字节错过 Manus 后，推出的 AnyGen 不是竞争是互补

字节跳动在错过Manus之后，推出了AnyGen。很多人以为这只是个“平替”，但实际体验下来，它开创的其实是一种完全不同的办公AI交互范式。

先说个有意思的背景故事。2024年，新加坡一支名为Butterfly Effect的创业团队收到了字节跳动的收购邀约，报价3000万美元，意图整合进豆包体系以补齐通用Agent短板。但创始团队觉得估值偏低，拒绝了。转年到了2025年3月，这个团队推出了全球第一款通用型智能体产品Manus，引爆了网络。到了2025年底，Meta以数十亿美元估值发起收购，仅9天后，商务部表态将对这笔交易开展评估。

戏剧性拉满。回到字节这边，虽然错过了Manus，但在今年年初推出了主打办公场景的AnyGen。今天，我们就来测一测这两款产品，看看它们到底有何不同，谁更适合打工人。

合适的办公搭子

办公场景，永远绕不开的就是写文档做PPT。

PPT生成

先给个测试任务：规划一个2026年5月从北京出发去冰岛的7天行程。要求包含极光观测、蓝湖温泉预订、租车比价、申根签证政策，最后生成一份带预算表的PPT。

AnyGen的开场有点意思——它没有直接冲进去执行，而是先弹出一个预选表单，让用户补充它认为缺失的信息。而且是预购选状态，用户只需确认或微调。如果什么都不改也没关系，页面有倒计时，到了时间自动提交。这个设计很妙，避免了“提了需求就切走，结果卡在半路不动”的尴尬。

最终效果也相当不错。排版清晰，没有冗余文字。每一页下方还附了重点描述，读起来几乎没有AI味。预算表也按条理整理好了。

但在预算表这个环节，Manus更胜一筹。它给出了每个项目的省钱建议，还输出了可视化饼图，让人一眼看清花费大头。针对娱乐项目提供了多个方案选择，并将性价比最高的方案做了凸显。每日行程也具体细化到上、中、下午。

用Manus输入提示词后，完全不需要任何手动操作，最终输出了12页PPT。风格极简大方，完美契合旅游场景，每个元素还能直接编辑修改。一个字：牛。

不得不说，在这项任务上，AnyGen和Manus确实有一拼。

文档撰写

测试：写一篇指定网站的产品介绍营销文档，要求中英文。Manus先列出执行计划，让用户提前看到全局，安心度很高。结果也一如既往地稳，自动生成了中英文两个版本。

但AnyGen在这个环节表现一般——中英文混在同一个文档里，看起来有点乱。需要额外通过提示词调整才能获得两份独立文档。

不过AnyGen有一个Manus做不到的功能——能对不满意的内容直接修改，还支持AI辅助修改。相当于你的实习生给你写了个初版，你在此基础上调整就能交差。内容上还附了产品介绍图。这两个细节比Manus更好。

绘本制作

测试：讲解光合作用，做成有趣又科普的故事书。AnyGen生成的配图效果很生动，每个物体都做了拟人化。不过绘本的文字内容偏少，页面之间的衔接也不太自然。但如果是老师拿着这样的绘本配合讲解，估计小朋友都要要求拖堂了。

Manus的处理方式更有意思——它把故事部分和绘画部分拆成两块。故事生成了PDF，同样采用拟人化角色；绘图部分颜色更鲜艳，视觉冲击力更强。但配文几乎为零，对小朋友来说阅读难度依然不低。

音频转录/总结

最近唐杰、杨强等AI大佬在北京同台，我拿到了现场音频，让AnyGen总结。速度比预期的快，一个多小时的音频不到10分钟处理完，不仅完整转录，还生成了结构化文档，内容也相当全。

核心观点提炼得很清晰：2C应用瓶颈在于上下文而非单纯智商，2B场景愿意为顶级推理能力支付高溢价；2026年将是“自主学习”与“Active Learning”的关键窗口；Agent有望从处理分钟级任务进化到独立承担1-2周工作量；算力差距倒逼效率创新，胜负手在于是否拥有“非共识”探索精神。

AnyGen的指令遵循能力很强，不仅输出了结构化文档，还提供了逐分钟的关键片段解读。而Manus这边，我本以为会以失败告终，但它每次失败后都能一步步找到解决办法，最终完成任务。虽然没有结构化文档输出，但重点内容总结与AnyGen基本一致，同时附上了完整的转录文本。

一些分享

整体测下来，Manus依然是目前最成熟、稳定、适合大众的通用Agent。它就像一个想让我们彻底撒手的“全包型同事”，给定目标就从计划到执行一条龙搞定，代价是过程相对不可控。

AnyGen则更像一个共创型搭子。核心决策权始终在用户手中，它负责接手那些繁琐、磨人的中间环节。

所以说，Manus和AnyGen的竞争关系其实很弱，更多是生态位互补。在实际工作中，更合理的做法是把它们搭配起来——Manus适合调研、信息整合、方案草拟这类需要广度和主动性的任务；AnyGen则偏重结构化表达和细节打磨，更适合PPT、说明文档、产品稿这类需要反复调整对齐的任务。

Agent赛道大概率不会只有一条路。不同类型的Agent会先分工，各自把优势做深，然后在真实工作流中协作。全包型Agent拉高效率上限，共创型Agent则更容易融入组织流程。未来这两个方向或许会逐渐融合——AI Agent根据任务复杂度和用户偏好，在全包和共创模式间无缝切换，成为真正的全能伙伴。