2026-04-28
Meta 花了 20 亿美元买 Manus，Elon Musk 给 Cursor 开了 600 亿美元的收购选项。这两个数字公布之后，中文互联网上最常见的反应可以归结为两句话：第一，这俩不都是套壳吗？底层用的是别人的模型，有什么了不起。第二，Zuckerberg 和 Musk 这是冲动消费，一个是”Meta 已经错过了 AI 所以高价买进”，一个是”Musk 就是什么热买什么”。
这种判断的潜台词是：Manus 和 Cursor 本身没什么特别的，和市面上一大堆 AI agent 工具、AI 编程工具没有本质区别，只是营销做得好、时机赶得巧。
这篇文章想说的是，这个判断错了。不是小错，是方向性的错。Manus 和 Cursor 在各自领域里的认知水平，领先了行业至少一个身位，而且这个认知领先有具体的技术路线和竞品对比可以验证。Meta 和 SpaceX/xAI 的出价不是冲动，是对这种认知领先的定价。
Manus 从 2025 年 3 月发布起就伴随争议。最常见的批评是套壳：它不训练自己的模型，用的是 Claude 和 Qwen，只是在外面包了一层 agent 调度框架。MIT 博士秦增益的评论代表了一类观点：这是一个很好的产品，但并不是一项技术突破。
要理解 Manus 做对了什么，最有效的方式是把它和同期的竞品放在一起看。
2023 年到 2025 年初，多数 multi-agent 系统的设计思路是照搬人类组织架构。MetaGPT 是这类思路的典型代表：它把 LLM agent 分成产品经理、架构师、项目经理、工程师、QA 五个角色，每个角色有固定的职责和工作流，按照人类软件公司的流程串行执行。这就是所谓的 hat wearing。
这种设计的问题出在起点。人类社会之所以需要专业分工，是因为一个人的能力带宽有限，需要花十几年训练才能成为一个资深的产品经理或资深的工程师。分工是对人类认知局限性的补偿。但 LLM 不是这样。任何一个 LLM off the shelf 就是一个 generalist，它懂所有领域的知识。在 prompt 里告诉它”你是一个资深的 software engineer”，这句话除了限制它的能力以外没有任何意义。
从第一性原理出发想这件事，结论完全不同：不应该让多个 agent 各自扮演一个人类角色然后串行协作，而应该让每个 agent 都保持 generalist 的完整能力，只在任务层面做分割。Manus 的 wide research 机制就是这个思路的产品化。它的主 planner agent 把用户请求拆成若干独立子任务，然后为每个子任务启动一个独立的、完整能力的 Manus 实例，每个实例有自己独立的 context window，在云端虚拟机沙盒里自主执行。没有”产品经理 agent”或”工程师 agent”这样的角色标签，每个 sub-agent 都能规划、执行和验证。
这不是 UI 层面的差别，也不是产品策略层面的差别，是对 LLM 本质的理解不同。MetaGPT 从人类组织架构出发设计系统，Manus 从 LLM 的能力特征出发设计系统。后者对了，前者错了。这个判断在 2025 年 3 月是少数派，到 2026 年已经成为行业共识：OpenAI 的 Codex 用 Plan/Spec Mode（planner 分析请求，executor 在沙盒里执行），Anthropic 的 Claude Code 用 orchestrator-worker（lead agent 制定计划，sub-agent 并行执行），Cursor 用 Planner-Worker-Judge。所有头部玩家都收敛到了按功能分工（规划、执行、评估）的架构，没有一家在给 agent 戴人类职业的帽子。
Manus 在产品层面的判断也体现了同样的认知水平。2025 年 3 月，在多数 agent 产品还在垂直领域里各做各的时候（调研的只能调研，生成的只能生成），Manus 是第一个把端到端链路打通的产品，从自主搜索到代码生成到数据可视化一条线走完。这件事今天已经是 agent 产品的标配，但在当时是少数派判断。我在那一周写过一篇分析，讨论了 Agentic AI 在工具、数据和智能三个维度上的复利效应，Manus 是当时唯一一个把这三层复利都做出来的产品。
软件行业有一个长期存在的供需错配：专业软件公司生产的产品满足的是头部需求，大量长尾需求没有人管。这和媒体行业在 YouTube 出现之前的状态类似：电视台满足头部内容需求，长尾的内容创作需求被忽略，直到 User Generated Content 平台出现。
Manus 敏锐地判断了这一点，并且在产品层面做了一个当时看起来不太常规的决定：让用户能把 Manus 生成的应用直接部署和分发。用户描述一个需求，Manus 自动生成前端、后端、数据库，然后一键部署到云端，返回一个可分享的链接。这件事做到这一步已经超过了同期的多数 agent 产品。但 Manus 还做了一层：它提供了 API，让部署出去的应用能够调用 Manus 自身的 AI 能力。换句话说，用户不光能用 AI 生成软件，生成出来的软件本身还能继续使用 AI。
这个判断在当时不是显而易见的。2025 年 3 月，多数 AI agent 产品把自己定位为”帮你完成一个任务的工具”，产出物是报告、代码或幻灯片，用完就结束。Manus 的定位是”帮你创建一个可以持续运行和分发的软件产品”，而且这个产品自带智能。这是两种完全不同的产品逻辑。前者把 AI 当作一次性的生产力工具，后者把 AI 当作 User Generated Software 的基础设施。
市场反应验证了这个判断。Manus 的 waitlist 在公开演示后突破了 200 万，那次演示中最让用户兴奋的不只是 AI 能做调研和写代码，而是它能一键把成品部署出去，变成一个真正可用的在线产品。到 2025 年底，vibe coding 和 AI app builder 已经成为一个 47 亿美元的市场，Manus 是最早把”创建加部署加智能注入”这条完整链路做出来的产品之一。
这个设计选择背后的认知水平，体现在它对整条价值链的完整性判断上。多数竞品停留在生成这一步，Manus 一直想到了分发和持续运行。这和第一个认知差异（不做 hat wearing）指向同一个根源：这个团队从第一性原理出发思考问题，而不是沿着现有产品形态做增量优化。
商业回报直接反映了这些认知：8 个月做到 $100M ARR，处理量 147 万亿 token，创建超过 8000 万台虚拟计算机。GAIA Level 3 基准测试 57.7% 的成绩，领先 OpenAI Deep Research 的 47.6%。
两个常见的追问需要回应。
第一，“agent 产品已经满大街了，Manus 是上一代的产品形态，对 Meta 没有直接用途。”这个说法有一半是对的。Manus 代表的是云端沙盒 agent 形态，而 2026 年的主流方向已经转向了 Claude Code、OpenClaw 这类本地终端 agent 和 Amazon Q 这类企业级集成 agent。从产品代际来看，Manus 的形态确实不是最新的。但收购的逻辑从来不是买最新一代的产品。Meta 买的是这支团队的认知水平、工程能力、用户基础和基础设施积累。产品形态可以迭代，团队对 agent AI 的理解和实践经验不会因为新一代产品出现就过期。Meta 在 2026 年 2 月已经把 Manus 的 agent 能力整合进了 Ads Manager 的工作流，这说明 Manus 的技术资产在 Meta 的产品体系里找到了实际的着陆点。
Manus 团队在 2025 年 7 月发表的 context engineering 博文是一个更直接的证据。这篇文章的信息密度极高，从中可以直接看到 Manus 团队对 agentic AI 的理解领先行业一个身位。它提出的三条核心原则（keep prefix stable、make context append-only、mask tools don’t remove them）后来被整个 harness engineering 领域广泛引用和采纳。更重要的是，这篇文章在开头就回答了一个关键的技术路线问题：是应该基于开源模型训练一个端到端的 agentic model，还是应该在 frontier model 的 in-context learning 能力之上构建 agent？Manus 选了后者，并且用产品结果证明了这条路线的可行性。这个判断在 2025 年中不是共识，到 2026 年已经成为行业的主流做法。一篇技术博文能做到这种程度的前瞻性和影响力，本身就是团队认知水平的证明。
第二，“Manus 从头到尾就是套壳，没有技术含量。”2026 年 4 月发改委动用了《外商投资安全审查办法》五年来的第一次”禁止加撤销”来叫停这笔收购。如果 Manus 真的只是一个没有核心技术的套壳产品，监管没有理由用最强档位的法律工具来保护它。监管认定这家公司的核心团队、研发能力、训练数据和 IP 构成需要保护的国家安全资产。这份认定的分量，比任何技术评测或媒体争论都重。
Cursor 面对的套壳质疑和 Manus 类似：底层用的是别人的模型，自己只做了一个编辑器。但 Cursor 做了一个同赛道的竞品都没有做的判断，并且围绕这个判断建立了完整的技术壁垒。
编程 agent 的核心循环是高频的工具调用：读文件、写代码、跑命令，每一轮都有延迟，累积起来直接决定产品体验。Cursor 团队很早就判断，在这个场景下，依赖外部 frontier model 的 API 在速度和成本上都无法做到让开发者满意的交互体验，自训模型是产品层面绕不过去的一步。Cursor 官方博客的原话是，他们的目标是训练出一个能支撑交互式使用的最聪明的模型，让开发者保持在编程的 flow 里。
这里可能会有一个疑问：前面说 Manus 用外部模型 API 是正确判断，怎么到 Cursor 这里自训模型反而成了必要条件？区别在于两个领域的核心约束不同。Manus 所在的通用 agent 领域，核心差异化在 agent 架构和 context engineering 这一层，底层模型的能力差异被 agent 框架吸收了。编程领域不一样，延迟和成本直接决定产品可用性。两者的共同点恰恰是：都从自己领域的实际约束出发做了正确的 build vs. buy 判断。
认准了这个方向之后，Cursor 把它做出来了，而且产品体验验证了这个判断。Composer 1 发布之后，我在大量项目中用它替代了 Sonnet 4.5。体感上，大概 90% 的日常编程任务（改 bug、写 CRUD、重构、加功能），Composer 1 和 Sonnet 4.5 的完成质量没有明显差别。日常编程中真正需要 rocket science 级别推理的场景占比很小，多数时候是体力活，模型之间的能力差距体现不出来。但速度优势是碾压式的：同一个任务，Sonnet 4.5 要等一两分钟，Composer 1 几秒到十几秒就回来了。质量差不多，速度快数倍，这在高频使用场景下带来的体验差异是巨大的。这正是 Cursor 一开始做出的那个判断：编程领域的产品体验瓶颈在模型的速度和成本，不在能力上限。
做法上，Cursor 没有从零预训练一个模型，而是拿开源的 MoE 底座，在模拟 Cursor 生产环境的 agent harness 里做大规模 RL post-training，训练模型的工具调用决策和响应效率。
这里有一个常见的质疑：这不就是 fine-tuning 吗？
从 Composer 1 到 2 的五个月演进回答了这个问题。Cursor 的训练链路经历了三次迭代，每一次都不是简单的调参，而是训练方法论本身的升级。1 和 1.5 阶段的路线是纯 RL：拿开源底座做大规模后训练。到 Composer 1.5，RL 的计算量扩大了 20 倍，后训练消耗的算力甚至超过了底座预训练本身，同时引入了 thinking tokens（自适应推理深度）和 self-summarization（长上下文自动压缩）两个新训练行为。但他们发现 RL-only 路线的边际收益在递减：CursorBench 从 1 到 1.5 只提升了 6.2 分，算力却投入了 20 倍。
到 Composer 2，Cursor 做了一个关键的方法论转向：在 RL 之前加入 continued pretraining，改变 RL 探索的起点质量。底座换成了 Kimi K2.5（Moonshot 官方已确认），先做继续预训练再做 RL，结果 CursorBench 一口气提升了 17.1 分。Composer 2 的技术报告说得很明确：它在推理成本显著低于同级别模型的前提下达到了 Pareto 最优。换句话说，Cursor 的 post-training 链路做到的不是在底座上加一层 fine-tune 然后性能打折，而是在压缩成本和延迟的同时保持了可比的编程能力。
这个方法论的自我修正有学术上的支撑。ICML 2025 的研究（SFT Memorizes, RL Generalizes）和 Moonshot 自己的 Kimi K2 技术报告都指向同一个方向：预训练建立先验，RL 在先验上做高效探索，continued pretraining 改变的是起点质量。Cursor 团队在 Composer 2 之前就独立发现了这一点并落地到产品里。
回过头来看竞品的选择。AI 编程工具领域里创业公司很多：Cline 是开源的 VS Code 插件，接各种第三方模型；Trae 是字节做的，用 Claude 3.5 Sonnet 和 GPT-4o；Windsurf 是 Cognition 做的，前身 Codeium。它们的产品差异化来自 UI 设计、工作流编排和定价策略，不来自模型能力本身。Cognition 的 SWE-1.5（Windsurf 背后的模型）在开源底座上做了 RL，但没有走到 continued pretraining。Cline 和 Trae 完全不做模型训练。在 AI 编程工具领域，只有 LLM provider 的第一方产品（OpenAI 的 Codex、Anthropic 的 Claude Code）和 Cursor 走通了底座选型、继续预训练、RL 后训练、产品集成这条完整的四环节链路。Cursor 是第三方创业公司里唯一的一个。这些竞品不是不够努力，是没有做出”自训模型是产品必要条件”这个判断。
Cursor 的认知领先还体现在对 harness engineering 和 agent scaling 的探索上，而且这些探索已经直接落地到了产品里。
2026 年 2 月发布的 self-driving codebases 实验中，Cursor 用递归 Planner-Worker 架构让数百个 agent 并行工作，峰值吞吐量约 1000 commits/hour，生成超过一百万行 Rust 代码。这个实验解决的问题不是”怎么让一个 agent 写好代码”，而是”怎么让投入 10 倍算力获得 10 倍有意义的吞吐量”。这个问题的提出本身就领先了行业。
这个实验后来引发了一轮争议。有人去看了公开 repo，发现最近的 commit 没有一个能编译通过，GitHub Actions CI 全部失败。Reddit 和 Hacker News 上出现了大量批评，认为 Cursor 在造假。
这个批评抓到了一个真实的差距，但”造假”这个标签不准确。Cursor 在博客原文里主动讨论了这些问题。博客开头就写明这个浏览器不是给外部使用的，预期代码会有瑕疵。正文里专门分析了为什么系统设计上要接受一定的错误率：当他们要求每个 commit 100% 正确时，整个系统的有效吞吐量暴跌，agent 会越界去修不相关的问题，多个 agent 互相踩踏。博客还提到了 agent 的依赖幻觉问题（agent 拉了不该用的依赖），并解释了后续的修正方案。Cursor 不是被发现了问题然后找借口，而是在发布实验结果的同时就把 failure pattern 摆出来分析了。
这件事更合理的读法是：这是一个对 agent 空间扩展性的前沿实验，Cursor 在博客里诚实地记录了当前的能力边界和失败模式。实验产出的代码质量确实不够好，公开 repo 的状态比博客的措辞暗示的更差。但实验本身回答的问题（多 agent 并行的吞吐量 scaling 规律、错误率控制、任务分配策略）在行业里没有第二家在同等规模上探索过。
同期的 Cline 在优化单个 agent 的权限控制和工具调用流程。Trae 在优化 Builder Mode 的项目脚手架体验。这些工作都有价值，但它们回答的问题和 Cursor 回答的问题不在一个层面上。Cursor 已经在思考 agent 的空间可扩展性，竞品还在优化单个 agent 的交互质量。
Cursor 还很早就在产品中引入了 background agents 和并行任务执行，并且把这些能力直接体现在了 UI 上。当多数 AI 编程工具还在讨论单轮对话质量的时候，Cursor 已经在解决用户离开之后 agent 怎么继续工作这个更远的问题。这个产品判断在 Cline、Trae 等竞品中到 2026 年中才开始出现类似的探索。
LLM provider 的第一方产品（OpenAI Codex、Anthropic Claude Code、Google Gemini Code Assist）投入了远超 Cursor 的资源，但 Cursor 在产品层面仍然和它们正面竞争。Fortune 杂志 2026 年 3 月的分析标题是 Cursor’s crossroads，讨论的不是 Cursor 能不能跟 LLM provider 竞争，而是它怎么在 LLM provider 全面下场之后保持优势。一个真正的套壳产品不会被放在这个位置上讨论。SpaceX/xAI 出 600 亿美元也不是在买一个编辑器皮肤。
把 Manus 和 Cursor 放在一起看，共同的模式变得清晰。
第一，两个团队都在各自领域的认知上领先了行业。Manus 对 LLM 本质的理解（不做 hat wearing，做 wide research）、对 User Generated Software 的判断（创建加部署加智能注入的完整链路）、对端到端 agent 能力组合的理解，Cursor 对 post-training 链路的理解（四环节完整链路）、对 harness engineering 的理解（空间可扩展性）、对 agent 工作模式的理解（background agents 和并行执行），都早于同行至少半年到一年。和竞品的对比验证了这一点：同一时间段里，竞品在解决的问题和这两家在解决的问题，经常不在同一个层面上。这种领先不是靠堆资源实现的，是对 AI 这个介质的本质理解不同。
第二，认知领先最终转化成了结果差异。Manus 做到了 $100M ARR 和 GAIA 基准测试的领先成绩，Cursor 做到了 AI 编程工具领域除 LLM provider 第一方产品以外最强的位置。这两个结果分别被全球顶级买方以真金白银背书：Meta 出 20 亿美元，SpaceX/xAI 出 600 亿美元。
第三，两个团队都面对了套壳的质疑。这个质疑反映了一种正在过时的技术分类法。2023 年，有没有自训模型是判断 AI 公司技术含量的核心标准。到 2025 年，训练链路的设计、agent 架构的工程化、context engineering 的方法论、harness engineering 的实践能力，这些维度的重要性已经和自训模型并列甚至超越。用 2023 年的框架去评判 2025 年的产品，会系统性地低估这类公司的技术深度。
这两家公司各自面对的挑战也很真实。Manus 的收购已经被发改委叫停，路径层面的不确定性很大。Cursor 面对 Claude Code 和 Codex 的正面竞争，核心工程人员已经开始流向 xAI。挑战不改变一个事实：这两个团队在 Agent AI 时代展现出的技术判断力，在整个行业中属于第一梯队。Zuckerberg 和 Musk 的出价不是冲动消费，是对这种判断力的定价。