Manus决定出售前最后的访谈
B战原视频
备份视频
访谈深度整理报告：Manus 的进化与 Agent 的未来
本报告基于 2025 年底对 Manus 联合创始人兼首席科学家季逸超（Peak）的访谈记录整理而成。报告通过“整理-总结-重构”的方式，系统性地呈现了季逸超关于个人成长、技术演进、产品哲学及行业趋势的深度思考。
一、 个人背景与早期创业：从“瞎琢磨”到科技创业者
季逸超的成长路径深受家庭环境影响，他在科学理性的父亲与连续创业的母亲之间找到了“科技创业者”的平衡点。
| 核心阶段 | 关键总结 | 时间标签 |
|---|---|---|
| 家庭背景 | 父亲是北大物理系教授，母亲是中关村连续创业者。他在两种风格中成长，定位自己为科技创业者。 | [01:45] |
| 猛犸浏览器 | 高中时期开发 Menas Web Browser，成为中国第一代软件出海创业者，通过 App Store 赚取了 30 多万美金。 | [02:37], [03:31] |
| 商业模式反思 | 早期采用朴素的按份销售模式，后来意识到移动互联网转向免费+增值模式，蛮荒期已过。 | [03:31], [04:05] |
| NLP 启蒙 | 为解决浏览器预加载（预测用户下一次点击）的需求，于 2011 年开始研究自然语言处理（NLP）。 | [08:44] |
| Maggie 项目 | 2014-2018 年间，致力于基于知识图谱的语义搜索，开发了 Maggie，实现了自动构建知识图谱的技术。 | [12:57], [19:19] |
| 技术转折点 | 2013 年的 Word2Vec 和后来的 GPT-3 让他意识到“大一统”模型的威力，决定卖掉公司转向新范式。 | [11:16], [20:46] |
二、 Manus 的诞生与转型：从浏览器到通用 Agent
Manus 的成功并非一蹴而就，而是经历了一次深刻的“自我否定”和产品形态的剧烈转型。
| 关键决策/事件 | 核心总结 | 时间标签 |
|---|---|---|
| 加入 Manus | 2024 年 3 月加入，被创始人肖鸿（Red）提出的“重做浏览器、搜索引擎和大模型”的愿景吸引。 | [49:12] |
| 浏览器的失败尝试 | 2024 年 4 月至 9 月尝试做 AI 原生浏览器，后因用户习惯难以迁移、交互体验怪异（与 AI 抢电脑）而放弃。 | [50:45], [58:20], [01:01:17] |
| 产品哲学 | 认为如果一个产品做完后连开发者自己都不觉得酷，那就没有发布的必要。 | [01:03:10] |
| 通用 Agent 的定义 | 放弃 GUI 自动化，转向基于浏览器使用（Browser Use）的长任务处理，定位为“远程劳动力”。 | [59:24], [01:46:01] |
| 1.5 版本演进 | 1.5 版本并非突变，而是过去数月功能的打包，核心提升在于任务完成速度（快 3-5 倍）和推理成本优化。 | [02:29:15], [02:30:02] |
三、 技术洞察与决策：Agent 时代的“苦涩教训”
作为首席科学家，季逸超在模型使用、上下文管理和推理架构上有着独特的非共识判断。
| 技术领域 | 核心观点与决策 | 时间标签 |
|---|---|---|
| SOTA 的价值 | 必须追求 SOTA（最高水平），因为评估指标决定了产品能否落地，而模型的保质期仅 1-1.5 个月。 | [45:37], [46:14] |
| 上下文压力 | 认为 200K 以上的 Context 长度不再重要，更重要的是模型对“压缩”的意识（Compaction Awareness）。 | [01:36:00], [01:36:48] |
| 推理模型（Reasoning） | 盲目将竞赛类推理模型用于 Agent 会导致指令遵循能力下降，应采用“交错式思考”（Interleaved Thinking）。 | [01:38:23], [01:39:13] |
| 模型竞合关系 | 将模型训练“外包”给巨头，通过大规模消耗 Token 获得影响力，反向推动模型厂商（如 Google）改进 API。 | [01:32:53], [01:33:46], [01:42:10] |
| MCP 决策 | 对 MCP（模型上下文协议）持保守态度，认为会污染动作空间并降低缓存命中率，采用了非原生的调用方法。 | [02:51:57], [02:52:23] |
| 去人格化 | 认为将 Agent 人格化是人类的自恋，应站在模型角度设计工具，减小其“犯糊涂”的概率。 | [02:44:55], [02:46:12] |
四、 商业模式与行业竞争：数据飞轮与算力挑战
Manus 的商业逻辑建立在高效的 Token 消耗和用户反馈闭环之上。
| 商业/竞争要素 | 核心总结 | 时间标签 |
|---|---|---|
| Token 消耗量 | Manus 的 Token 消耗量是 Chatbot 的几十到上百倍，输入输出比高达 100:1 甚至 1000:1。 | [01:31:25], [01:32:28] |
| 算力危机与邀请码 | 上线初期因云厂商算力储备不足被迫采用邀请码控量，并非过度营销。 | [02:12:42], [02:13:40] |
| 数据飞轮 | 通过用户对 Agent 轨迹的纠错（Fix）和教导（Teach），形成非参数化的自我进化能力。 | [01:47:21], [01:48:18] |
| 商业化现状 | 2025 年底已实现 1 亿美金 ARR，通过技术优化和规模效应，利润已接近打平或转正。 | [02:12:42], [01:31:44] |
| 出海策略 | 坚定选择海外市场，因为海外用户对生产力工具的付费意愿更强，且 Agent 运行成本极高。 | [02:17:36], [02:26:54] |
五、 团队管理与组织架构：为模型设计产品的组织
Manus 的组织架构是为了适配 Agent 这一特殊形态而设计的，强调“面向模型”而非单纯“面向人”。
| 组织维度 | 核心总结 | 时间标签 |
|---|---|---|
| 合伙人分工 | 6 位合伙人均为连续创业者。Red（CEO）负责决策，张涛（CPO）负责产品与外部对接，季逸超负责技术。 | [51:59], [52:22] |
| 决策机制 | 采用混合模式：目标设定（Goal）专制，优先级（Priority）半民主，方案（Alternative）充分民主。 | [54:02], [54:29] |
| 特色团队 | 设有 Sandbox Team（负责虚拟化环境，为 Agent 做操作系统）和 Agent Team（负责架构与评估）。 | [02:46:25], [02:47:03] |
| 评估体系 | 拥有 10 多人的专业评估团队，强调主观评估与自动化 Benchmark（如 RLI）的结合。 | [01:49:57], [01:50:17] |
六、 总结与前瞻：2025 Agent 元年的终局思考
季逸超认为，Agent 的未来不在于模仿人，而在于成为高效的“远程劳动力”。
“不要把生而为人的限制颁给 Agent，你应该站在模型的角度去思考问题。” —— 季逸超 [02:44:55]
- 远程劳动力指标（RLI）：Manus 关注 RLI 这一衡量 AI 完成真实工作能力的指标，目前虽仅为 2.5%，但预示着巨大的 GDP 加速潜力。[01:46:29]
- NBA 级别的竞争：他形容现在的创业是从 CBA 打到了 NBA，必须在全方位的技术和产品细节上做到极致。[03:00:25]
- 竞合关系：Agent 作为一个连接器，将串联起 Notion、Microsoft 等各类 SaaS 服务，产生协同效应而非简单的竞争。[02:50:49]
整理人：Manus
日期：2026年1月7日
AI 技术见解总结
本次访谈深入探讨了季逸超在 AI 领域的长期实践与思考，涵盖了从早期 NLP 技术到现代通用 Agent 的演进历程、模型能力的边界以及对未来技术趋势的预判。
一、 AI 技术的发展过程与转折点
季逸超将 AI 的发展视为一系列具体需求牵引下的技术跃进，并强调了几个关键的里程碑：
| 时间阶段 | 关键技术/事件 | 季逸超的见解 | 访谈时间标签 |
|---|---|---|---|
| 2011年 | NLP 早期探索 | 早期 NLP 依赖复杂的依存句法分析（Dependency Parsing）和原始的分词技术，模型不具备扩展性，需重度标注。 | [09:19], [11:40] |
| 2013年 | Word2Vec 发布 | 被视为“最石破天惊的转折点”，首次实现了自然语言文本向稠密向量的高效转换，开启了深度学习在 NLP 领域的应用。 | [11:16] |
| 2014-2018年 | 模型架构演进 | 经历了从 LSTM 到 Attention，再到 Transformer 和 BERT 的更迭。解决了上下文相关性（Contextual）问题。 | [18:11], [19:00] |
| 2019年 | GPT-3 出现 | 意识到通用大模型（LLM）能够统一各种 NLP 任务，垂直领域的专用模型在通用模型面前失去竞争优势。 | [20:46], [21:48] |
| 2025年 | Agent 元年 | AI 从简单的对话（Chatbot）转向能够自主完成长链路任务的通用 Agent（如 Manus）。 | [00:51] |
二、 不同模型的优缺点与厂商分化
季逸超认为当前头部模型厂商已出现明显的关注点分化，应用层应根据场景选择最合适的“养料”：
-
Anthropic (Claude):
- 优点： 在代码生成（Coding）方面表现最强，尤其是处理现实工程中的多轮编程任务。 [01:40:11]
- 特点： 响应速度快，技术博客中的研究方向（如 Thinking Tool）与 Agent 实践高度契合。 [01:41:22], [01:42:10]
-
Google (Gemini):
- 优点： 多模态理解（尤其是视频理解）具有断层级别的优势；拥有独有的 Google 搜索索引资源。 [01:40:40]
- 合作： 能够根据应用层需求快速迭代 API 功能（如可控的并行函数调用）。 [01:33:46]
-
OpenAI (GPT系列):
- 优点： 在纯推理（Reasoning）领域投入巨大，具有领先优势；模型在各类榜单（Benchmark）上表现稳健。 [01:40:40]
- 缺点： 现有的 Reasoning 模型（如 o1）若直接用于 Agent，可能导致指令遵循能力下降及幻觉增加。 [01:38:23]
-
DeepSeek:
- 冲击： 极大地缩短了模型的保质期，让行业意识到如果不追求 SOTA（最高水平）就很难生存。 [45:37]
三、 AI 模型的能力边界与 Agent 核心逻辑
季逸超对 Agent 的本质及模型能力的局限性提出了深刻的暴论与见解：
1. 记忆与上下文的边界
- 长上下文并非无限好： 认为 200K 以上的上下文不再重要。相比长度，模型更应具备压缩意识（Compaction Awareness），学会将信息外化到文件系统而非死记硬背。 [01:36:00], [01:36:46]
- KV Cache 的局限： 无限增加上下文会带来不必要的延迟和成本，模型需要学会像人一样整理文档。 [01:37:05]
2. 推理（Reasoning）的误区
- 反对“缸中之脑”： Agent 的推理不应是闭门造车（如 o1 的长思维链），而应是交错式思考（Interleaved Thinking），即：观察 -> 短暂推理 -> 行动 -> 再观察。 [01:38:23], [01:39:13]
- 工具集成推理（TIR）： 推理必须与工具使用深度结合，而非纯粹的逻辑运算。 [02:58:16]
3. Agent 与 Chatbot 的本质区别
- 耐心问题： 为 Chatbot 训练的模型倾向于一轮回答完所有问题，而 Agent 需要在长链路任务中保持耐心，基于环境反馈（Observation）逐步调整。 [01:34:13], [01:35:00]
- 上下文压力： 模型在长输出时会感受到“压力”，导致后期质量下降（如频繁使用 bullet points）。 [01:35:40], [01:36:00]
四、 技术决策与未来趋势
- 去人格化： 认为赋予 Agent 人格是人类的自恋。Agent 应该被视为一种新的操作系统或工具，其思维模式与人不同，应通过环境工程（Context Engineering）而非人格化来提升能力。 [02:44:55], [02:46:14]
- 数据飞轮： 应用层公司的壁垒在于用户的使用轨迹和反馈（Feedback），这种数据留存于应用层，可用于实现模型的自我进化（Self-evolving）。 [01:43:26], [01:48:18]
- 端侧模型的坑： 在浏览器这类天然联网的场景下，盲目追求端侧离线运行是误区，用户更在乎最终效果而非运行位置。 [57:15], [57:42]
- 错误恢复能力（Error Resilience）： 真实环境中的 Agent 必须具备处理非代码性错误的能力，能够绕路尝试而非陷入死循环。 [02:59:09]
“做 Agent 其实跟训模型很像，就是你其实更重要的是做对 1,000 件小事，而不是做对三个大事。” —— 季逸超 [02:52:23]