Manus为什么割不动国内用户？从技术层面上总结下来就这么几个槽点：
首先是「核心技术靠外包」。好多人说它就是个「套壳」产品，说白了就是调用Anthropic、阿里的大模型当内核，自己没搞底层技术。比如做股票分析，它就是调调雅虎金融的API，再用用编程工具，跟搭积木似的，没啥技术突破。多智能体协作这些功能看着新鲜，其实就是把现有工具整合得更顺溜，没触及算法底层的创新。
再就是「复杂任务有点拉胯」。实测发现，干点中等难度的活，比如数据分析、写创意文案，它要么卡21小时不动弹，要么逻辑错乱说胡话。处理多源信息或者需要突破付费墙的时候，还得人工帮忙擦屁股。号称「啥都能做」，结果做PPT都得套模板，开放场景下根本玩不转。
技术门槛这块也被吐槽「护城河太浅」。业内觉得它这种整合模式没啥高技术含量，大厂分分钟能抄一个。比如MetaGPT团队3小时就搞出个开源平替Open Manus，CAMEL-AI甚至直接「零日复刻」。它主打的多智能体协同这些优势，更像是用户体验优化，跟DeepSeek那种自己搞底层模型的没法比，别人想模仿太容易。
还有「测试数据和实际体验两码事」。虽说在GAIA测试里吹自己比OpenAI厉害，但测试环境是虚拟的云端系统，演示案例都是亚马逊分析这种海外场景。到了国内互联网环境，需要登录或者权限的场景里，速度和准确性根本达不到宣传效果，用户体验落差挺大。
最后是「花钱买服务，性价比不高」。一次任务2美元，虽说比OpenAI便宜，但跟免费工具比还是贵。闭源模式加上高推理成本，商业化路怎么走都没想明白，用户愿不愿意掏钱打问号。而且依赖外部模型API，万一人家限制调用，或者算力成本控制不住，想扩大规模可就难了。
说白了，这争议的核心就是AI行业到底该看重「原创技术突破」还是「快速整合落地」。支持的人觉得它填补了技术落地的空白，反对的人说它就是堆现有技术，没核心竞争力。现在AGI还没实现，Manus更像是个聪明的实习生，能帮你打杂，但离真正独立干活的「数字员工」还有段距离。未来是继续当「组装厂」还是转型搞自研，就看它怎么选了。
AI圈内人不看好Manus
