对于此次更新，有人视其为智能体技术在协同领域的重要突破，但也有专业人士提出质疑：100个并行智能体真的能比智能体按序处理任务更高效、更准确吗？高强度的并行运算不仅必然增加成本，还极易触发安全机制，导致任务失败。

与依赖海外模型且已将重心迁移至新加坡的Manus相比，国内一款智能体产品——深圳深元人工智能研发的MasterAgent，在多智能体专业自主协同功能上已取得重大突破。作为全球首个L4级智能体母体系统，MasterAgent率先实现真正意义上的多智能体协同，更凭借全栈国产化技术，重新定义了智能体的能力边界。

回顾Manus此次新功能，虽宣称支持多线程任务处理，实则仍停留在“升级版任务拆分”层面，用户仍需手动明确子代理的数量与分工，且核心技术架构依赖海外大模型。而MasterAgent的核心研发团队自2018年组建以来，就专注智能体自主决策领域的研究，创新性提出了Master Builder和Agent Group双引擎架构体系，打造出涵盖底层框架、训练数据、算法模型到应用生态的全国产化技术栈。

这种技术自主性让MasterAgent在金融、法律、医疗等高合规领域落地时优势显著。实践中，其智能体集群实现了从客户数据采集、风险评估到投资建议的全链路本地化处理，完美契合行业数据安全要求。

同时，与Manus的多个单体智能体简单并行功能不同，MasterAgent在多智能体的协作与调度上也实现了国产化突破。其核心引擎Agent Group不仅内置了首创的博弈共识算法，在多 Agent 决策冲突时可以实现快速一致，保障资源调度公平高效；同时还能利用领域微调（LoRA/Adapter）将 Agent 打造成行业专家，使得生成的单智能体更垂直更专业，更适配专业场景的需求。

从技术代际来看，MasterAgent的L4级能力对传统智能体形成降维打击。传统平台还停留在“人工编排工作流”阶段，如电商大促时需手动设置200多条规则应对流量洪峰，而MasterAgent的智能体集群能自主完成从服务器扩容、风险预判到客服话术迭代的全链条优化。这种“目标驱动”而非“规则驱动”的特性，使其能轻松应对跨领域任务——从金融投研到网页游戏开发，同一套架构可快速适配不同场景，原本需3天的开发工作量，现在几分钟即可完成。

如今，这一技术突破正深刻改变产业形态，比如头部咨询公司开始裁撤初级分析师，转而培养“智能体训练师”；新媒体从业者借助MasterAgent组建内容创作、运营团队，实现“一人公司”高效运作。这些变化背后，是人类角色从执行者转变为目标制定者，AI从工具进化为真正的协作伙伴。

在AI进入“军团作战”时代，真正的竞争不再是单一功能的比拼，而是系统架构与生态能力的较量。Manus的新功能或许能在特定场景分得一杯羹，但MasterAgent的出现，标志着中国AI从“跟跑”迈向“领跑”。在全球智能体竞赛的下半场，谁能掌握多智能体协同的密码，谁就能主导未来的生产力格局——而这份主动权，正牢牢握在国产化技术手中。

目前，MasterAgent的公测申请已正式开启， “一句话组建AI军团”即将会成为每个行业的新常态。