Manus 深度评测：通用 Agent 天花板值不值 $20/月？国内还能用吗
一句话结论
如果你需要深度研究 / 复杂调研 / 数据分析报告——那种正常人要花 4–8 小时才能做完的活——Manus 在 2026 年是通用 Agent 里体感最好的选择之一。多 sub-agent 并行、自动模型路由、任务可以关掉浏览器让它在云端跑，交付物的引用密度和结构化程度都明显高于 ChatGPT Deep Research。
但是它不便宜、也不适合所有场景：中国大陆已被官方屏蔽访问、credit 烧得比标价快、Web App Builder 到今天仍不能用于生产、团队协作能力弱。想清楚这几点再决定要不要付 $20。
省钱建议：先用 Free 档跑 3–5 个真实任务评估 credit 消耗速度和交付质量。跑通后再决定要不要上 $20/$50/$200 档。Free 档就够看清 Manus 是不是你要的答案。
Manus 真正在解决的问题
社区讨论"为什么 Manus 火"经常聚焦在"多 Agent、字节挖来的团队、Meta 想收购"。但深一层看，Manus 是在解决通用 Agent 长期以来的三个卡点：
第一个卡点：单模型天花板。 ChatGPT / Claude 用一个模型端到端跑所有步骤——浏览、分析、写代码、写文档、总结。每个模型都有明显的短板：GPT-5 写代码不如 Claude Sonnet 4；Claude 长文档总结不如 Kimi K2；GPT-5 数据分析和图表输出不如自研专业化模型。Manus 用多个 sub-agent 并行 + 主 orchestrator 路由到最合适的模型，等于每一步都用最擅长的选手，输出质量自然更稳。
第二个卡点：交互式模型的疲劳感。 ChatGPT / Claude 是"一问一答"，做 4 小时深度研究要盯着屏幕、追问、修改、继续。Manus 是**"提交任务 → 关掉浏览器 → 明天早上看结果"**这套异步工作流，跟传统数据分析师工作方式接近，反而更适合复杂任务。
第三个卡点：引用密度。 用 ChatGPT Deep Research 或 Perplexity 做研究报告，你会发现引用经常"看起来支撑观点、其实原文没这个意思"。这是单个 LLM 生成阶段幻觉的锅。Manus 的多 sub-agent 里有专门的引用检查子 Agent，跑完后再合成，引用错配率明显更低。这是它在 research 场景吸引付费用户的核心。
多 sub-agent 到底强在哪里
"Where most general-purpose AI products use one model end-to-end, Manus runs multiple specialized sub-agents in parallel: one handles web browsing, one handles data analysis, one handles code execution, one handles synthesis and writing."
主 orchestrator 拆解任务、分配到各专业子 Agent，并行执行后再由 synthesis 子 Agent 合成结果。这个架构的直接收益：
- 引用密度 x 2：browsing 子 Agent 负责获取、synthesis 子 Agent 负责组织，各司其职，不像单模型那样漏引或错引。
- 任务时长 / 2：并行执行让原本串行 8 小时的任务在云端 3 小时跑完。
- 成本更可控：每个子 Agent 只干自己那一段，短 context + 专门模型，token 效率更高。
按 Info-Tech Research 引用的 GAIA benchmark（General AI Assistants）：
| 模型 | GAIA 准确率 |
|---|---|
| Manus AI | >65%（SOTA） |
| H2O.ai (h2oGPTe) | 65% |
| Google Langfun | 49% |
| Microsoft o1 | 38% |
| OpenAI GPT-4o | 32% |
| OpenAI GPT-4 + Plugins | 15-30% |
注：基准是 Manus 官方公布，需第三方验证；即便打八折，也仍然是这一档产品里的头部。
"开着任务下班"体感
这是最容易被文字低估、真上手就理解的差异。举个真实场景：
"调研欧洲前 10 大 EV 充电网络（覆盖率、价格、可靠性、充电速度），产出带引用的 Markdown 对比表。"
- 用 ChatGPT Deep Research：你要点"研究"、盯 15–30 分钟、追问 5 次、手动整理成表。全程要人在。
- 用 Manus：提交任务、关掉浏览器、去做别的。2–4 小时后邮件通知，收到一份带 20+ 来源引用的完整 Markdown 表。
这个体感差异在深度研究 / 竞品分析 / 市场调研 场景是决定性的。用一次就回不去了。
能力天花板：5 类场景不推荐用 Manus
诚实地说：Manus 有几个明确的弱项。
生产级 Web App：Web App Builder 演示很漂亮，但复杂场景经常翻车。Pick Right 评测 直白说"buggy enough that I wouldn't ship to production from it yet"。真要交付网站，Bolt.new / Lovable / v0 更稳。
团队协作：目前偏单人产品，Pro+ / Team 档的"团队工作空间"功能有限，没有 Notion 那种协作粒度。多人并行做研究要各买各的账号。
跨会话上下文：每次任务从零开始，没有持久 workspace。你要在项目 A 之上做项目 B，Manus 不会"记得"A。跨会话上下文用 Claude Projects / ChatGPT Custom GPT 更合适。
大陆访问：Butterfly Effect 2025 已官方屏蔽中国大陆访问 + 关闭中文社交账号。国内裸用不通，需要稳定海外网络。
成本极敏感：Free 档能试水，付费档 credit 烧得比标价暗示的快。每次任务一旦启动无法控预算——只能 cancel 或等它跑完。对预算敏感的场景（学生、独立开发者）应先充分评估。
价格与运行成本
Pick Right 评测 公开档位：
| 档位 | 价格 | 关键点 |
|---|---|---|
| Free | $0 | 每日有限 credits，够 1 个高强度任务/天 |
| Pro | $20/月 | 大多数付费用户落点，中等 credit + 多模型 |
| Plus | $50/月 | 更高 credit + 优先队列，10+ 任务/周 |
| Pro+/Team | 最高 $200/月 | 最大 credit + 团队空间（功能仍有限） |
credit 经济学：每个动作（浏览、代码运行、模型调用）都消耗 credits。
真实反馈来自 Pick Right 评测：
"Credits run out faster than the pricing page suggests. Heavy users routinely buy credit packs on top of subscriptions."
建议：不要按标价决定档位，用 Free 档跑 3–5 个真实任务测消耗速度。真跑一遍就知道你到底要 $20 / $50 还是 $200。
与同类怎么选
| 维度 | Manus | Devin | Genspark | ChatGPT Deep Research |
|---|---|---|---|---|
| 核心定位 | 通用 Agent | AI 程序员 | AI 搜索 + Agent | LLM Deep Research |
| 架构 | 多 sub-agent 并行 | 单 Agent + 沙盒 | 多模型 | 单模型 |
| 长任务 | ★★★★★ 小时级 | ★★★★★ | ★★★☆☆ | ★★★★☆ |
| 引用密度 | ★★★★★ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ |
| App Builder | ⚠️ 有但 buggy | ❌ | ❌ | ❌ |
| 中文 / 大陆 | ⚠️ 屏蔽 | ⚠️ | ★★★★★ | ⚠️ |
| 价格 | $20-$200 | $500/月 | $24.99/月 | 随 ChatGPT Plus |
选 Manus 如果：重视 research / 数据分析的引用密度和结构化输出，能解决海外账号+网络。
别选 Manus 如果：国内裸用（去 Genspark / Yuanbao）、生产 App（去 Bolt / Lovable）、团队协作重（暂无满足产品）、预算 < $20（Free 档评估即可）。
AIHO 推荐结论
Manus 是 2026 年通用 Agent 里最能刷新体感天花板的产品，尤其是给做研究、咨询、竞品分析、市场洞察的人。多 sub-agent + 自动模型路由 + 云端异步执行——这几件事组合起来，让"AI 帮我做完深度调研"从概念变成了每周都可用的日常。
但它不是 ChatGPT 平替。日常 Q&A、写代码、日程管理、文档整理，用 ChatGPT / Claude / Genspark 更合适、更便宜、也更稳。Manus 的甜点区是"需要 4+ 小时深度产出的复杂任务"，别拿它做"5 分钟就能搞定的小活"，性价比就没了。