در این مقاله به بررسی هوش مصنوعی Manus میپردازیم، توسعه دهندگان این هوش مصنوعی با جمله (Leave it to Manus) به معنی به Manus بسپار، این عامل هوش مصنوعی را معرفی میکنند، نام Manus از شعار معروف Mens et Manus به معنای ذهن و دست گرفته شده است، که نشان دهنده این باور است که دانش باید به کار گرفته شود تا تأثیر معناداری بر جهان بگذارد. در دنیایی که هوش مصنوعی به سرعت در حال تحول است، مدلهایی که تنها اطلاعات پردازش میکنند دیگر کافی نیستند. Manus یک عامل هوش مصنوعی عمومی است که فقط فکر نمیکند، بلکه عمل میکند. این مدل به عنوان پلی میان ذهن و عمل طراحی شده و هدف آن ارائه نتایج واقعی و کاربردی در زندگی روزمره و محیطهای کاری است.
Manus به گونهای توسعه یافته که بتواند وظایف مختلف را با دقت و کارایی بالا انجام دهد و فرآیندهای پیچیده را برای کاربران سادهتر و سریعتر کند. این مدل با توانایی حل مسائل دنیای واقعی، مهارت در استدلال، تصمیمگیری و اجرای وظایف، به یک ابزار قدرتمند در حوزه هوش مصنوعی تبدیل شده است.
اما رقابت در این حوزه به شدت در حال افزایش است. هوشهای مصنوعی چینی با سرعتی چشمگیر در حال پیشرفتاند و هوش مصنوعی DeepSeek آغازگر موج جدیدی از این رقابت بوده است. چین با سرمایهگذاریهای گسترده، مدلهایی را توسعه میدهد که در برخی زمینهها حتی با بزرگترین مدلهای غربی رقابت میکنند. Manus نیز در همین فضای رقابتی تلاش میکند تا جایگاه خود را تثبیت کند و به عنوان یکی از برترین دستیارهای هوش مصنوعی در جهان شناخته شود. در این مقاله، به بررسی ویژگیها، عملکرد و جایگاه Manus در این رقابت تنگاتنگ خواهیم پرداخت.
فهرست عنوان های مقاله
هوش مصنوعی manus چیست و چگونه کار میکند؟
باید در نظر داشته باشید هوش مصنوعی مانوس در واقع یک عامل یا همان Agent است که میتواند دستوراتی را که شما به آن میدهید با فکر کردن تحلیل و بررسی کند و راهکار های حل آن مسئله را پیدا کند و آن را به مسئله های کوچک تری بشکند و سپس با ایجاد یک To Do List شروع به حل مسئله میکند و در نهایت به شما تحلیل کار هایی را که انجام داده میدهد و خروجی نهایی خواسته شما را نیز تولید میکند این موضوع شبیه به این است که شما به شخصی بگویید که کار خاصی را برای شما انجام بدهد و آن شخص برورد و تحقیق کند و کار خواسته شده را انجام دهد، برای مثال در Use Case هایی که برای این هوش مصنوعی نشان داده شده از این ایجنت میخواهند که با توجه به ویژگی های خاصی خانه ای خاص در محله امن در نیویورک همراه با نزدیکی به مدرسه را پیدا کند، سپس این عامل شروغ به فکر کردن میکند و کار هایی را که باید انجام بدهد لیست میکند و به سایت های املاک سر میزند و با توجه با بودجه تعیین شده خانه هایی را با آن ویژگی های خاص پیدا میکند و در نهایت به کاربر گزارش ارائه میدهد و آن خانه ها را معرفی میکند.
موارد استفاده از هوش مصنوعی Manus
- تحقیق و جستجو
- تحلیل بازار
- تحلیل داده و کسب و کار
- زندگی شخصی و مالی
- کد نویسی و ایجاد وبسایت
- ساخت بازی های تعاملی
بررسی بنچمارک هوش مصنوعی Manus
بنچمارک GAIA برای ارزیابی توانایی مدلهای هوش مصنوعی عمومی (General AI Assistants) در حل مسائل دنیای واقعی است. این بنچمارک مهارتهایی مانند استدلال، مدیریت چندوجهی، جستجوی وب و استفاده از ابزارها را میسنجد. برخلاف بنچمارک های فعلی که بر وظایف سختتر از توانایی انسانها تمرکز دارند، GAIA سؤالات مفهومی که برای انسان ساده است و برای مدلهای هوش مصنوعی چالش برانگیز است را ارائه میدهد.
این نمودار عملکرد سه مدل مختلف هوش مصنوعی را در سه سطح مختلف بنچمارک GAIA مقایسه میکند. مدلها شامل manus.ai (با رنگ مشکی)، OpenAI Deep Research (با رنگ خاکستری تیره) و Previous SOTA (با رنگ خاکستری روشن) هستند. معیاری که مورد بررسی قرار گرفته pass@1 است، که نشان میدهد مدل در اولین تلاش چقدر احتمال دارد پاسخ درستی ارائه دهد.
نتایج بنچمارک های هوش مصنوعی manus در هر سطح به شکل زیر است:
سطح ۱: مدل manus.ai با عملکرد ۸۶.۵٪ بهطور قابل توجهی بهتر از سایر رقبا عمل کرده است. مدل OpenAI Deep Research با ۷۴.۳٪ در رتبه دوم و Previous SOTA (بالاترین سطح پیشرفت دیگر مدل ها) با ۶۷.۹٪ در رتبه سوم قرار دارد.
سطح ۲: در این سطح، رقابت نزدیکتر است. manus.ai با ۷۰.۱٪ کمی از OpenAI Deep Research (با ۶۹.۱٪) پیشی گرفته است. و Previous SOTA نیز ۶۷.۴٪ دقت داشته است.
سطح ۳: عملکرد مدلها در این سطح به طور قابل توجهی کاهش یافته است. manus.ai همچنان برتری خود را حفظ کرده و با ۵۷.۷٪ بهترین عملکرد را دارد. مدل OpenAI Deep Research با ۴۷.۶٪ و Previous SOTA با ۴۲.۳٪ در رتبههای بعدی قرار دارند.
نحوه استفاده از هوش مصنوعی Manus + استفاده لوکال از مانوس
در حال حاضر دو روش برای استفاده از هوش مصنوعی manus وجود دارد، در روش اول وارد سایت هوش مصنوعی manus شوید روی گزینه Get Started بزنید، در این مرحله شما نیاز به کد دعوت دارید یا میتوانید با زدن روی گزینه Apply for access برای دسترسی به این هوش مصنوعی درخواست بدهید و وارد صف انتظار شوید.
روش دوم نصب و استفاده لوکال از این هوش مصنوعی است، این روش نیاز به داشتن دانش کمی درباره زبان برنامه نویسی پایتون و استفاده از کامپیوتر است، برای اینکار باید وارد ریپازیتوری OpenManus در گیتهاب شوید ( حتما باید از قبل پایتون را روی سیستم عامل خود نصب کرده باشید و یک کلید api از یکی از مدل های هوش مصنوعی داشته باشید.)، سپس با استفاده از این دستور در ترمینال یا cmd کتابخانه uv را برای پایتون نصب کنید:
curl -LsSf https://astral.sh/uv/install.sh | sh
در ادامه با استفاده از دستور
git clone https://github.com/mannaandpoem/OpenManus.git
ریپازیتوری این هوش مصنوعی را دریافت کنید ( اگر گیت ندارید از طریق این لینک ریپازیتوری را دانلود کنید).
در ادامه باید از طریق CMD یا با استفاده از ترمینال یک محیط توسعه با استفاده از دستور uv venv یک محیط مجازی بسازید و با دستور .venv\Scripts\activate در ویندوز و .venv/bin/activate در مک یا لینوکس محیط مجازی را فعال کنید.
سپس وارد پوشه OpenManus شوید و با دستور pip install -r requirements.txt تمام پکیج های مورد نیاز را روی محیط مجازی خود نصب کنید.
در انتها وارد پوشه config شوید و فایلی با نام و پسوند config.toml ایجاد کنید و متن پایین را در آن پیست کنید. سپس باید با استفاده از کلید api مدل چت جی پی تی یا یکی از مدل های هوش مصنوعی که دارید مقدار api_key را پر کنید.
# Global LLM configuration
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..." # Replace with your actual API key
max_tokens = 4096
temperature = 0.0
# Optional configuration for specific LLM models
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..." # Replace with your actual API keyدر آخر اگر همه مراحل را به درستی انجام داده باشید با استفاده از دستور python main.py میتوانید از طریق ترمینال از این ایجنت هوش مصنوعی استفاده کنید.
