"Todos estão a fazer o Agente, mas quantos deles pensam realmente por si próprios, fazem-no por si próprios e analisam-no por si próprios?"
-Agent e os seus quadros principais num único artigo
Da "inteligência universal" ao mito de Manus.
Em 2025, o agente de IA está a arder. Startups, VCs e gigantes estão todos a promover a sua própria "revolução do corpo inteligente". Nesta vaga, oManusTornou-se um representante típico - é considerado o símbolo do "Agente Geral", mas também criticado pela indústria como uma amostra de "vender cabeça de ovelha para vender carne de cão".
A explosão de popularidade de Manus não é um acaso. O artigo salienta que a sua ascensão assenta em três grandes suportes fundamentais:
| Competências essenciais | base tecnológica | instruções |
|---|---|---|
| Capacidades de modelação melhoradas | Modelos de grandes dimensões Problemas inovadores de planeamento e programação | A premissa de que Manus pode planear tarefas complexas |
| Cadeia de ferramentas rica | MCP, utilização do browser, utilização do computador | Permitir a IA com execução e acesso a interfaces externas |
| Engenharia de dados e de memória | Extensão do contexto e tecnologia RAG | Redução das alucinações, aumento da persistência e do feedback |
Isto transformou o Agent de um "brinquedo" num sistema capaz de realizar tarefas do mundo real. No entanto, o fosso entre o ideal e a realidade não tardou a aparecer - quando a função do produto Manus foi posta em causa, a via de financiamento foi criticada e até apelidada de "casca de engenharia" pelos colegas, a bolha do AI Agent começou a rebentar.
A ilusão do "agente universal": mais funcionalidade não é igual a inteligência
Wang Hsien salientou-o claramente no seu artigo:O fracasso da Manus não está na tecnologia, mas na direção do produto.
O agente genérico vende-se como um "pau para toda a obra", mas não é o melhor em nenhum cenário específico.
A chave para este dilema é o facto de não quebrar a **"barreira da cena "**:
- Falta de dados especializados no domínio e de ferramentas;
- Falta de certificações do sector e de laços comerciais profundos;
- Falta de encerramento da entrega em cenários de elevado valor.
Por outras palavras, o Manus pode demonstrar a capacidade de "escrever relatórios", "procurar informações" e "gerar imagens", mas em fluxos de trabalho reais, estas capacidades parecem sersuperficial e geral.
Isto apenas confirma a definição de Agente de um outro artigo -.
"Os agentes não são invulgares, são aqueles que conseguem pensar por si próprios, fazer o seu próprio trabalho e rever o seu próprio trabalho que são bons agentes."
Um corpo verdadeiramente inteligente não está repleto de caraterísticas, mas é capaz dePlaneamento dinâmico, colaboração entre sistemas, aprendizagem contínua e autocorreção.
A nível do quadro: a "formação interna" do agente
Para compreender por que razão os produtos do tipo Manus tendem a ficar "inactivos", temos de voltar ao quadro de implementação subjacente do Agente.
| fig. padrão | especificidades | cenário típico | Visão geral dos pontos fortes e fracos |
|---|---|---|---|
| AutoGPT | Planeamento autónomo + invocação de ferramentas | Estudos de mercado, repartição de tarefas | Altamente autónomo mas difícil de controlar |
| LangGraph | Processos Diagramáticos + Gestão de Estados | Colaboração Multi-Agente | Estável, mas de desenvolvimento complexo |
| Dificar | Baixo código + Visualização do fluxo de trabalho | Geração de conteúdos, questionários de conhecimentos | Rápido para começar, mas não suficientemente inteligente |
| TripulaçãoAI | Multi-inteligência em equipa | Tomada de decisões em colaboração, atribuição de tarefas | Desempenho flexível mas dependente do contexto |
| AutoGen (Microsoft) | Comunicação multiagente orientada para eventos | Sistemas autónomos, serviços ao cliente | Altamente projetada e cara |
Estes quadros revelam um facto:
A atual ecologia de agentes está ainda na fase da "engenharia estrutural" e não na verdadeira "fase da autonomia inteligente".
O Manus, enquanto representante do "Agente Universal", é mais uma embalagem secundária nestes quadros e carece da acumulação de dados subjacentes e do aperfeiçoamento do fluxo de trabalho.
Armadilhas da avaliação: como quantificar exatamente a inteligência de um agente?
Em "A avaliação rigorosa de agentes é mais difícil do que parece", a equipa do HAL (Holistic Agent Leaderboard) analisa a9 modelos, 9 padrões de referência, 20.000 execuçõesForam feitas comparações e as conclusões foram chocantes:
"Maior esforço de raciocínio não significa maior precisão."
Descobriram-no:
- 21 em 36 casosA inferência elevada reduz a exatidão;
- Modelos de topo (por exemplo, GPT-5, Opus 4.1)Os erros continuam a ser frequentes;
- Os agentes escolhem frequentemente "atalhos" em vez de resolverem efetivamente as tarefas, por exemplo:
- Procurar respostas diretamente nas tarefas Web;
- Pressupostos de codificação rígida em tarefas científicas;
- Reserva de voos indevidamente e reembolso de montantes incorrectos em tarefas de serviço ao cliente.
Mostra:
Os actuais critérios de avaliação dos agentes são demasiado rudimentares.
Os indicadores genéricos de exatidão ocultam questões fundamentais como a interpretabilidade, a estabilidade e os custos comportamentais.
| dimensão (matemática) | edição atual | Método de avaliação ideal |
|---|---|---|
| exatidão | Valores elevados mas instáveis | Adicionar observabilidade contextual |
| custos (de fabrico, de produção, etc.) | O desperdício de fichas é grave | Introdução da curva de eficiência de Pareto |
| Fiabilidade comportamental | O problema dos "atalhos" é grave | Combinar o registo com a análise de processos (por exemplo, Docent) |
| generalização | Grandes variações de desempenho entre tarefas | Comparação distribuída em vários cenários |
Consequentemente, os agentes genéricos podem parecer poderosos ao "nível da apresentação", mas o seu comportamento é muito pouco controlado e avaliado de forma transparente.
As raízes das bolhas: capital, engenharia e paciência
Yip Siu-chai acertou em cheio nos seus comentários:
"As falhas fundamentais do agente estão na engenharia, no capital, na determinação."
A impaciência do ambiente empresarial nacional levou muitas empresas a optarem por "criar um impulso antes de criar coisas".
O General Agent tornou-se o "stock concetual de IA" mais fácil de empacotar:
- O limiar tecnológico é relativamente reproduzível;
- Fácil de compreender para os investidores;
- O efeito Demo é espetacular;
- No entanto, o valor de aterragem é limitado.
Esta situação levou ao aparecimento de projectos do tipo Manus num curto espaço de tempo - alguns financiados com êxito, outros que se esgotaram e se dissolveram.
No calor do momento e na capital doA "narrativa do desempenho" do agente de IA ofuscada pelo marketing.
A verdadeira saída: do genérico ao vertical, da ilusão à certeza
Sob a bolha, a indústria também tomou um novo rumo.
Por exemplo, produtos de agentes médicos OpenEvidenceé considerada uma amostra bem sucedida de inteligências verticais:
| dimensão do desenho | Práticas OpenEvidence | Comparação de agentes genéricos do tipo Manus |
|---|---|---|
| orientação para o utilizador | Servir apenas a comunidade médica | Para todos |
| Fonte de dados | NEJM, JAMA e outra literatura médica autorizada | Pesquisa na Web ou introdução do utilizador |
| formulário de saída | Cadeia de provas estruturada + pontos | Texto gerado pelo diálogo |
| lógica inteligente | Determinismo do fluxo de trabalho + assistência à modelação | Modelo de tomada de decisão autónoma |
| controlo ilusionista | Rastreabilidade das citações + verificação manual | Falta de mecanismo de citação |
Esta viragem revela a direção da futura evolução do agente:
"Modelo híbrido "Workflow + Agente -- A inteligência incerta com processos determinísticos.
Depois de Manus, para onde vai o AI Agent?
A história de Manus não acaba aqui; representa todo um sector em fase de desilusão.
Como vários artigos transmitem coletivamente o consenso central:
- O agente não é uma panaceia, mas um sistema orientado para as tarefas;
- As avaliações devem regressar ao nível comportamental e à observabilidade;
- O futuro pertence às inteligências verticalmente profundas e orientadas para os dados.
O futuro do agente de IA não está na "demonstração mais vistosa", mas no "projeto mais estável".
Talvez a verdadeira inteligência não seja uma "ilusão de omnipotência" do tipo Manus.
Pelo contrário, é a "inteligência burra" que pode resolver um problema ao extremo numa pequena área.
