2025年8月1日凌晨，一则来自Manus官网的更新推送，让沉寂许久的AI圈泛起涟漪——这个曾因”AI Agent能否替代人类工作”话题引发热议的产品，终于在消失5个月后带着新功能”Wide Research（广度研究）”杀了回来。更耐人寻味的是，这场”复出”精准瞄准了当前AI Agent赛道的最大痛点：当所有玩家都在卷”深度”时，谁来打破同质化的天花板？
从”消失”到”突围”：Manus的生存之战
距离Manus首席科学家季逸超上一次为产品录制视频，已过去整整5个月。这期间，AI圈的热闹从未停歇：OpenAI带着ChatGPT Agent强势入场，谷歌Gemini迭代出更拟人的交互版本，国内大模型厂商也纷纷亮出”智能体”新功能。而曾经以”重新定义AI工作方式”姿态亮相的Manus，却像按下了暂停键，连官方社交账号的更新频率都从”周更”骤降至”月更”。
外界一度猜测，这个曾被资本热捧的AI独角兽是否遭遇了技术瓶颈，或是资金链紧张。直到8月1日的更新公告，才揭开了谜底——原来这5个月里，Manus团队几乎all in进了Wide Research的研发。从季逸超在发布视频中提到的”耗时超两个月”不难看出，这个被定义为”公司现阶段最重磅功能”的新模块，承载着远超常规迭代的期待。
“广度”VS”深度”：一场AI Agent的路线之争
Wide Research的登场，被业内视为对OpenAI”Deep Research（深度研究）”的精准反击。这种”针锋相对”并非偶然——就在7月初，OpenAI刚将”深度研究”作为ChatGPT Agent的核心卖点推向市场，宣称其能通过”长链推理+信息整合”解决复杂问题。而Manus的Wide Research，则选择了一条截然不同的技术路径。
两者的差异在具体场景中尤为明显。当用户要求”列出全球前100的MBA项目并对比学费、就业率、国际生比例”时，ChatGPT Agent会礼貌地表示”数据量过大，建议缩小范围”，最多只能输出前10名的简要信息；但Manus的Wide Research却能像启动”并行处理器”般，同时调用多个数据接口，在短时间内完成100所院校的交叉比对，最终生成一份包含2000+数据的对比表格。
这种能力差异的背后，是两种技术路线的底层逻辑分野。据行业资深技术专家分析，Deep Research采用的是”串行推理”模式——如同人类专家般，先聚焦问题核心，再逐步深入挖掘信息，通过层层逻辑推导得出结论。这种模式在处理需要深度因果分析的任务（如法律案件论证、商业战略制定）时优势显著，但受限于单线程处理能力，难以应对大规模、多维度的信息抓取需求。
而Wide Research的核心是”并行计算”。简单来说，它将用户的复杂任务拆解成数十甚至上百个子任务，通过调用云端算力同时处理，最终将结果汇总整合。这种模式就像同时派出100个”信息侦察兵”，各自负责不同维度的信息采集，再由主系统进行数据融合。正如季逸超在视频中所言：”我们要把用户调度云计算的能力扩展100倍。”这种”横向扩展”的思路，让Manus在处理”多目标对比””批量内容生成”等任务时，展现出了碾压式的效率优势——在演示中，它甚至能同时生成50张风格迥异的海报，每张都保留了品牌核心视觉元素。
算力与体验的平衡术：免费用户的”甜蜜负担”
但”广度”的代价是高昂的算力消耗。对于普通用户而言，最直观的感受是积分（credit）的快速消耗。据虎嗅了解，目前Wide Research尚未对免费用户开放，Pro用户的每日积分额度虽未明确公布，但内部测试显示，一个普通的”广度研究”任务（如对比20款手机参数）大约需要消耗1000积分，相当于普通用户问100个简单问题（每个问题消耗10积分）的总量。
这一设计引发了用户群体的分化讨论：支持者认为，”算力付费”是维持高质量服务的必要手段，毕竟并行计算的云成本远高于单线程处理；反对者则担忧，这种”按积分付费”的模式可能加剧用户分层，导致普通用户体验受限。不过，Manus团队显然对此早有考量——据接近产品的人士透露，未来Basic和Plus用户将逐步获得Wide Research的使用权限，但会通过”任务优先级限制”（如每日仅能使用3次）来控制成本。
当Agent赛道陷入”内卷”：创新为何如此珍贵？
Wide Research的意义，远不止于技术层面的突破。近半年来，全球AI独角兽都在密集推出各自的Agent产品，但令人尴尬的是，这些产品的功能高度同质化：从日程管理到邮件撰写，从数据整理到会议纪要，几乎所有厂商都在重复同一套”智能助手”的叙事。这种”千机一面”的背后，是整个行业的集体困境——当AGI（通用人工智能）的突破速度远低于预期时，玩家们只能在不改变底层逻辑的前提下，通过”功能微创新”争夺用户注意力。
而Manus的两次”破圈”（3月的初次亮相与8月的Wide Research发布），恰恰击中了这种”内卷”的要害。在Agent领域，”深度研究”早已成为标配，但”广度研究”却是一片未被充分开发的空白。正如季逸超所说：”我们不是要造一个更聪明的助手，而是要造一个能同时处理100件事的’超级管家’。”这种对用户需求的精准洞察，让Manus在拥挤的赛道中撕开了一道独特的裂缝。
AI Agent的未来，需要更多”不按套路出牌”的玩家
从当前的技术进展看，无论是Wide Research还是Deep Research，都还远未达到”完美”的程度。行业人士坦言，两种模式在信息可靠性、结果可交付性上仍有明显短板——广度研究可能因信息过载导致关键数据遗漏，深度研究则可能因过度追求逻辑严谨而牺牲效率。但不可否认的是，Manus的出现，为AI Agent的发展提供了新的可能性。
在这个AGI瓶颈期的特殊阶段，技术创新比以往任何时候都更需要”跳出盒子思考”。当所有玩家都在卷”更深”时，敢做”更广”的Manus或许能告诉我们：AI的终极目标不是替代人类，而是成为人类能力的延伸——无论是深度思考的”大脑”，还是广度处理的”双手”，只要能真正解决用户痛点，便是有价值的方向。
毕竟，在AI这场马拉松里，最先到达终点的，从来不是跑得最”标准”的那个人。