# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Deep Research 之后，是 Wide Research？
本周四，知名初创公司 Manus 推出了一项重要新功能，可以通过向上百协同工作的 AI 智能体分配任务来进行广泛的研究。
今年早些时候，Manus 的多智能体平台改变了人们应用 AI 工具的方式。不过现在，这家创业公司正在试图开发一种与大模型深度思考 Deep Research 同样重要的新能力。
如今的很多大模型工具，不论是 DeepSeek 还是 ChatGPT 都包含「深度研究」选项，可以驱动智能体进行长达数分钟甚至数小时的广泛、深入的网络研究，并帮助人类用户撰写引用充分、详尽的报告，模型推理时投入的算力越多，思考得越多，推理能力就越强。
最近各家的大模型技术升级则包含了多智能体和自动化的工具选择，这次 Manus 选择一步到位，尝试了大规模并行。
该公司刚刚宣布的「Wide Research」是一项新的实验功能，据说已经开发了两个月之久。它使用户能够利用并行 AI 智能体的功能执行大规模、大容量的任务 —— 一次甚至可以执行 100 多个智能体，而所有智能体都专注于完成单个任务（或一系列子任务，以实现上述总体目标）。
不过 Manus 所做的主要工作在于构建工具。此前有报道称，Manus 正在使用 Anthropic Claude 和阿里通义千问的模型来为其平台提供支持。
在官方 X 账户上发布的视频中，Manus 联合创始人兼首席科学家季逸超演示了使用 Wide Research 比较 100 款运动鞋的效果。
为了完成这项任务，Manus Wide Research 几乎立即启动了 100 个并发智能体 —— 每个 Agent 负责分析一款鞋的设计、定价和可用性。结果是几分钟内输出了以电子表格和网页格式提供的可排序矩阵。
它还可以对全球前 100 个 MBA 课程进行排名，或分析 1000 多支股票。Manus 表示，Wide Research 不仅限于数据分析，还可以用于设计探索等创造性任务。
在一个场景中，Manus 智能体同时生成了涵盖 50 种不同视觉风格的海报设计，并以可下载的 zip 文件形式返回设计结果。
Manus 在新产品博客中介绍，这种灵活性源于系统级的并行处理和智能体间通信方法。Wide Research 是优化虚拟化和智能体架构的第一个应用，能够将计算能力扩展到初始产品的 100 倍。该功能旨在在需要大规模分析的任务期间自动激活，无需手动调整或进行配置。
Wide Research 现已面向 Manus Pro 套餐用户开放，未来计划将逐步向 Plus 和 Basic 用户开放
此次发布，以及今年 3 月与通用智能体一起推出的 AI 基础设施共同推动了 Manus 将大模型智能体工具扩大为「个人云计算平台」的愿景。
在人们提出任务需求后，每个 Manus 会话都在专用虚拟机上运行，这是有史以来首次，用户能通过自然语言访问精心设计的云计算服务来完成日常任务，现在到了 Wide Research 阶段，则是通过对话来操作超级计算集群。Manus 认为这是实现真正的通用 AI 工作流的关键。
通过 Wide Research，人们可以使用 Manus 委托数十个甚至数百个子智能体进行研究或创造性探索。与具有预定义角色（例如经理、程序员或设计师）的传统多智能体系统不同，Wide Research 中的每个子智能体都是功能齐全的 Manus 实例，没有对任务进行定制化，可以独立运行并承担任何通用任务。
Manus 表示，这一架构决策为不受僵化模板约束的灵活、可扩展的任务处理打开了大门。
理论上这意味着，与其他大模型 AI 应用所展示的「深度研究」智能体相比，「并行研究」的速度更快，并且将产生一套超越研究报告的更好、更多样化的工作产品。不过尽管 Manus 将 Wide Research 宣传为智能体并行性的突破，但还没有直接证据能证明并行智能体的方法效果更好。
在新发布中，Manus 并未展示性能基准、效果对比或技术解释，以证明此方法的利弊。此外，它还缺乏关于子智能体之间如何协作、如何合并结果，以及该系统是否在速度、准确性或成本方面具有可衡量优势的详细信息。因此，Wide Research 相对于更简单方法的实际优势仍未得到证实。
虽然 Manus 表示 Wide Research 的落地让我们向通用 AI 智能体系统前进了一步，但用户们初步的使用也发现了一些问题。
例如在 Reddit 上就有人抱怨子智能体速度慢、消耗大量 token 以及在执行任务时情况可见性有限。
根据人们的初步使用经验，常见的痛点包括智能体之间缺乏协调协议、调试困难以及高负载期间性能不稳定。Manus 承认，Wide Research 仍处于实验阶段，目前可能会面临一些限制。
不过，Wide Research 的出现显然让我们在推动 AI 智能向前发展时有了新的选择，当其他公司还在努力应对子智能体协调和可靠性的技术挑战时，Manus 的方法已经可以用于实测了。
Manus 还表示，Wide Research 背后的基础设施将为未来的产品奠定基础，它解锁的远不止于研究能力。从本质上讲，Wide Research 是一个系统级的并行处理机制，以及一个智能体到智能体协作的协议。
参考内容：
https://manus.im/zh-cn/blog/introducing-wide-research
https://venturebeat.com/ai/youve-heard-of-ai-deep-research-tools-now-manus-is-launching-wide-research-that-spins-up-100-agents-to-scour-the-web-for-you/
https://www.bloomberg.com/news/articles/2025-07-31/openai-challenger-manus-preps-big-upgrade-to-main-agent-platform
文章来自微信公众号 “ 机器之心 ”
【开源免费】OWL是一个完全开源免费的通用智能体项目。它可以远程开Ubuntu容器、自动挂载数据、做规划、执行任务，堪称「云端超级打工人」而且做到了开源界GAIA性能天花板，达到了57.7%，超越Huggingface 提出的Open Deep Research 55.15%的表现。
项目地址：GitHub：https://github.com/camel-ai/owl
【开源免费】OpenManus 目前支持在你的电脑上完成很多任务，包括网页浏览，文件操作，写代码等。OpenManus 使用了传统的 ReAct 的模式，这样的优势是基于当前的状态进行决策，上下文和记忆方便管理，无需单独处理。需要注意，Manus 有使用 Plan 进行规划。
项目地址：https://github.com/mannaandpoem/OpenManus
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】kimi-free-api是一个提供长文本大模型逆向API的开渔免费技术。它支持高速流式输出、智能体对话、联网搜索、长文档解读、图像OCR、多轮对话，零配置部署，多路token支持，自动清理会话痕迹等原大模型支持的相关功能。
项目地址：https://github.com/LLM-Red-Team/kimi-free-api?tab=readme-ov-file