Deep Research 之后，是 Wide Research？

本周四，知名初創(chuàng)公司 Manus 推出了一項重要新功能，可以通過向上百協(xié)同工作的 AI 智能體分配任務來進行廣泛的研究。

今年早些時候，Manus 的多智能體平臺改變了人們應用 AI 工具的方式。不過現(xiàn)在，這家創(chuàng)業(yè)公司正在試圖開發(fā)一種與大模型深度思考 Deep Research 同樣重要的新能力。

如今的很多大模型工具，不論是 DeepSeek 還是 ChatGPT 都包含「深度研究」選項，可以驅(qū)動智能體進行長達數(shù)分鐘甚至數(shù)小時的廣泛、深入的網(wǎng)絡研究，并幫助人類用戶撰寫引用充分、詳盡的報告，模型推理時投入的算力越多，思考得越多，推理能力就越強。

最近各家的大模型技術(shù)升級則包含了多智能體和自動化的工具選擇，這次 Manus 選擇一步到位，嘗試了大規(guī)模并行。

該公司剛剛宣布的「Wide Research」是一項新的實驗功能，據(jù)說已經(jīng)開發(fā)了兩個月之久。它使用戶能夠利用并行 AI 智能體的功能執(zhí)行大規(guī)模、大容量的任務 —— 一次甚至可以執(zhí)行 100 多個智能體，而所有智能體都專注于完成單個任務（或一系列子任務，以實現(xiàn)上述總體目標）。

不過 Manus 所做的主要工作在于構(gòu)建工具。此前有報道稱，Manus 正在使用 Anthropic Claude 和阿里通義千問的模型來為其平臺提供支持。

在官方 X 賬戶上發(fā)布的視頻中，Manus 聯(lián)合創(chuàng)始人兼首席科學家季逸超演示了使用 Wide Research 比較 100 款運動鞋的效果。

為了完成這項任務，Manus Wide Research 幾乎立即啟動了 100 個并發(fā)智能體 —— 每個 Agent 負責分析一款鞋的設計、定價和可用性。結(jié)果是幾分鐘內(nèi)輸出了以電子表格和網(wǎng)頁格式提供的可排序矩陣。

它還可以對全球前 100 個 MBA 課程進行排名，或分析 1000 多支股票。Manus 表示，Wide Research 不僅限于數(shù)據(jù)分析，還可以用于設計探索等創(chuàng)造性任務。

在一個場景中，Manus 智能體同時生成了涵蓋 50 種不同視覺風格的海報設計，并以可下載的 zip 文件形式返回設計結(jié)果。

Manus 在新產(chǎn)品博客中介紹，這種靈活性源于系統(tǒng)級的并行處理和智能體間通信方法。Wide Research 是優(yōu)化虛擬化和智能體架構(gòu)的第一個應用，能夠?qū)⒂嬎隳芰U展到初始產(chǎn)品的 100 倍。該功能旨在在需要大規(guī)模分析的任務期間自動激活，無需手動調(diào)整或進行配置。

Wide Research 現(xiàn)已面向 Manus Pro 套餐用戶開放，未來計劃將逐步向 Plus 和 Basic 用戶開放。

此次發(fā)布，以及今年 3 月與通用智能體一起推出的 AI 基礎(chǔ)設施共同推動了 Manus 將大模型智能體工具擴大為「個人云計算平臺」的愿景。

在人們提出任務需求后，每個 Manus 會話都在專用虛擬機上運行，這是有史以來首次，用戶能通過自然語言訪問精心設計的云計算服務來完成日常任務，現(xiàn)在到了 Wide Research 階段，則是通過對話來操作超級計算集群。Manus 認為這是實現(xiàn)真正的通用 AI 工作流的關(guān)鍵。

通過 Wide Research，人們可以使用 Manus 委托數(shù)十個甚至數(shù)百個子智能體進行研究或創(chuàng)造性探索。與具有預定義角色（例如經(jīng)理、程序員或設計師）的傳統(tǒng)多智能體系統(tǒng)不同，Wide Research 中的每個子智能體都是功能齊全的 Manus 實例，沒有對任務進行定制化，可以獨立運行并承擔任何通用任務。

Manus 表示，這一架構(gòu)決策為不受僵化模板約束的靈活、可擴展的任務處理打開了大門。

理論上這意味著，與其他大模型 AI 應用所展示的「深度研究」智能體相比，「并行研究」的速度更快，并且將產(chǎn)生一套超越研究報告的更好、更多樣化的工作產(chǎn)品。不過盡管 Manus 將 Wide Research 宣傳為智能體并行性的突破，但還沒有直接證據(jù)能證明并行智能體的方法效果更好。

在新發(fā)布中，Manus 并未展示性能基準、效果對比或技術(shù)解釋，以證明此方法的利弊。此外，它還缺乏關(guān)于子智能體之間如何協(xié)作、如何合并結(jié)果，以及該系統(tǒng)是否在速度、準確性或成本方面具有可衡量優(yōu)勢的詳細信息。因此，Wide Research 相對于更簡單方法的實際優(yōu)勢仍未得到證實。

雖然 Manus 表示 Wide Research 的落地讓我們向通用 AI 智能體系統(tǒng)前進了一步，但用戶們初步的使用也發(fā)現(xiàn)了一些問題。

例如在 Reddit 上就有人抱怨子智能體速度慢、消耗大量 token 以及在執(zhí)行任務時情況可見性有限。

根據(jù)人們的初步使用經(jīng)驗，常見的痛點包括智能體之間缺乏協(xié)調(diào)協(xié)議、調(diào)試困難以及高負載期間性能不穩(wěn)定。Manus 承認，Wide Research 仍處于實驗階段，目前可能會面臨一些限制。

不過，Wide Research 的出現(xiàn)顯然讓我們在推動 AI 智能向前發(fā)展時有了新的選擇，當其他公司還在努力應對子智能體協(xié)調(diào)和可靠性的技術(shù)挑戰(zhàn)時，Manus 的方法已經(jīng)可以用于實測了。

Manus 還表示，Wide Research 背后的基礎(chǔ)設施將為未來的產(chǎn)品奠定基礎(chǔ)，它解鎖的遠不止于研究能力。從本質(zhì)上講，Wide Research 是一個系統(tǒng)級的并行處理機制，以及一個智能體到智能體協(xié)作的協(xié)議。