Manus 在 Scale AI 的 RLI 基准测试中取得 SOTA，领先 Claude 4.5 Sonnet 与 ChatGPT Agent
6月份的 Manus 放到现在也挺能打
Manus 在 Scale AI 发布的 Remote Labor Index（RLI）基准测试中取得业界领先成绩，ELO 评分 510，高于 ChatGPT Agent 的 454、Claude 4.5 Sonnet 的 442 和 GPT-5 的 437。
潜云思绪 2025-11-03 23:09 新加坡
Manus 在 Scale AI 最新发布的 Remote Labor Index（RLI）基准测试 中取得了 业界领先（state-of-the-art） 的成绩，超越了包括 Claude 4.5 Sonnet 和 ChatGPT Agent 在内的强劲竞争对手。RLI 是一个极具价值的评测标准，它的唯一评判依据是：AI 生成的成果是否达到或超过专业人类的水平，并且是否足以让客户愿意为之付费。
这一基准测试难度极高，即使作为当前的 SOTA，Manus 也仅获得 2.5% 的得分，说明仍有巨大的提升空间。然而在系统间的对比中，Manus 取得了 ELO 评分 510，显著领先于其他系统（ChatGPT Agent: 454，Claude 4.5 Sonnet: 442，GPT-5: 437）。这表明相较于人类金标准，Manus 的表现远超其他智能体。
不过最有趣的是在报告测试细节中发现 Scale AI 是在 6 月份对 Manus 进行测试。而作为对手的 Claude 4.5 Sonnet 以及 GPT5 都是在这之后几个月发布的。我们可以合理期待最新的 Manus 1.5 在这个 benchmark 上应该有更加优秀的表现。
Manus 发布即将 8 个月，在竞争异常激烈的 AI 主赛道上能够维持住 SOTA 的位置实属不易。希望来年在维持领先位置的同时，能持续推高这个 benchmark 的得分。
来源：潜云思绪 · 微信公众号 · mp.weixin.qq.com