Паша AI AI AI

В Китае выпустили AI-агента, способного работать без постоянных запросов 🇨🇳

Тренд на бурный рост моделей с агентскими возможностями активно проявляется, подтверждая прогнозы исследователей. В начале марта был представлен AI-агент Manus от стартапа Butterfly Effect. В отличие от моделей GPT-4 или Google Gemini, которые требуют регулярных пользовательских запросов для работы, Manus не просто реагирует на инструкции, но может самостоятельно планировать и выполнять задачи с минимальным участием человека.

Manus не был разработан полностью с нуля. Он использует комбинацию существующих и доработанных моделей AI, включая Claude 3.5 Sonnet от Anthropic и Qwen от Alibaba. Модель интегрирована с 29 инструментами и ПО с открытым исходным кодом, что позволяет работать с API, запускать скрипты и искать информацию в интернете.

Manus использует многослойную архитектуру агентов, где центральный исполнительный агент координирует работу субагентов, которые занимаются более узкими задачами. Manus функционирует через структурированный агентский цикл, итеративно обрабатывая задачи шаг за шагом. Каждый сеанс следует этому процессу:

1. Анализ событий: понимает запросы пользователей и текущее состояние задачи.
2. Выбор инструментов: выбирает подходящий инструмент или вызов API для следующего шага.
3. Выполнение команд: запуск сценариев оболочки, веб-автоматизации или обработки данных в «песочнице» Linux.
4. Итерация: совершенствует свои действия на основе новых данных, повторяя цикл до тех пор, пока задача не будет завершена.
5. Результаты: отправляет структурированные выходные данные пользователю в виде сообщений, отчетов или развернутых приложений.
6. Ожидания: переходит в состояние ожидания до тех пор, пока не потребуется дальнейшее вмешательство пользователя.

Manus AI продемонстрировал исключительную производительность на бенчмарке GAIA (Generalized AI Agent). Система превзошла предыдущие современные модели, включая систему Deep Research OpenAI, на всех уровнях сложности. Manus AI достиг результатов в 86,5%, 70,1% и 57,7% для базовых, промежуточных и сложных задач соответственно, по сравнению с результатами OpenAI в 74,3%, 69,1% и 47,6%.

Хотя результаты выглядят многообещающе, в реальных условиях производительность может отличаться от контролируемых тестов. Это уже подтверждается отзывами о работе с Manus.

Соучредитель стартапа AI Pleias Александр Дориа отметил, что он столкнулся с сообщениями об ошибках и бесконечными циклами во время тестирования Manus. Другие пользователи X указывают на то, что Manus допускает ошибки в фактических вопросах и часто пропускает информацию, которую легко найти в сети.

На данный момент модель доступна только по приглашению. Для тех, кто не хочет ждать инвайт кода, разработчики из MetaGPT создали OpenManus. Это опенсорсная альтернатива Manus AI. Она доступна на GitHub и помогает выполнять задачи автономно, как и Manus AI.

www.tgoop.com/pashaaiaiai/198

3.1K viewsMar 19 at 14:27

В Китае выпустили AI-агента, способного работать без постоянных запросов 🇨🇳

Тренд на бурный рост моделей с агентскими возможностями активно проявляется, подтверждая прогнозы исследователей. В начале марта был представлен AI-агент Manus от стартапа Butterfly Effect. В отличие от моделей GPT-4 или Google Gemini, которые требуют регулярных пользовательских запросов для работы, Manus не просто реагирует на инструкции, но может самостоятельно планировать и выполнять задачи с минимальным участием человека.

Manus не был разработан полностью с нуля. Он использует комбинацию существующих и доработанных моделей AI, включая Claude 3.5 Sonnet от Anthropic и Qwen от Alibaba. Модель интегрирована с 29 инструментами и ПО с открытым исходным кодом, что позволяет работать с API, запускать скрипты и искать информацию в интернете.

Manus использует многослойную архитектуру агентов, где центральный исполнительный агент координирует работу субагентов, которые занимаются более узкими задачами. Manus функционирует через структурированный агентский цикл, итеративно обрабатывая задачи шаг за шагом. Каждый сеанс следует этому процессу:

1. Анализ событий: понимает запросы пользователей и текущее состояние задачи.
2. Выбор инструментов: выбирает подходящий инструмент или вызов API для следующего шага.
3. Выполнение команд: запуск сценариев оболочки, веб-автоматизации или обработки данных в «песочнице» Linux.
4. Итерация: совершенствует свои действия на основе новых данных, повторяя цикл до тех пор, пока задача не будет завершена.
5. Результаты: отправляет структурированные выходные данные пользователю в виде сообщений, отчетов или развернутых приложений.
6. Ожидания: переходит в состояние ожидания до тех пор, пока не потребуется дальнейшее вмешательство пользователя.

Manus AI продемонстрировал исключительную производительность на бенчмарке GAIA (Generalized AI Agent). Система превзошла предыдущие современные модели, включая систему Deep Research OpenAI, на всех уровнях сложности. Manus AI достиг результатов в 86,5%, 70,1% и 57,7% для базовых, промежуточных и сложных задач соответственно, по сравнению с результатами OpenAI в 74,3%, 69,1% и 47,6%.

Хотя результаты выглядят многообещающе, в реальных условиях производительность может отличаться от контролируемых тестов. Это уже подтверждается отзывами о работе с Manus.

Соучредитель стартапа AI Pleias Александр Дориа отметил, что он столкнулся с сообщениями об ошибках и бесконечными циклами во время тестирования Manus. Другие пользователи X указывают на то, что Manus допускает ошибки в фактических вопросах и часто пропускает информацию, которую легко найти в сети.

На данный момент модель доступна только по приглашению. Для тех, кто не хочет ждать инвайт кода, разработчики из MetaGPT создали OpenManus. Это опенсорсная альтернатива Manus AI. Она доступна на GitHub и помогает выполнять задачи автономно, как и Manus AI.

BY Паша AI AI AI