Manus发布Wide Research，用“暴力美学”重定义AI协作。

当其他AI还在追求“深度思考”时，Manus选择用绝对的数量优势，开启一场关于个人超级计算的豪赌。

AI Agent的进化竞赛，正从模型参数的军备竞赛，延伸至结构范式的根本性变革。

一种全新的、堪称“暴力”的协作美学，逐渐呈现。

关键信息速读

• • 百倍算力: Manus推出Wide Research功能，允许用户通过自然语言，瞬间调用超过100个（测试上限达2000个）AI智能体并行处理单一任务，将个人可用的云端算力提升100倍。
• • 范式转移：从“深度”到“广度”: 与业界主流的“Deep Research”（深度研究）模式不同，Manus开创性地提出“Wide Research”（广度研究），用大规模并行计算替代单一智能体的深度挖掘，追求极致的效率与信息宽度。
• • 系统级创新: 其核心并非简单的“多开Agent”，而是一套受谷歌MapReduce启发的系统级并行处理机制。每个子智能体都是一个功能完备、无差别的通用Manus实例，赋予了任务处理极高的灵活性与想象空间。
• • 仅向Pro用户开放: 这项新功能目前仅向Pro用户（199美元/月）开放，其高昂的积分消耗速度引发热议。官方回应称，这是通过高端产品探索能力边界、进而反哺平价产品的必经阶段。
• • 机遇与争议并存: Wide Research在展示惊人潜力的同时，也面临着效率是否真正优于单一强大智能体、缺乏性能基准、以及初期用户体验不佳等质疑。

从深度到广度：AI Agent的暴力美学

想象一下这个场景：
分析100款热门运动鞋的优劣

传统方法耗时耗力，但在Manus Wide Research面前，这不过是几分钟的事情。系统瞬间唤醒100个并发智能体，如蜂群般扑向任务——每个智能体独立负责一款产品，从设计、定价到用户评价，进行地毯式分析。

官方演示案例

最终，一份结构清晰、可排序的电子表格与网页报告，自动呈现在你眼前。

这是Manus昨天发布的重磅功能——Wide Research。

当整个行业还在卷“Deep Research”，让单个AI花上数小时进行深度思考与报告撰写时，Manus用一种近乎“蛮横”的方式，选择了另一条路：广度。

这种“广度”，是压倒性的数量优势。无论是对比分析上百个MBA项目，还是在50种迥异的视觉风格中同步生成海报设计，Wide Research都能通过大规模智能体并行协作，将过去需要数天完成的复杂调研与创意工作，压缩至分钟级别。这是一种简单、直接，却又极具视觉冲击力的暴力美学。

不止于“人多”：个人超级计算的野心

如果仅仅将Wide Research理解为“同时开了很多个AI”，那就完全低估了Manus的野心。这家公司从始至终的目标，就不是做一个AI聊天工具，而是一个 “独一无二的个人云计算平台” 。

在此之前，每个Manus会话都在一个专用的云端虚拟机上运行，让普通用户能通过对话来编排复杂的云工作负载。而Wide Research，则是将这种能力放大了100倍。

它本质上是一套系统级的并行处理机制，以及一个智能体到智能体的协作协议，让任何用户都能通过聊天，去调度一个微型“超级计算机集群”。

其架构设计的精髓，在于其智能体的“同质通用性”。与传统多智能体系统预设“管理者”、“程序员”等不同角色分工的模式截然不同，Wide Research中的每一个子智能体，都是一个功能完备、可独立解决任何通用任务的Manus实例。

Manus联合创始人季逸超在社交媒体上透露，这一设计的灵感，直接来源于二十多年前谷歌提出的、奠定大数据处理基础的MapReduce范式。如今，Manus正试图将这种曾经专属于顶级工程师的分布式系统思想，通过AI大众化，让每个人都能驾驭。

现实真的很现实

革命性的愿景之下，是冰冷的商业现实与技术拷问。

首先是成本。 Wide Research目前仅对每月199美元的Pro用户开放，其惊人的积分消耗速度被早期用户吐槽为“太烧钱了”。对此，Manus联合创始人肖宏坦诚地将其归为发展路径的第一阶段：用昂贵但能拓展人类能力边界的产品，去反哺未来更普惠的产品。

其次，是悬而未决的效率问题。 100个并行智能体，是否真的比1个能力极强的智能体按序处理任务更高效、更准确？Manus并未提供任何性能基准或技术细节，来证明其在速度、准确性或成本上的可衡量优势。子智能体之间如何高效协作、合并结果，目前仍是一个黑盒。

最后，初期的用户体验暴露了它的不成熟。 在Reddit等社区，已有用户抱怨其存在子智能体速度慢、任务可见性差、高负载下性能不稳定等问题。Manus也承认，该功能仍处于实验阶段。

Wide Research与其说是一个成熟的功能，不如说是一份激进的宣言。它将谷歌MapReduce的分布式思想，嫁接到个人AI的交互平面之上，用绝对的并行算力，试图为通用人工智能的规模化定律（Scaling Law）探索出一条全新的路径。

这条路是通往未来，还是昂贵的弯路？

Manus已经下注，答案是什么，让子弹再飞一会。