Gemini Deep Research против Manus в 2026: research-агент против универсала

Прежде чем спорить, кто лучше, мы всегда разводим участников по углам. Gemini Deep Research и Manus формально живут в одной категории ИИ-агенты, но это две разные подгруппы.

Gemini Deep Research — исследовательский агент в чистом виде. Запущен в декабре 2024 как функция внутри подписки Gemini Advanced и умеет ровно одно: уйти в открытый веб через Google Search, прочитать десятки страниц и вернуться с длинным отчётом. Кода он не пишет, приложений не собирает, ваши файлы как источник почти не берёт — таких функций у него попросту нет.

Manus — многоцелевой агент Monica AI (Butterfly Effect), вирусный запуск пришёлся на март 2025. Под капотом оркестратор и параллельные sub-агенты: браузер на headless Chromium, Python в песочнице, файловая система, поиск. Один промпт — и он может сходить за данными, тут же написать код и отдать готовый файл: PDF, таблицу Excel, рабочее веб-приложение.

Пересекаются эти двое в единственной точке — research. И ровно в ней, по обоим досье, Gemini аккуратнее. Manus берёт шире, но за широту расплачивается надёжностью — об этом отдельный разговор ниже.

Восьмёрку Gemini ставим за честную узость: он не притворяется универсалом и в своём коридоре предсказуем. Manus получает шесть — спектр шире, но из-за этого нет одного дела, которое он делает безупречно.

Это та самая зона, где оба сервиса встречаются лоб в лоб. Сначала посмотрим, что выдаёт Gemini на типичном research-запросе.

Gemini Deep Research сам формирует план из под-вопросов, прогоняет 10–50+ поисковых запросов через индекс Google, а затем сшивает найденное в связный текст на 2000–10 000 слов с инлайн-ссылками. Типичный отчёт опирается на 20–50+ страниц-источников и готов за 5–20 минут. Слабое место, которое отмечают и пользователи Reddit, и мы: иногда отчёт раздут «водой», а глубина уступает тому, что хороший аналитик собрал бы вручную.

Manus тоже умеет research, но это не его сильнейшая дисциплина. В независимых тестах блогеров и обсуждениях на Hacker News он проигрывает по качеству research-отчёта даже ChatGPT Deep Research, а Gemini Deep Research, по обоим досье, выигрывает у Manus на «чистом» исследовании. Зато Manus не останавливается на тексте: в том же проходе он может выгрузить данные в таблицу или прогнать их через Python.

Девятку Gemini заслужил охватом и связностью синтеза — по research-задаче это сегодня один из самых сильных инструментов. Шесть у Manus — он доводит research до приемлемого черновика, но за цельным отчётом со ссылками к нему мы бы не пошли.

Оба умеют ходить в веб, но по-разному. Покажем разницу не словами, а тем, что у каждого под капотом.

У Gemini Deep Research «браузер» — это, по сути, автономный поиск: он генерирует запросы к Google Search, обходит выдачу и извлекает нужное. Это мощно для сбора информации, но он не заточен на то, чтобы кликать по интерфейсам, логиниться и заполнять формы как живой пользователь.

Manus управляет настоящим headless-браузером Chromium: открывает сайты, действует на странице, тут же запускает код и сохраняет файлы — всё в изолированном окружении на своих серверах. Это полноценный computer-use, а не только чтение результатов поиска. Цена за это — нестабильность: на нестандартных сайтах он чаще спотыкается.

Разница глубже, чем «оба ходят в веб». За действиями Manus стоит набор инструментов под одним оркестратором: браузерный агент на Chromium, Python-интерпретатор в песочнице, shell-терминал и файловая система в изолированном окружении. Поэтому в браузер-сегменте его прямой соперник по досье — OpenAI Operator, а не Gemini: Deep Research в эту нишу не заходит, его веб-навык остаётся поиском по индексу Google. Manus реально «живёт» на странице — кликает, заполняет формы, логинится как пользователь, — тогда как Gemini лишь читает то, что нашёл в выдаче.

Здесь расклад переворачивается: Manus получает восемь за реальный контроль над браузером и кодом, Gemini — шесть, потому что его веб-навык заточен под поиск, а не под действия в интерфейсе.

Это самый резкий разрыв во всей паре, и прятать его незачем — покажем сразу.

У Gemini Deep Research функции написания кода нет вообще. Это research-агент: он соберёт информацию про библиотеку и приведёт примеры из найденных статей, но сам не напишет, не запустит и не отладит программу. Ставим единицу честно — по нашей шкале это «функция полностью отсутствует», а не «слабая».

У Manus code-execution встроен в архитектуру: отдельный агент пишет код, запускает его в Python-песочнице и через shell, создаёт файлы. Ранние демо показывали, как из одного промпта он собирает работающее React-приложение. Потолок есть: на чистых coding-задачах Manus, по его же досье, уступает специализированному Devin AI, а ошибки в собственном коде замечает не всегда. Семёрка — за то, что код реально пишется и запускается, но как к черновику.

Помогает архитектура: код у Manus пишет не основной поток, а отдельный sub-агент, и работает он параллельно с поиском и сбором файлов — поэтому «собери данные и тут же напиши по ним скрипт» проходит в один заход, без переключения инструментов. Потолок при этом честный: за чистую разработку без research в досье отвечает специализированный Devin AI, а частичный сосед по связке «код плюс research» — ChatGPT с Advanced Data Analysis. Manus берёт не глубиной кода, а тем, что соединяет код с остальными действиями внутри одного агента.

Отсюда простой водораздел: если в задаче есть слово «напиши код» или «собери приложение» — у Gemini для этого нет органа, а Manus хотя бы берётся.

Для production это критичнее любой красивой фичи, поэтому смотрим прямо на надёжность.

У Gemini Deep Research узкая задача работает в плюс: меньше типов действий — меньше точек отказа. Если один источник не открылся, он опирается на десятки других, и пользователи на Reddit и Hacker News называют его одним из самых стабильных research-инструментов. Семёрка — за надёжность внутри его коридора.

У Manus это главная боль. И технические блогеры, и обсуждения на Hacker News сходятся: на тщательно подобранных демо он впечатляет, а на случайных задачах часто зависает, делает лишние шаги и не доводит работу до конца — причём ошибки, которые сам не замечает. Ярлык «vibe AI» прилип к нему именно за разрыв между роликом и реальностью. Четвёрка отражает этот разрыв.

Корень проблемы — в самой широте Manus. Чем больше типов действий (браузер, код, файлы, поиск) и чем длиннее цепочка sub-агентов, тем больше точек, где сбой проходит незамеченным: упала авторизация, всплыла капча, ссылка отдала 404 — а агент идёт дальше, будто всё в порядке. У Gemini Deep Research таких развилок меньше по определению: одна задача, один тип действия, отказавший источник просто заменяется другим из десятков. Узость здесь работает как страховка от каскадных ошибок, и именно поэтому в своём коридоре он предсказуемее.

Вывод неприятный, но честный: чем сложнее и длиннее цепочка шагов, тем выше шанс, что Manus сорвётся на середине, а вы заметите это только в финале.

Здесь сравниваем не качество, а выносливость: как долго агент держится и что будет, если отвернуться.

Gemini Deep Research работает короткими забегами по 5–20 минут и заточен под один заход «запрос — отчёт». Это не агент для многочасовых процессов и не держит длинную персистентную сессию между задачами — отсюда пятёрка: для длительной автономной работы он попросту не предназначен.

Manus устроен под долгие задачи: выполнение асинхронное, идёт в фоне, вкладку можно закрыть и вернуться к результатам позже. Сложные multi-step сценарии у него тянутся 40+ минут, и это для него норма, а не сбой. Семёрка — за саму способность держать длинную задачу; снимаем баллы за ту же надёжность, что подвела в прошлом блоке.

Под асинхронностью у Manus стоит понятная механика: задача уходит в фон на серверах, по ходу виден realtime-лог («открываю браузер», «ищу по запросу», «выполняю код»), а при неоднозначности агент может остановиться и переспросить. Закрыли вкладку, ушли на обед, вернулись — результат собирается на месте, держать сессию открытой не нужно. У Gemini Deep Research этого нет: он не хранит персистентную память между задачами и рассчитан на один синхронный заход «запрос — отчёт» за 5–20 минут. Для разовой справки так даже удобнее, для многочасового процесса — это потолок.

Парадокс пары: Manus лучше умеет долго работать, но именно на длинных задачах чаще ломается. Длинная дистанция — его стихия и его слабое место одновременно.

Сразу честно: ни один из двух не создан под русский, и мы не будем притворяться, что это не так.

Gemini Deep Research русский понимает, интерфейс локализован, отчёт на русском он напишет. Но качество исследования на русском заметно ниже английского: в выдаче доминируют англоязычные источники, а по российским темам он, по своему же досье, уступает «Нейро» Яндекса. Пятёрка — работает, но не на своём уровне.

У Manus с русским ещё скромнее. Интерфейс на момент проверки — только английский и китайский, понимает он лучше всего эти два языка, а русский тянет на уровне базовой модели под капотом. Опубликованных тестов на русском нет вовсе, что само по себе говорит о приоритетах. Четвёрка.

Gemini Deep Research официально поддерживает множество языков, и в неподтверждённых планах Google — расширение их числа. Но даже сегодня по русскоязычным темам он, по своему досье, уступает «Нейро» Яндекса: в выдаче доминируют англоязычные источники. У Manus поиск русскоязычных источников ещё слабее, а отсутствие хоть каких-то опубликованных тестов на русском не даёт повода ждать сюрприза в лучшую сторону. Для русского как ядра задачи из этих двоих по-настоящему не подходит ни один — серьёзную работу с российскими источниками оба тянут лишь приблизительно.

Практический итог одинаков для обоих: для серьёзной работы с русскоязычными источниками это не первый выбор, и российскую специфику оба передают приблизительно.

Начнём с того, у кого цифры есть и они понятные.

Deep Research нельзя купить отдельно — он входит в подписку Gemini Advanced (Google One AI Premium) за 19,99 $ в месяц, и в неё же зашиты 2 ТБ хранилища и Gemini в Gmail, Docs, Sheets. Это около 240 $ в год; при курсе порядка 90 ₽ за доллар — ориентировочно 21 600 ₽, но точная сумма зависит от курса и способа оплаты. Для бизнеса есть Google Workspace от 12 $ за место в месяц с Gemini-аддоном.

У Manus считать нечего — и это проблема. Модель кредитная: каждая задача жжёт кредиты, причём на сложных сценариях быстро. А вот коммерческая тарифная сетка на момент составления досье (август 2025) публично не сформирована и не объявлена. Посчитать стоимость владения за год невозможно: нет цены. По правилам редакции непрозрачность — это минус, ставим 5/10 с оговоркой, а не выдуманную цифру.

Восьмёрка Gemini — за честный фиксированный чек, который к тому же делится с уже нужным многим Google One. Пятёрка Manus — вынужденная: кредитная гонка плюс неизвестный прайс не дают спланировать бюджет.

Короткий ответ: программно ни одного из них в свой продукт сейчас не вставить. Длинный — ниже.

У Gemini Deep Research отдельного API-эндпоинта нет: это функция внутри приложения Gemini, и подписаться «только на Deep Research» тоже нельзя. Для Google это осознанная архитектура — продукт потребительский, а не платформенный, и быстрых изменений тут ждать не стоит. Поэтому двойка.

У Manus публичного API на момент составления досье тоже не было — всё взаимодействие идёт через веб-интерфейс. Но это молодой стартап в активной фазе, и статус API на 2026-05 в досье помечен как data gap: дверь со временем может открыться. За эту перспективу даём тройку — на балл выше, чем у архитектурно закрытого Gemini.

Для интеграторов вывод одинаковый: автоматизировать через эти два агента пока нечего, разница лишь в том, у кого дверь закрыта по дизайну, а у кого — просто ещё не открыта. Ни запуска из кода, ни по расписанию, ни по событию сегодня не получить ни у одного из двух — оба остаются продуктами «для рук», не для бэкенда.

Сравним доступ и оплату по тому, что зафиксировано в досье.

Gemini Deep Research для России закрыт жёстко: Google Gemini не работает на российских IP (геоблокировка действует с 2024 года), карты РФ для Google One не принимаются, обходить приходится VPN плюс зарубежная карта. Под 152-ФЗ сервис не подходит — данные обрабатываются на серверах Google за пределами страны. Отсюда четвёрка в итоговой оценке блока.

Manus — не американская компания (юрлицо в Сингапуре), и жёсткой геоблокировки за ним, по досье, может не быть: потенциально открывается напрямую. Звёздочка важна — это помечено как data gap, точный статус на 2026-05 не подтверждён, а оплата, по досье, скорее международными картами; интерфейс — без русского. Но даже с оговорками порог входа ниже, чем у Google. Шестёрка.

Это один из немногих блоков, где Manus объективно удобнее для российского пользователя — просто за счёт того, что его, по досье, потенциально можно открыть напрямую, без VPN.

Для корпоративного пользователя это часто решающий блок, поэтому сравниваем прямо по фактам из досье.

Gemini Deep Research опирается на инфраструктуру Google: в Gemini Advanced по умолчанию разговоры не используются для обучения основных моделей, хранение истории отключается, а Google Workspace несёт ISO 27001, SOC 2 Type II и GDPR-соответствие, для enterprise — опции data residency. Это внятный, проверяемый набор гарантий — восьмёрка.

У Manus по этой части туман. Политика использования данных для обучения публично не опубликована (прямой data gap в досье), статус GDPR не подтверждён, компания закрытая и без публичной отчётности. Плюс один реальный: код выполняется в изолированной песочнице на серверах Manus, до вашего настоящего компьютера агент не дотягивается. Но непрозрачность по обучению и privacy перевешивает — четвёрка по правилу «непубликация это минус».

Разрыв тут не про технологию, а про подотчётность: Google можно предъявить сертификат, Manus — пока нечего.

Сравним не обещания, а то, кто стоит за каждым продуктом.

За Gemini Deep Research стоит Google LLC (Alphabet, NASDAQ: GOOGL) — публичная корпорация с практически неограниченным ресурсом, штаб в Маунтин-Вью. Риска «стартап закрылся и сервис умер» здесь нет в принципе; продукт развивается с декабря 2024 и в феврале 2025 уже получил апгрейд на reasoning-модель. Это та самая десятка, которую мы ставим редко.

Manus — продукт Monica AI (Butterfly Effect), юрлицо в Сингапуре, команда частично в Китае. Суммы раундов публично не раскрыты, статус — бета/early access, публичного roadmap нет. Подушка есть: за спиной экосистема Monica.im с расширением для браузера на 3 млн+ пользователей, а вирусный запуск собрал более 1 млн заявок на инвайт за первые дни. Но это всё ещё молодой закрытый стартап — пятёрка.

Если вы строите процесс на годы — разница между корпорацией и бета-стартапом перевешивает многие фичи.

Сравним не маркетинг, а то, как сервисы показывают себя в живых отзывах.

Gemini Deep Research в обсуждениях на Hacker News и Reddit стабильно называют одним из лучших research-инструментов — хвалят качество синтеза и экспорт отчёта в Google Docs одной кнопкой. Это не вирусный хайп, а ровная репутация рабочего инструмента, которым реально пользуются регулярно. Восьмёрка.

Manus — учебник по разрыву между демо и практикой. Запуск в марте 2025 стал одним из самых вирусных в истории ИИ: тренды в X, миллионы просмотров роликов. Но следом пришёл скепсис: техноблогеры и Hacker News заметили, что launch-демо тщательно отобраны, а на случайных задачах агент часто буксует. Отсюда и ярлык «vibe AI». Пятёрка — потенциал виден, устойчивых production-кейсов пока мало.

Проще говоря: у Gemini репутация тихого рабочего инструмента, у Manus — громкого, но пока непредсказуемого.

Это сценарии, где узость Gemini превращается в преимущество — он делает мало, но именно то, что нужно, и без сюрпризов.

Первый сценарий — регулярный глубокий research по открытым источникам на английском: маркетинговая разведка, обзор рынка, подготовка к встрече. Gemini уходит на 5–20 минут и возвращается со структурированным документом и ссылками. Второй — работа внутри Google Workspace: отчёт одной кнопкой улетает в Google Docs с сохранением форматирования, это редкость в категории. Третий — research со смартфона: Deep Research доступен в мобильном приложении Gemini, и это единственный в паре агент с нормальным мобильным доступом.

Четвёртый сценарий — когда важна предсказуемость и стабильная компания за спиной: если процесс должен работать через год, корпоративная надёжность Google перевешивает любые эксперименты. Пятый — комплаенс: где нужны SOC 2 и GDPR, у Gemini есть документы, а у соперника нет.

К этим пяти добавим то, чего у соперника нет архитектурно. Перед стартом Gemini показывает план исследования — список под-вопросов, который можно поправить руками до запуска; это редкий в категории способ задать направление без возни с промптами. Сам поиск идёт через полный индекс Google Search, а не через сторонний веб-краулер, — по охвату и свежести источников это другой уровень. А с февраля 2025 за синтез отвечает reasoning-модель Gemini 2.0 Flash Thinking, обученная как раз на планировании и сшивании длинных многоисточниковых текстов.

В этих пяти ситуациях Gemini не просто выигрывает — Manus в них объективно слабее и брать его смысла нет.

Это сценарии «мало собрать информацию — надо что-то сделать и отдать готовое».

Первый сценарий — задача, которая сшивает research и код в один проход: собрать данные, тут же прогнать через Python, выдать таблицу или график. Gemini остановится на тексте, Manus доводит до файла. Второй — когда нужен именно артефакт: рабочий прототип веб-приложения, готовый PDF-отчёт, Excel. Manus отдаёт результат, а не советы, как его сделать. Третий — доступ из России: не американская компания, прямой вход потенциально доступен без VPN (с оговоркой про data gap).

Четвёртый сценарий — долгая фоновая задача: запустил, закрыл вкладку, вернулся через час за результатом благодаря асинхронности. Пятый — когда нужна не-US юрисдикция как принципиальное требование: сингапурское юрлицо тут плюс. Во всех пяти важна оговорка из блока про самокоррекцию: результат принимаем как черновик и перепроверяем.

Есть у Manus и то, чего у Gemini нет в принципе, — параллелизм. Под оркестратором одновременно работают несколько специализированных sub-агентов: пока один собирает данные в браузере, другой пишет и запускает код, третий складывает результат в файл. На многокомпонентной задаче это и ускоряет работу, и сшивает разнородные куски в один итог. Большинство соперников по досье заточены под один аспект — Manus берёт именно тем, что сводит браузер, код и research в одном месте, пусть и ценой стабильности.

Здесь Gemini получает тройку не в обиду — у него просто нет органов под эти задачи, тогда как Manus, при всей нестабильности, единственный из двух их закрывает.

Мы свели всё сравнение к простому вопросу: кто вы и что у вас за задача.

Аналитик или консультант, которому каждую неделю нужен глубокий отчёт по открытым источникам, — ваш выбор Gemini Deep Research, особенно если вы уже платите за Google One. Журналист или исследователь с английскими источниками — туда же: скорость и синтез решают. Пользователь, живущий в Gmail и Docs, — Gemini, ради экспорта одной кнопкой.

Разработчик или аналитик, которому нужен агент «собери данные и сразу собери из них что-то рабочее», и который готов мириться с нестабильностью, — это Manus. Российский пользователь без VPN, которому важнее сам факт доступа, чем полировка, — пробуйте Manus, проверив актуальный статус. А вот тем, кому нужен API, production-надёжность или работа на русском как ядро задачи, из этой пары honest-ответ — никто, смотрите шире по категории ИИ-агенты.

Gemini проще рекомендовать однозначно — у него чёткий адресат. Manus хорош для конкретного смелого профиля, но требует от пользователя готовности к черновикам.