每个人都在讨论它？
原来是每个人都想知道如何造一个 Manus，而 MCP 是一种有效的实现途径呀。
Manus 火到海外
再来看看 Manus 本尊的进展。
官方社交媒体账号被短暂禁封后现已恢复，称将发布更多演示和更新。
Manus 这个产品也成功火到了国外，方法很简单：发邀请码。
除了给海外大 V 单独发之外，Manus 联创季逸超还与抱抱脸 CEO 取得联系，公开分享 100 个码，见者有份，先到先得。
两人的交流中季逸超谈到 Agent 能力可能更多的是对齐问题而不是基础能力问题，基础模型被训练为 " 无论任务有多复杂，都一次性回答所有问题 "，而 " 只需对代理轨迹进行一点后期训练，就可以立即产生显著的变化 "。
（顺便码不用去试了，半夜就抢光了。）
海外用户得到码之后的剧情和这边差不多，有不少试用之后被惊艳到的，变成 " 自来水 " 的。
并且海外用户的付费意愿确实要强一些，毕竟比起 OpenAI 两万美元一个月的博士级智能体总是要便宜许多。
很多人拿到 Manus 做的第一件事，都是让他收集自己的资料，编写并部署个人主页。
其中 Rowan Cheung 表示 Manus 收集到关于他的个人信息 100% 准确且是最新的。
类似的任务还有日本网友让 Manus 部署一个介绍他自己的网站。
他分享了体验中的一个细节：虽然 Manus 可以自己完成所有任务，但如果在执行过程中给出意见，它也可以灵活地改变计划并执行，就好像真的再给人下达指令一样。
更复杂的编程类任务还有制作一个 javascript 的飞行游戏。
也有人把它当做 Deep Research 类工具，寻找租房信息只花了不到 10 分钟时间。
主要的抱怨集中在速度有些慢，以及没有码。
One More Thing
作为 Manus 出圈的副作用之一，GAIA 基准测试正在成为智能体类产品必争之地。
GAIA 由 Meta AI、HuggingFace 和 AutoGPT 团队推出，图灵奖得主 Yann LeCun 和 HuggingFace 首席科学家 Thomas Wolf 参与，旨在解决现有大语言模型基准测试被快速突破、难以评估新模型的问题。
GAIA 测试由 450+ 具有明确答案的复杂问题组成，分为三个难度级别，考验智能体系统的工具使用能力以及自主性。
Level 1：通常解题步骤不超过 5 步，且不需要工具，或最多使用一种工具。如简单的信息检索和处理，任何优秀的语言模型都可以完成。
Level 2：需要在 5-10 步之间完成，并且需要组合使用不同工具。如 " 根据附件 Excel 檔案计算当地快餐连锁店食品（不含饮料）的总销售额 "。
Level 3：面向近乎完美的通用 AI 助手，要求 AI 能够执行任意长度的复杂动作序列，使用多种工具，并具备广泛的世界知识和信息获取能力。
如 " 在 2006 年 1 月 21 日 NASA 的每日天文图片中有两名宇航员，截至 2023 年 8 月，找出较小宇航员所在 NASA 宇航员小组中在太空停留时间最短的宇航员及其停留时间 "，解答这类问题需要综合网络搜索、信息筛选、知识推理等多种能力。
人类在 Level 2、和 Level 3 上的成功率分别是92% 和 87.3%，测试推出时最先进的语言模型 GPT-4 得分为 9.7% 和 0。
此外 GAIA 排行榜分为测试集（Test）和验证集（Validation）两项，其中验证集是公开数据，测试集为私有数据，测试集的含金量更高一些。
目前测试集排行榜中，h2oGPTe Agent（来自 H20.ai）、Trase Agent（来自 Trase Systems）两个商业闭源系统的 Level 2 分数与 Manus 公布分数（70.1%）接近。
Manus 团队公布的 Level 3 分数为 57.7%，领先幅度比较大。
ImageNet数据集与竞赛开启了深度学习浪潮之后，每个时代都有自己的当红榜单指引着最前沿技术的发展。
在 BERT 时代是语言理解基准CLUE、SpuerCLUE。
随后 ChatGPT、Claude、Gemini 已经刷爆了考验各学科知识的MMLU、以及用户用脚投票的ChatBot Arena大模型竞技场。
o1/r1/QwQ 类推理模型正在比拼数学（AIME、FrontierMath）、博士级别理科题（GPQA）、编程 / 軟體工程能力（Codeforces、SWE-bench、LiveCodeBench）。
智能体刷 GAIA，似乎正在成为行业最新共识。
或者不久以后，可以期待一下 AgentArena 智能体竞技场？
OpenManus
https://github.com/mannaandpoem/OpenManus
OWL
https://github.com/camel-ai/owl
GAIA Bencmark
https://huggingface.co/spaces/gaia-benchmark/leaderboard
https://arxiv.org/abs/2311.12983
