Manus vs Anthropic Computer Use 2026: что выбрать для AI-агента

Стартап в Москве выбирает между «купить готового агента и завтра тестировать» и «дать команде API на месяц сборки своего». От решения зависит, сколько недель уйдёт на проверку гипотезы — и сколько денег сгорит до первого работающего результата.

В каталоге ai-agents оба сервиса лежат в одной категории, но конкурируют они не друг с другом, а с разными списками. Manus — это законченный потребительский multi-agent: вирусный launch в марте 2025, более 1 млн запросов на invite за первые дни, веб-интерфейс с realtime-логом действий агента. Anthropic Computer Use — это не продукт в том же смысле, а API-функция Claude, опубликованная в октябре 2024 и доступная через api.anthropic.com, AWS Bedrock и Google Vertex AI. Anthropic сама в документации подчёркивает: разработчик строит агента, Anthropic возвращает решения о действиях.

Manus при запуске задачи открывает headless Chromium, Python sandbox и shell — всё на серверах Monica AI в Сингапуре. Пользователь видит лог «открываю браузер», «ищу X», «выполняю код», получает на выходе файл — PDF-отчёт, Excel, рабочий веб-приложение. Anthropic Computer Use возвращает в API набор команд: mouse_move, left_click, type, key, screenshot — а тот, кто пишет приложение, исполняет их на своей виртуальной машине. У Manus есть конечный пользователь без программирования. У Anthropic Computer Use конечного пользователя нет — есть разработчик с reference Docker image из github.com/anthropics/anthropic-quickstarts.

Из-за разной природы продуктов «победитель» зависит от того, кто читает. Аналитик-консультант, у которого нет команды разработки, Anthropic Computer Use не сможет даже попробовать без программиста рядом. Разработчик, который строит RPA-альтернативу или QA-автомат, в Manus упрётся в отсутствие публичного API (по данным dossier к августу 2025 API нет) и не сможет встроить его в свой пайплайн.

Из таблицы следует практический вывод: эти два сервиса не выбирают друг между другом — их выбирают между собой и совсем разными альтернативами. Manus борется за внимание там же, где Gemini Deep Research и OpenAI Operator. Anthropic Computer Use соревнуется с Browser Use, MultiOn API и Google Project Mariner.

Запустили агента на 40-минутную задачу, ушли на обед. Вернулись — а агент завис на странице с попапом и ждёт человека, который никогда не подтвердит. Час сгорел впустую — и это типичный сценарий, если режим работы выбран неправильно.

Manus спроектирован как async-агент: задача уходит в фоновый процесс на серверах Monica AI, пользователь может закрыть вкладку и вернуться по ссылке. В realtime-логе видно, что агент делает прямо сейчас — «открываю браузер», «ищу по запросу X», «выполняю Python-код». Если агенту нужно уточнение, он останавливается и пишет вопрос в чат. Это полный autopilot с возможностью прерывания, но без жёсткого human-in-the-loop по умолчанию — пользователь не подтверждает каждый клик.

Anthropic Computer Use устроен наоборот: автономности нет встроенно, её собирает разработчик. Каждый шаг — это API-вызов: Claude получает скриншот, возвращает действие, разработчик исполняет, делает новый скриншот, отправляет. В этом цикле разработчик может вставить любой human-checkpoint — например, «перед mouse_click на кнопке «Удалить» спросить человека». Anthropic в документации прямым текстом рекомендует human oversight для критичных операций и предупреждает: модель в бете иногда совершает непредвиденные действия.

Что это означает на практике. Если задача — «собери отчёт о конкурентах, сохрани в PDF», Manus стартует и доводит до конца сам; пользователь приходит за результатом. Если задача — «зайди в банк-клиент и сделай перевод», Anthropic Computer Use предпочтительнее именно потому, что в нём легко вставить шаг «подтверди human-ом перед input PIN». Manus теоретически тоже может остановиться и спросить, но какой именно шаг будет считаться «критичным» — решает агент, и не всегда правильно.

SVG выше показывает зеркальный профиль: Manus сильнее в готовом async и видимости, Anthropic Computer Use — в контроле над тем, где остановиться. Это закономерное следствие архитектуры: законченный продукт оптимизирован под «оставил и забыл», набор примитивов — под «собрал именно то, что нужно».

Сайт авиакомпании с попапами, динамической капчей и формой из шести шагов. Звучит просто — пока агент не кликает не туда и не покупает билет в другой город.

Manus управляет встроенным headless Chromium через собственный browser-агент: открывает URL, скроллит, кликает, заполняет формы. Реверс-инжиниринг и репорты Hacker News весной 2025 показывают, что под капотом — Claude Sonnet, который принимает решения, и набор скриптов, исполняющих их в браузере. Пользователю не нужно настраивать VM, инсталлировать Chrome или подключать VNC — всё уже работает на серверах Monica AI.

Anthropic Computer Use работает иначе: модель получает скриншот, анализирует UI как изображение, возвращает действие — mouse_move с координатами, left_click, double_click, type, key. На Claude Sonnet 3.5 v2 (модель октября 2024) разрешение скриншотов было ограничено; на Claude Opus 4.7, выпущенном в апреле 2026, поддерживаются скриншоты до 2576px. Это значит, что мелкие UI-элементы — иконки в углу, маленькие чекбоксы, шрифты 11–12px — Opus 4.7 распознаёт точнее, чем предыдущая модель.

Точных бенчмарков OSWorld или VisualWebArena Anthropic для Computer Use в полном объёме не опубликовала (data gap по dossier). Manus тоже не выпускает официальных метрик. Что есть — это отзывы разработчиков и блогеров: Anthropic Computer Use хвалят за «настоящий primitive для building agents», ругают за нестабильность на капчах и динамическом контенте. Manus хвалят за вирусные демо, ругают за ненадёжность на случайных задачах — тщательно отобранные demo-сценарии работают, неподготовленный сайт оказывается провалом.

Главный вывод из графика — оба сервиса теряют качество на капчах и нестандартных layout'ах. Это не их слабость персонально, это общая граница technology, которую в обоих dossiers указывают как «частые источники ошибок». Поэтому план «отдадим агенту покупку билетов» сегодня скорее всего сломается — на любом из двух.

Вирусное демо: один промпт — рабочее React-приложение. Сегодня вопрос конкретнее: соберётся ли оно у вас на ноуте без правок, и кто из двух агентов справится с тем, чтобы не запутаться в собственном package.json.

Manus в launch-демо марта 2025 показал именно этот сценарий — пользователь пишет высокоуровневый запрос «сделай веб-приложение для X», агент открывает Python-интерпретатор, shell, файловую систему в sandbox и собирает работающий React-app. Под капотом — Claude Sonnet как основной reasoning и специализированные sub-agents для отдельных задач (код, поиск, браузер). Время выполнения по dossier — от 5 минут на простые задачи до 40+ минут на сложные multi-step с кодом.

Anthropic Computer Use официально не позиционируется как coding-агент, но имеет ровно те же три tools, что и Manus под капотом: text_editor (просмотр и редактирование файлов), bash (выполнение shell-команд), computer (скриншот + клики). Anthropic в документации прямо называет это full software development loop. В связке с reference Docker image (Ubuntu + VNC + Claude) разработчик за час поднимает агента, способного писать код, запускать тесты, читать ошибки компилятора и итеративно править.

Разница в том, кто отвечает за итерацию. У Manus вся логика «написал → запустил → увидел ошибку → починил» зашита в продукт; пользователь видит лог и финальный результат. У Anthropic Computer Use итерационный цикл строит разработчик — но именно поэтому он может вставить точные правила: «после `pytest` обязательно прочитай traceback», «перед `git push` запусти линтер», «при `npm error` останови задачу и спроси человека». Manus так точно настроить нельзя — это законченный продукт без хуков.

В независимых тестах блогеров YouTube весной 2025 Manus уступал Devin AI на coding tasks (по dossier). Anthropic Computer Use напрямую с Devin в этих обзорах не сравнивали — он в другой нише. Что касается двух наших участников: для разовой задачи «собери прототип за выходные» Manus быстрее стартует. Для встроенного в CI/CD coding-агента Anthropic Computer Use гибче — и дешевле, если посчитать токены против credits.

График наглядно показывает разделение: Manus — «один клик → готовый артефакт», Anthropic Computer Use — «много клиентского кода → настраиваемый процесс». Это не про качество модели (под капотом у обоих Claude), а про положение в стеке.

Нужен отчёт «обзор рынка с 50 источниками» к понедельнику. Заплатите $20 агенту вместо четырёх часов в Google — кто из двух реально выдаст готовый PDF?

Это та подтема, где сравнение особенно очевидно. Manus с момента launch позиционировался как «всё в одном» — research-агент, code-агент, file-агент работают параллельно через оркестратор. По dossier и независимым тестам блогеров 2025 года Manus делает развёрнутые многостраничные отчёты с источниками, сохраняет их в PDF или Excel, а пользователь скачивает готовый файл из своего workspace. По качеству он уступает Gemini Deep Research (специализированный research-агент Google), но выигрывает именно на сценариях, где research нужно дополнить кодом или конкретным расчётом.

Anthropic Computer Use в этой нише не играет вообще. Документация Anthropic нигде не описывает его как research-инструмент. Computer Use — это набор примитивов для управления компьютером, и теоретически разработчик может собрать research-агента поверх (Claude умеет искать через браузер, читать страницы, синтезировать), но это месяцы работы, а не «купи подписку и работай». В нашем сравнении честно ставим Anthropic Computer Use низкую оценку именно по этой подтеме — не потому что он плохой, а потому что он не для этого.

Что Manus делает в research-режиме конкретно. По демо-кейсам и отзывам HN весны 2025: получает запрос вида «сравни X конкурентов на рынке Y», открывает 10–20 источников через свой browser-агент, выписывает ключевые факты, синтезирует в структурированный отчёт. Размер отчёта — десятки страниц. Источники в виде ссылок прилагаются. Точные метрики качества (recall, precision источников) Manus не публикует. Знаем только: в demo-кейсах работает, на случайных задачах часто зависает или делает лишние шаги.

Разрыв между сервисами в этой подтеме настолько велик, что обсуждать «нюансы» бессмысленно. Если задача — research, Manus — единственный из двух участников, который её решает.

404 на странице, агент не понял и кликает по тому же месту ещё пять раз. Production-минута или вечер фрустрации — зависит от того, умеет ли агент остановиться.

Self-correction — параметр, который отделяет «вирусное демо» от «работает в проде». По отзывам Hacker News, YouTube-reviewers и техноблогеров весной 2025, Manus в случайных сценариях часто зависает: делает лишние шаги, повторяет одно и то же действие, не замечает, что цикл стал бесконечным. В подобранных демо проблем не видно — но это и есть критика «vibe AI», которую к Manus адресовали с марта 2025: отличное демо, средняя надёжность в production. Конкретные failure-modes по dossier: не всегда замечает 404, путается с авторизацией, не понимает динамический контент.

Anthropic Computer Use по архитектуре оставляет self-correction на стороне разработчика. Сама модель — Claude Sonnet 3.5 v2 или Opus 4.7 — может в reasoning заметить, что прошлый клик не дал ожидаемого скриншота, и предложить другой подход. Но «обязательно проверить» можно только в коде клиента — например, сравнить bbox целевого элемента до и после клика, или попросить Claude отдельно проанализировать «удалось ли». Anthropic в документации явно предупреждает: модель в бете иногда совершает непредвиденные действия, рекомендован human oversight.

Что это даёт в сравнении. Manus честнее в части UX — пользователь видит realtime-лог и может заметить циклическую ошибку и прервать вручную. Anthropic Computer Use честнее в части архитектуры — все шаги проходят через клиентский код, и встроить «лимит на N повторов одной кнопки» — три строки кода. На «среднюю надёжность из коробки» оба показывают похожие результаты: не доводят до конца сложные задачи примерно в трети случаев (это субъективная оценка редакции по обзорам, точных бенчмарков ни один из сервисов не публикует — это data gap).

Матрица показывает: оба ломаются на капчах и сломанной авторизации — это общая граница технологии. Различаются в том, кто умеет это починить. У Manus — никто (пользователь только наблюдает), у Anthropic Computer Use — разработчик в коде клиента.

Запустить агента вечером, проснуться к готовому отчёту — мечта. На практике — кредиты сгорают за два часа, сессия рвётся, или агент уходит в бесконечный цикл.

Manus был построен под асинхронные long-running задачи. По dossier: задача выполняется в background, пользователь может закрыть браузер и вернуться к результатам. Realtime-лог сохраняется. Финальные артефакты — PDF, Excel, web-приложение — лежат в облаке Manus и доступны через UI. Лимит на длительность — credits-система: один запуск расходует пул кредитов, и сложная задача может закончить кредиты раньше, чем доведёт работу до конца. Точных тарифов и кредитов на сложную задачу dossier не фиксирует — это data gap.

Anthropic Computer Use в чистом виде персистентности не имеет. Каждый шаг — это независимый API-вызов; контекст сохраняется только в том случае, если разработчик передаёт историю обратно в Claude. Контекстное окно Claude Sonnet 4.6 и Opus 4.7 — до 1M токенов, что физически позволяет держать огромную историю в одном вызове, но цена растёт линейно с объёмом контекста ($3/$15 за 1M токенов на Sonnet, $5/$25 на Opus). На практике разработчики делают summarisation промежуточных шагов, чтобы не оплачивать одни и те же скриншоты дважды.

Что это значит для пользователя. У Manus async «по умолчанию», у Anthropic Computer Use async «если построил». Manus подходит для разовых задач длительностью 5–40 минут, которые пользователь запускает и забывает. Anthropic Computer Use лучше подходит для непрерывного агента, который работает часы и дни в составе постоянной инфраструктуры — но это нужно проектировать.

График фиксирует асимметрию: у Manus автономная работа есть «из коробки», но в узком диапазоне. У Anthropic Computer Use «коробки» нет, зато верхней границы тоже нет.

Юрист в Петербурге хочет, чтобы агент проанализировал пакет договоров на русском и составил отчёт по-русски. Один из этих двух с задачей справится — но не тот, на которого первый взгляд указывает.

Manus по dossier ориентирован на английский и китайский. Интерфейс сервиса — только английский и китайский на момент август 2025 (data gap по статусу позже). Русский язык в задачах — на уровне базовой LLM, которая в Manus используется (Claude Sonnet). Это значит: написать промпт по-русски — можно, агент его поймёт; получить отчёт по-русски — тоже можно, Claude хорош на русском. Но поиск русскоязычных источников в browser-режиме слабее: Manus оптимизировал индексацию и парсинг под англоязычные сайты, и качество извлечения из rambler.ru или habr.com может уступать качеству из reuters.com.

Anthropic Computer Use — это Claude в чистом виде. Claude Sonnet 4.6 и Opus 4.7 — одни из сильнейших LLM на русском языке, по нашему опыту работы с Claude в редакции AIRatings. Любой текст, который Claude обрабатывает, проходит через те же multilingual-возможности. Парадокс в том, что у Anthropic Computer Use нет UI — поэтому «русскоязычный интерфейс» строит разработчик. Если он его не построил, конечный пользователь упрётся в английский tooling вокруг русского reasoning.

Практический вывод: для конечного русскоязычного пользователя без программирования — Manus с английским UI, который понимает русские задачи. Для российского B2B, где есть команда разработки — Anthropic Computer Use под русский UI, и качество reasoning на русском будет лучше.

График объясняет головоломку: у Anthropic Computer Use лучший русский reasoning, но русского UI нет совсем (его строит разработчик). У Manus сильный reasoning от той же базовой LLM, но интерфейс на английском и китайском. Это про «куда вкладывать ресурсы команды»: либо учить пользователей английскому UI Manus, либо строить русский UI вокруг Anthropic Computer Use.

Бухгалтер компании составляет годовой бюджет: «сколько мы потратим на агента в 2026?». Если ответ — «не публикуется», бюджетная защита превращается в гадание.

Manus работает по credits-системе. На invite-период (март 2025) — бесплатно, с лимитом кредитов; каждая задача расходует пул. Коммерческие тарифы на момент составления dossier (август 2025) публично не были сформированы (data gap). По §17 SKILL.md это ситуация «компания не публикует» — ставим 5/10 с оговоркой. Для российского B2B такая непрозрачность критична: невозможно посчитать TCO до квартального бюджета.

Anthropic Computer Use тарифицируется по стандартному API-ценнику Claude — дополнительной платы за computer use нет. Claude Sonnet 4.6: $3 за 1M input токенов, $15 за 1M output. Claude Opus 4.7: $5 input, $25 output. Один скриншот высокого разрешения — около 1000–3000 input токенов (по dossier). Типичная задача в 50 шагов с Sonnet 4.6 обойдётся примерно в $0.10–$0.50, точная цифра зависит от длины контекста. Для постоянного агента, который делает 1000 задач в месяц — порядка $100–$500/мес на Sonnet, в 2–5 раз дороже на Opus.

Разница в прозрачности — главное практическое отличие. Anthropic Computer Use можно посчитать на бумаге за пять минут. Manus можно только купить кредиты и посмотреть, как они тают.

CTO смотрит, можно ли встроить агента в свой пайплайн — после CRM-триггера, перед уведомлением в Slack. Если в ответе на «есть ли API» — пауза, разговор закончен.

У Manus публичного API на момент составления dossier (август 2025) нет — всё взаимодействие через веб-UI. Статус на 2026-05 — data gap, информации о появлении API в открытых источниках не зафиксировано. Это блокер для любого production-сценария: интегрировать сервис, у которого нет webhook, REST endpoint или MCP-совместимости, в собственный пайплайн нечем. Можно автоматизировать UI через тот же Anthropic Computer Use или RPA-инструмент, но это конструкция, не интеграция.

Anthropic Computer Use — API-нативный сервис по определению. Прямое API через api.anthropic.com с заголовком `anthropic-beta: computer-use-2024-10-22`. Также доступно через AWS Bedrock и Google Vertex AI — это снимает зависимость от единственного облака. Reference Docker image для быстрого старта лежит в github.com/anthropics/anthropic-quickstarts. Rate limits и webhook-поддержка — стандартные Anthropic API правила. MCP-совместимость явно в dossier не зафиксирована — это data gap.

Таблица не оставляет места для интерпретаций: для production-pipeline Anthropic Computer Use — один из самых открытых developer-инструментов в категории, Manus — закрытое потребительское решение.

Команда в Москве хочет купить агента сегодня. Российская карта в руке, VPN под рукой, утром понедельник, дедлайн пятница.

Manus — китайский / сингапурский продукт (Monica AI, юрлицо в Сингапуре, команда частично в Китае). Это снижает риск жёсткой блокировки RU IP по политическим причинам. По dossier — потенциально доступен из РФ без VPN, точный статус на 2026-05 не подтверждён. Оплата российскими картами на момент составления dossier не зафиксирована — это data gap, нужна проверка перед закупкой. Локализация интерфейса — английский и китайский, русского UI нет.

Anthropic Computer Use — продукт Anthropic из США. Прямой API через api.anthropic.com блокирует RU IP. Доступ возможен через AWS Bedrock — если у команды есть AWS-аккаунт с возможностью оплаты (карта зарубежного банка или корпоративный AWS) и подходящий регион. Vertex AI как альтернатива — те же ограничения по Google-аккаунту и оплате. По dossier точный статус Bedrock access для RU-пользователей — data gap, требует проверки.

Что это даёт в сравнении. Manus теоретически прост в подключении из РФ — нет блокировки IP. Но оплата может стать камнем преткновения. Anthropic Computer Use требует обходного пути (Bedrock + зарубежный AWS), что для среднего российского пользователя без корпоративного аккаунта — серьёзный барьер. Для крупного российского B2B с зарубежной inc — Anthropic через Bedrock реален; для индивидуального аналитика — почти нет.

Главное различие: Manus снимает первый барьер (IP), но не второй (оплата). Anthropic Computer Use требует обхода обоих.

Агент по ошибке запустил «rm -rf /». Вопрос — на чьём компьютере. Если на сервере вендора — раздражение. Если на проде клиента — катастрофа.

У Manus sandbox — встроенный и обязательный. Выполнение кода идёт в изолированной среде на серверах Monica AI; агент не имеет доступа к реальному компьютеру пользователя. Это закрывает значительный класс рисков: ошибочные shell-команды агента физически не достигают пользовательской машины. Минус — нет возможности дать агенту работать с локальными файлами или системами пользователя без явной загрузки.

У Anthropic Computer Use sandbox — обязательство разработчика. Anthropic в документации напрямую рекомендует запускать в изолированной VM или контейнере, использовать минимальные необходимые права, не давать root без нужды, требовать human oversight для критичных операций. Reference Docker image от Anthropic — Ubuntu + VNC + Claude — закрытый контейнер, который можно поднять и в нём дать агенту полный доступ. Но если разработчик решит запустить агента прямо на своей рабочей машине под sudo — Anthropic его не остановит. Ответственность на стороне инфраструктуры клиента.

Логирование действий: у Manus — встроенный realtime-лог в UI. У Anthropic Computer Use — на стороне разработчика; стандартного логгера нет, но все действия проходят через API-вызовы, которые можно сохранить целиком.

Sandbox у Manus — фича продукта, у Anthropic Computer Use — задача интеграции. Это означает: у Manus безопасность хуже не сделаешь (всё в сэндбоксе), но и контроль тоже ниже. У Anthropic Computer Use безопасность может быть лучше или хуже — зависит от того, насколько грамотно настроена инфраструктура.

Юрист загружает в агента договоры NDA. Заголовок утренних новостей через год: «утечка данных AI-сервиса X». На этом скриншоте — ваша компания?

Anthropic в этой подтеме сильно впереди. Anthropic API в целом покрыт SOC 2 Type 2. По данным dossier и стандартной политике Anthropic: API не использует данные для обучения моделей по умолчанию; Enterprise-клиенты получают расширенные гарантии. Скриншоты, отправляемые через computer use, проходят через стандартный data pipeline Anthropic.

Manus в этой подтеме — белое пятно. Privacy policy не опубликована публично на момент составления dossier (data gap). Политика использования данных для обучения не раскрывается. GDPR-статус не подтверждён. Компания зарегистрирована в Сингапуре, обработка данных идёт вне РФ — это для российских компаний с требованиями 152-ФЗ означает, что Manus не пригоден для персональных данных российских граждан без отдельной экспертизы.

Разрыв в прозрачности compliance прямо отражается на пригодности для регулируемых задач. Для NDA-сценариев, HR-операций, юридических задач Anthropic Computer Use — обоснованный выбор. Manus в этой плоскости пока — серая зона.

Пять конкретных людей с конкретными задачами — кому что брать, без воды и без «зависит от ваших целей».

Аналитик-консультант в крупной компании. Каждые две недели — рынок-обзор на 30 страниц с источниками. Команды разработки нет, время до результата дороже денег. Берёт Manus, мирится с зависшими задачами, на критичные отчёты держит человеческую проверку. Anthropic Computer Use ему не подходит — некому собирать.

Стартап-разработчик, строящий QA-бота. Нужен агент, который ночью прогоняет регресс-тесты по корпоративному порталу. Bedrock-аккаунт есть, Docker не пугает. Берёт Anthropic Computer Use, поднимает reference image, добавляет свои чекпойнты. Manus не помещается в production-pipeline без API.

Маркетолог-индивидуал в Москве. Раз в неделю нужно сделать конкурентный обзор и презентацию. Carde RU, без VPN. Пробует Manus (потенциально доступен из РФ), сравнивает с Gemini Deep Research, который часто справляется лучше. Anthropic Computer Use — мимо: оплата и сборка против.

CTO российской SaaS-компании на международном рынке. Корпоративный AWS US, нужен агент в production для автоматизации поддержки клиентов. Берёт Anthropic Computer Use через Bedrock, экономика на Sonnet 4.6 ($3/$15) считается. Manus как закрытый сервис без API в стек не встаёт.

Любитель «agentic AI», который видел демо в Twitter. Хочет «попробовать сам». Берёт Manus, потому что нет команды и нет программирования. Через две недели понимает, что для серьёзных задач сервис ненадёжен, но пилот-проекты получает быстро.