噱頭大于實用？深度測評3款人氣超高的AI智能體產品

關于 Manus 這類產品，我想說...

從 Manus 發布至今，圍繞著這類通用型智能體的討論從沒停過。如今，在輿情平息的時候，我們覺得是時候好好評價一下這類產品了。

首先，我們稱贊 Manus 這類產品的構建思路 —— 通過多模型協作，確實在向傳說中的 “世界大模型” 靠近。但實際測試中卻暴露不少問題：號稱 “重新定義 AI 協作” 的 Manus，內測時生成 PPT 打不開 WPS、股票分析用錯數據等。

這類產品的出現確實推動了行業討論。但從實際可用性來看，目前多數通用智能體都像 Manus 一樣 “噱頭大于實用”。

以下是我們針對目前三款“通用 Agent”產品的主觀評價：

總的來說，目前三款產品可用性不足，任務成功率低，文字相關能力與 LLM 原生功能無異，通用 Agent 附加價值有限。

一、能力對比

1. Manus

主觀評分：☆☆

信息收集：可訪問網頁及讀取其中的圖片及pdf文檔內容

編程：接入Claude代碼大模型

PPT生成：可編輯，但質量較差

圖像生成：不支持

視頻生成：不支持

資費：免費，1000積分/月；Starter/Pro，$39/$399月

2. Genspark

主觀評分：☆

信息收集：可訪問網頁及讀取其中的圖片及pdf文檔內容

編程：接入多種代碼大模型混合使用

PPT生成：使用代碼方式寫PPT，效果還可以，但不可編輯

圖像生成：直接接入Flux，ideogram等圖像大模型

視頻生成：直接接入可靈，minimax等視頻大模型

資費：免費，200積分/日；Plus版，24.99美元/月

3. 扣子空間

主觀評分：☆

信息收集：可訪問網頁及讀取其中的圖片及pdf文檔內容

編程：接入豆包代碼大模型

PPT生成：視覺以及結構還可以，同時提供了PDF、PPT、文字三個版本，可二次編輯：

圖像生成：支持添加MCP拓展圖片生成：

視頻生成：不支持

資費：目前完全免費，每日有4-5個任務限制

一、Manus

1. 核心架構

基礎模塊：信息收集、信息分析、代碼編寫，無生成圖片視頻等多模態功能。

它通過多代理架構將任務拆分為規劃、執行、驗證等子模塊，每個代理基于獨立的語言模型或強化學習模型，通過 API 協同工作；

優勢

1. 工作流程條理性較強，先確定任務步驟，按步驟依次進行，；
2. 推理過程所使用的文件均可以下載，推理流程較為透明；

劣勢

1. 需要魔法上網，對部分用戶可能有使用門檻；
2. 多模態能力較弱，缺乏圖像處理等多模態工具；
3. 工具集較為有限，嚴重依賴Python腳本，可以生成PPT格式的文件，但質量較差，無法二次編輯；
4. 性能方面，推理過程較慢，從收集資料到生成分析文檔總計要消耗近30min。

2. 代碼生成

代碼方面因為是直接調用了其他 LLM 模型，所以性能與其一致。以下是生成的前端頁面。

3. 多模態分析功能

對于圖像有基本的分類功能，但是沒有配置針對圖像處理的模型，處理分析功能效果不好。

深度分析

收集信息，使用代碼方式生成調研報告，并發布在網頁，對于信源等搜索分析不全面，與其他 AI 工具無大異。

二、Genspark

1. 核心架構

基礎模塊：AI 對話/生圖/視頻/翻譯，沿用 ChatGPT、可靈等主流模型；

工具型智能體，5 類專業場景應用：綜合智能體，深度研究智能體，事實核查智能體，數據表智能體，打電話智能體；

宣傳中"80+工具"實際是基于“AI 聊天，AI 生圖，AI 視頻，翻譯“等類型工具的排列組合。

優勢

1. 功能模塊全面，包括AI搜索與瀏覽器、圖片工作室、視頻生成、深度研究等。
2. 任務執行效率高，尤其在多輪對話和復雜任務處理上

劣勢

1. 需要魔法上網，對部分用戶可能有使用門檻；
2. 工具創新不足：超90%功能與競品同質化，唯視頻生成系獨家配置（當前質量未達可用標準），尚未形成真實競爭力；
3. 技術整合度低：多模型簡單堆砌，缺乏深度調優；
4. 營銷與實際落差：概念智能體未突破傳統Agent框架，格式轉換等工具實為API封裝

2. 綜合分析能力

實際使用流程與 Manus 一致，輸入一個任務，Genspark 開始自動安排工作，完成后輸出結果，生成 PPT 視覺效果還可以，但無法二次編輯修改。

3. AI 聊天

官方宣傳其多模型集成系統（含 GPT-4、Claude3 及自研模型），但實測認為在常規對話、文本生成和信息檢索等基礎場景中，該系統表現與單一優質模型并無顯著差異。

4. 圖像生成

Genspark 會寫一套提示詞，然后使用 Flux 等公開模型（舊版模型）直接生成圖片。生成效果差于直接使用生圖工具。

5. 視頻生成

視頻生成模型使用的是可靈等開放模型，生成清晰度低，視頻不穩定，消耗積分大，僅一次就消耗掉了當日所有免費積分，視頻效果差于可靈等生視頻工具。

三、扣子空間

1. 核心架構

Agent：

1. 通用 agent：與 Manus 相似。
2. 專家 agent：針對通用 agent 做了內置 prompt，目前是用戶研究、股票分析。

兩種主要模式：

1. 探索模式：不可修改任務規劃步驟。
2. 規劃模式：可修改 Ai 規劃任務步驟內容。

支持接入圖片生成 MCP 產出圖片，基于豆包大模型可處理多模態數據。

優勢

1. 不需要魔法上網，目前完全免費；
2. 提供探索和規劃兩種模式，用戶可以修改agent規劃的步驟細節內容；
3. 支持MCP擴展，AI agent的能力邊界被進一步擴展。

劣勢

1. 官方宣傳的“各行各業的「領域專家」，目前只有兩個，且無法使用規劃模式調整執行任務內容。
2. MCP擴展目前是固定列表且不支持自定義，應用空間有限。
3. 性能上，依賴豆包模型的邏輯能力，復雜任務（如商業模型分析）易出現細節缺失，規劃模式推理過程較慢，從暫時不具備可用性。
4. 完成任務一段時間后無法進行二次對話，任務永遠結束。
5. Beta版本全免費，高峰期服務器易擁堵，易出現影響響應速度。

2. 通用 agent（探索模式） 任務：品牌對比分析報告

通用 agent：進行第一輪、第二輪快速思考和瀏覽器搜索。搜到信息后生成并部署網頁缺點：數據不夠新，目前還是 2023 年的內容。目前生成文檔每句話引用未標注來源，可信程度存疑。

3. 專家 agent 任務：生成問卷

左側為扣子空間、右側為 deepseek，使用了相同的 prompt，對比 deepseek，扣子空間生成的問卷更加全面、分類更準確、問題語言更清晰易懂。

4. 通用 agent（規劃模式） 任務：生成競品分析并生成筆記

執行時間較長，針對復雜任務需要 10 分鐘以上，同時在生成筆記中有概率會出現報錯的問題。生成筆記信息不全面，出現關鍵細節缺失，分析不全面等問題。

5. MCP agent（探索模式） 任務：生成可視化旅行攻略

可以調用高德地圖與墨跡天氣的信息并適時設計旅行線路，同時可以導出至飛書表格直接生成攻略。

6. MCP agent（探索模式） 任務：生成一個會跳舞的貓

調用圖像工具 MCP，生成的圖像清晰但是對于主體的處理不符合事實，需要二次修改。

結語

從 Manus、Genspark 到扣子空間，通用智能體產品雖在技術架構上嘗試通過多模型整合、任務拆分等方式向 “世界大模型” 靠近，但實際使用中仍存在明顯局限。

目前來看，這類產品普遍能力和問題相似，如信息收集、代碼生成等能力差異不大，且多模態支持不足（如圖像、視頻生成功能缺失或質量較低）。同時，使用體驗上存在穩定性不足、付費策略不夠合理（如積分消耗快、套餐價格較高）、部分產品需依賴魔法上網等問題，影響了實際可用性。

未來，通用智能體需在技術生態建設、性能優化、付費體系完善等方面持續改進，才能從概念層面的討論走向實際應用場景的落地，真正實現從 “有限可用” 到 “可用” 的跨越。