Manus против AutoGPT: чем новое поколение агентов отличается

В марте 2023 года репозиторий AutoGPT собрал сотни тысяч звёзд на GitHub за считаные недели: идея была в том, чтобы дать GPT-4 цель на естественном языке и позволить ей самой разбивать задачу на шаги, запускать код, искать в интернете и двигаться к результату без участия человека. На практике эйфория быстро сменилась разочарованием — агент зацикливался, терял контекст и сжигал десятки долларов на токенах, не доводя ничего до конца. Спустя два года китайский стартап представил Manus, который позиционируют как агента, который не просто планирует, а завершает задачи. Сравним, что за это время поменялось в самой архитектуре автономных агентов.

Что такое AutoGPT и почему он выстрелил

AutoGPT — это опенсорсный проект, обёртка вокруг API OpenAI, которая превращает языковую модель в цикл «подумать — действовать — оценить результат». Вы даёте агенту роль и список целей, а дальше он сам генерирует подзадачи, пишет промпты самому себе, вызывает инструменты (поиск, файловая система, выполнение кода) и хранит промежуточные результаты в векторной памяти.

Революционной была не технология, а сам сдвиг мышления: до этого LLM воспринимали как собеседника, отвечающего на один запрос. AutoGPT показал модель как исполнителя, который сам решает, что делать дальше. Именно эта идея агентности задала повестку на два года вперёд.

Где AutoGPT спотыкался

• Циклы. Агент мог бесконечно повторять один и тот же шаг, не понимая, что уже его выполнял.
• Потеря цели. На длинных цепочках рассуждений исходная задача размывалась, и агент уходил в сторону.
• Стоимость. Каждый шаг — новый вызов API с полным контекстом. Сложная задача легко превращалась в десятки долларов без гарантии результата.
• Хрупкость инструментов. Одна ошибка при парсинге страницы или выполнении кода часто ломала весь прогон.

Что предлагает Manus

Manus — коммерческий агент от команды Monica (компания Butterfly Effect), анонсированный в марте 2025 года. Ключевое отличие в позиционировании: разработчики делают упор не на автономность саму по себе, а на доведение задачи до готового результата — отчёта, таблицы, развёрнутого сайта, собранных данных. Пользователь ставит задачу, а Manus работает в облаке в собственной виртуальной среде, показывая ход выполнения, но не требуя вмешательства на каждом шаге.

Технически Manus — это не одна модель, а оркестратор, который использует несколько сторонних больших моделей и набор инструментов: браузер, редактор кода, терминал, доступ к файлам. Такой подход называют multi-agent — разные подзадачи распределяются между специализированными исполнителями, а координатор собирает результат воедино.

Разница между поколениями не в том, что агент стал умнее рассуждать. Она в том, что вокруг модели построили инфраструктуру, которая ловит её ошибки и не даёт всей задаче развалиться из-за одного сбоя.

Асинхронность как главное отличие

AutoGPT запускался локально и работал синхронно: вы смотрели в терминал и ждали. Manus вынесен в облако и работает асинхронно — задачу можно поставить и закрыть вкладку, а результат забрать позже. Это меняет сам сценарий использования: агент из игрушки для энтузиаста превращается в фонового работника.

Сравнение по ключевым параметрам

Точные цены на подписку Manus и лимиты по задачам меняются, а часть тарифов на старте была доступна только по инвайтам — актуальные цифры смотрите на официальном сайте продукта, а не в обзорах полугодовой давности.

Что осталось нерешённым

Смена поколений не отменила фундаментальных проблем автономных агентов. Они лишь спрятаны глубже.

1. Проверяемость. Агент по-прежнему может уверенно выдать неверный результат. Чем сложнее задача, тем труднее пользователю проверить, что итоговый отчёт корректен.
2. Стоимость под капотом. Асинхронная облачная работа не бесплатна — просто счёт за токены превратился в абонентскую плату, а перерасход ресурсов скрыт от глаз.
3. Прозрачность. Закрытый продукт не даёт заглянуть внутрь так, как это позволял открытый код AutoGPT. Для чувствительных задач это вопрос доверия.
4. Безопасность. Агент с доступом к браузеру, терминалу и файлам — это поверхность для атаки через промпт-инъекции. Чем автономнее агент, тем выше цена ошибки.

Стоит ли переходить

Если вам нужна прозрачность, контроль над каждым шагом и работа с собственными моделями — открытые агенты вроде AutoGPT и его наследников остаются рабочим вариантом. Если задача в том, чтобы получить готовый результат без погружения в код и настройку окружения, облачный агент закрывает эту потребность лучше. Но не рассматривайте ни один из них как исполнителя, которому можно доверять без проверки: на ответственных задачах человек в контуре пока обязателен.

Главный итог двух лет эволюции: индустрия перестала верить, что достаточно дать модели цель и уйти. Ставка сместилась с автономности любой ценой на надёжную инфраструктуру вокруг модели — и именно в этом Manus отличается от AutoGPT сильнее, чем в качестве самих рассуждений.