微信公众号
Manus 分享内部用 AI 改造组织的实践。研发团队搭建统一入口 Manus-mono 让 AI 跨仓库协作、本地验证并走完发布流程，移动端 7 人同时负责 2 个产品共 4 个应用；产品经理端到端上线功能，用视频替代 PRD，全员提交过代码；市场团队引入数字同事参与工作流。9 月公司 AI 开销人均超过 1 万美元，作者认为买的是时间和注意力，且用最好模型有助于理解 AI 能力边界。
推荐理由：Manus 自述内部 AI Native 组织实践，从研发 Mono、产品视频 PRD 到数字同事，给出可参照的组织改造细节。
Manus 母公司蝴蝶效应于近日完成超过 5 亿美元新一轮融资，由博裕投资、IDG 资本领投，腾讯、红杉中国、真格基金等老股东继续加持。官方同时表示面向海内外的招聘仍在持续，并给出了简历投递入口 careers.manus.im。
Manus 发布招聘信息，邀请感兴趣的人关注以获取岗位信息。原文未披露具体岗位、人数或任职要求。
Manus 2.0 发布，最大亮点是新增游戏开发模式，让没有编程经验的用户也能做出自己想玩的游戏。该模式会动态生成参数调整面板，用户可以边玩边实时调整速度、重力、伤害和刷新频率，并可在素材管理、替换和用 AI 修改素材上参与创作。
hidecloud 发布「潜潜静听」系列第五季，收录 2024 年 7 月至今在日常生活中无意听到的路人对话，坚持原汁原味、不做二次创作。内容涵盖面包店里的退市八卦、飞机上讨论 70B 与 14B 模型训练的女生、新加坡 Grab 司机凭面相认出 Manus 员工等片段。该系列此前已更新四季，最初在私密朋友群连载，后因朋友圈反响热烈而整理发布。
Manus 于 3 月 5 日正式发布，拉开通用 agent 赛道帷幕，其 Wide Research 功能逐渐成为行业标准。发布者回顾称，团队在 Manus 诞生前 12 个月持续探索非共识，DeepSeek-R1 的横空出世也为产品设计带来启发。团队还分享了 Context Engineering 等思考，并称 2025 年推动的非共识为行业带来了改变和新机会。
Manus 团队公开了去年正式立项当天的讨论录音，并交由 Manus 整理成会议纪要文件。团队回顾称，这一年来基本把当时讨论的要点都实现到了。纪要中写道，Manus 是一场旨在重新定义智能体、致力于成为人类强大心智延伸的探索之旅。
针对推友 Jeff 发问"谁在为 Manus 付费"，多位 Manus 用户在该推文下分享了自己的使用场景，原推阅读量接近 30 万。YC 前 CEO Michael Seibel 也在评论区留言称，Manus 是他使用最多的 AI 应用。
潜云思绪分享了团队从 Monica 经过两次转型、最终形成 Manus 这一产品的过程，以及 Manus 发布后的一些经历，作为 2025 年末的总结。
Manus 宣布 ARR 达到 1 亿美元，年化运行率达到 1.26 亿美元，口径为 Stripe 可查。公司从 3 月底商业化至今不到 9 个月，团队称与全球同行相比应为最快速度，并回顾一年前启动 Manus 项目。
推荐理由：Manus 披露 1 亿美元 ARR 与 1.26 亿美元年化运行率，为观察 AI 产品商业化速度提供一个参照。
Manus联合创始人张涛在清华校园行活动中首次公开回应外界对Manus“套壳”和“营销驱动”的质疑。他解释Manus坚持Less structure, more intelligence的通用智能体路线，按任务混合调用GPT-5、Claude、Gemini等模型，并透露Manus在Scale AI的RLI基准上排名第一。他还展望Agent将操纵更多工具、实现24小时主动服务。
web summit 里斯本第二日开场对话由 Semafor 主编 Steve Clemons 主持，主题是人工智能 agent 的发展现状与“开始做决定”的能力。对话围绕 agent 当前进展展开。
在葡萄牙里斯本举行的 Web Summit 上，Manus 分享了 Agentic AI 及自身未来发展方向。相关内容由「潜云思绪」于 2025-11-15 发布。
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。
Manus 的 Wide Research 用并行子智能体替代单模型顺序处理，让每个项目在全新的空上下文窗口中完成同深度研究。主控制器负责把请求拆成可并行子任务并汇总结果，子代理之间不互相通信，以避免上下文污染，文章称第 50 个项目与第 1 个项目的处理质量一致。作者也划出边界：少于 10 个项目或步骤强依赖前序结果的任务，仍更适合单处理器处理。