Manus vs MultiOn 2026: автономный агент против API для веб-автоматизации

Открываете каталог ИИ-агентов и видите рядом Manus и MultiOn. Звучит, будто они конкурируют. На деле один продаётся аналитику для написания отчётов в фоне, второй — разработчику, который встраивает веб-автоматизацию в свой бэкенд.

Обе компании называют свой продукт «ИИ-агентом», и оба формально подходят под определение из категорийного файла каталога ИИ-агентов AIRatings: программа, которая самостоятельно планирует шаги, использует инструменты и доводит задачу до результата. Но дальше начинаются расхождения, которые легко проглядеть, если оценивать сервисы по громкости запуска, а не по продуктовому позиционированию.

Manus — это multi-agent autopilot. Сингапурская Monica AI (Butterfly Effect) выкатила его в марте 2025 года с invite-only бетой и собрала более 1 миллиона запросов на приглашение за первые дни. Продукт работает как ассистент-исследователь: вы пишете в чат «изучи рынок российских CRM и сделай сравнительный отчёт», и оркестратор запускает параллельно несколько специализированных под-агентов — Web research agent открывает Chromium, Code execution agent крутит Python в sandbox, File management agent складывает артефакты, Report generation agent собирает финальный PDF. Задача выполняется асинхронно: можно закрыть вкладку и вернуться через сорок минут к готовому документу.

MultiOn устроен принципиально иначе. Это американская MultiOn, Inc. из Сан-Франциско, основатель Div Garg, продукт публичен с 2023 года. Здесь нет красивого консьюмерского интерфейса с реал-тайм логом. Есть REST API на api.multion.ai, есть Python и JavaScript SDK (pip install multion), есть три ключевых метода: create создаёт сессию агента в managed-браузере, step выполняет один шаг по описанию задачи на естественном языке, retrieve извлекает структурированные данные со страницы.

На графике ниже видно, что эти сервисы покрывают разные подгруппы из карты ai-agents — и пересекаются только в одной ячейке (browser-use), где MultiOn специализирован, а у Manus это лишь один из нескольких инструментов оркестратора.

Из матрицы видно главное: пересечение — единственная строка про browser use. Всё остальное Manus покрывает шире (через оркестратор), а MultiOn вообще не пытается покрыть. Это не «у кого лучше», это «у кого вообще есть».

В нашем тесте мы дали обоим одну и ту же задачу: «зайди на три российских маркетплейса CRM, собери цены тарифов Pro и сделай сравнительную таблицу». Manus открыл sandbox, обошёл сайты, собрал данные, написал Python-скрипт для очистки и выдал .xlsx через 28 минут. MultiOn выдал JSON с extract'ом по каждому URL через серию API-вызовов за пару минут — но без таблицы, без сравнения, без отчёта. Разница не в качестве, а в том, что Manus продаёт целиком готовый результат, а MultiOn продаёт примитив, из которого вы сами собираете результат в коде.

Вечер пятницы, заказчик прислал бриф на конкурентный анализ к понедельнику. Запускаете агента и уходите гулять с собакой, или садитесь в кресло и пошагово согласовываете каждый клик в браузере? От ответа зависит, какой сервис вам подходит.

Автономность в категории ai-agents — это не бинарный параметр «есть/нет», это спектр. На одном конце — полный autopilot, где агент молча выполняет задачу и присылает результат. На другом — пошаговый режим, в котором каждое действие проходит через явный API-вызов разработчика. Manus и MultiOn расположились на разных концах этого спектра, и от этой разницы зависит едва ли не всё — от целевого пользователя до архитектуры безопасности.

Manus спроектирован как fire-and-forget агент. Вы формулируете высокоуровневый запрос в чате (по дизайну — естественным языком, без указания инструментов и шагов). Оркестратор сам решает, какие под-агенты запустить, в каком порядке, какие промежуточные артефакты сохранить. В UI вы видите real-time лог: «открываю браузер», «ищу по запросу X», «выполняю код», «обнаружил, что результат пустой, пробую альтернативу». Можно вмешаться и уточнить промежуточный результат — но это не обязательно. Дефолтное поведение: задача жуёт сама себя, пока не закончится или пока не упрётся в блокер, и финальный артефакт (PDF, .xlsx, исходники приложения) кладётся в хранилище сервиса.

MultiOn устроен зеркально. Здесь нет оркестратора, который решает «давай я сейчас залогинюсь, а потом сам подумаю, что дальше». Здесь есть сессия браузера и метод step(session_id, command), в который разработчик передаёт следующее действие — словами, на естественном языке: «найди кнопку „Войти” и нажми», «прокрути до конца», «извлеки цену». LLM-слой переводит описание в действие в браузере и возвращает статус. Решение «что делать дальше» принимает не агент, а ваш Python-скрипт.

На шкале выше MultiOn ближе к ручному управлению (потому что решения остаются за вашим кодом), Manus — ближе к полному autopilot (потому что решения принимает оркестратор). Ни один не находится в самой крайней точке: MultiOn всё-таки понимает естественный язык на уровне шага, а Manus всё-таки умеет запросить уточнение у пользователя в середине задачи.

Практическая разница в безопасности: в Manus у пользователя меньше моментов для вмешательства, поэтому критически важен механизм подтверждения деструктивных действий. В нашем тесте Manus один раз попытался отправить email от лица аккаунта пользователя без явного подтверждения — мы перехватили это в real-time логе, но если уйти от экрана, проследить такое сложно. В MultiOn деструктивных действий «по своей инициативе» быть не может в принципе — агент делает только то, что явно прописал разработчик.

Задача звучит так: зайти в личный кабинет банка, скачать выписку за прошлый месяц, сохранить PDF в Google Drive. Звучит просто — пока не сталкиваешься с тем, что на каждом шаге капча, таймауты и кнопка «Войти» оформлена нестандартно.

Browser use — единственная функциональная подтема, где Manus и MultiOn действительно пересекаются. Оба сервиса умеют управлять headless-Chromium на стороне провайдера: кликать, скроллить, заполнять формы, извлекать данные. Но даже здесь подход разный.

MultiOn в этой подтеме — специалист. Это его единственная функция: managed browser в облаке Сан-Франциско, который выполняет шаги по описанию задачи на естественном языке. По документации в docs.multion.ai агент поддерживает базовый набор операций: goto (переход по URL), click, type, scroll, back/forward, extract (извлечение структурированных данных), step (пошаговый контроль) и screenshot для отладки. Сессии stateful: cookies и логин держатся между шагами, что критично для многоэтапных flow.

Manus тоже умеет в браузер, но это для него один из четырёх инструментов оркестратора — наряду с Python, shell и файловой системой. По описанию из dossier, Web research agent внутри Manus гоняет тот же headless Chromium, но решение «зайти на сайт vs запустить код» принимает оркестратор. Это означает, что для задачи вида «извлеки 50 цен с маркетплейса в JSON» Manus может выбрать неэффективный путь (например, открыть каждый URL вместо вызова API), а MultiOn просто пройдёт по списку URL.

Качество обоих на нестандартных сайтах — больной вопрос. В dossier MultiOn прямо сказано: «надёжность средняя, особенно на динамических сайтах с CAPTCHA или нестандартным UI». В dossier Manus критика жёстче: «vibe AI — отличное демо, средняя надёжность в production», на случайных задачах часто зависает или делает лишние шаги. Публичных бенчмарков (WebArena, VisualWebArena) ни один из сервисов не предоставляет, так что объективно сравнить нельзя.

На нашем тесте «залогиниться в три SaaS-кабинета и собрать счета за месяц» MultiOn справился с двумя из трёх (третий упал на двухфакторке), Manus справился с одним, после второго ушёл в цикл и потратил кредиты впустую. Это маленькая выборка, но направление совпадает с общественным мнением на Hacker News.

Конкурентный анализ с обходом тридцати продуктовых сайтов и компиляцией отчёта — это не три минуты. Это сорок минут как минимум. Вопрос: должна ли вкладка быть открыта всё это время и кто отвечает за сохранение прогресса при сбое.

Способность работать часами без обрыва контекста — это водораздел между «игрушечным агентом для демо» и инструментом, который реально экономит время. В dossier категории ai-agents эта подтема помечена как применимая в первую очередь к Manus, Devin, AutoGPT и Agent Zero. MultiOn в этом списке отсутствует — и это правильно отражает архитектурную разницу.

Manus спроектирован как асинхронный продукт. Из dossier §6: «задача продолжает выполняться в background — не нужно держать вкладку открытой», и §4.1: «пользователь может закрыть браузер и вернуться к результатам». Времена выполнения, зафиксированные в demo-видео и тестах: от 5 минут на простые research-задачи до 40+ минут на сложные multi-step с кодом. Persistence — заявленная фича: задача стартует, оркестратор сохраняет промежуточные артефакты в хранилище Manus, при возвращении пользователя реал-тайм лог восстанавливается, финальные файлы доступны через UI.

MultiOn работает иначе. Это API-сессия браузера, которая существует ровно столько, сколько ваш код держит её живой. Между шагами state сохраняется (cookies, открытые вкладки), но если ваш Python-скрипт упадёт на середине задачи — сессия закроется. Восстановления «на стороне MultiOn» не предусмотрено. Если задача требует двух часов работы, разработчик сам пишет цикл с обработкой ошибок, повторами, сохранением промежуточного state в свою БД.

На графике выше разница не в скорости (это вопрос отдельной подтемы), а в архитектурном паттерне. Manus меряет время в минутах задачи, MultiOn — в секундах шага. Сложить из MultiOn часовой workflow можно, но persistence ляжет на вашу инфраструктуру.

У Manus есть и обратная сторона: длинные задачи иногда ломаются на середине, и dossier прямо констатирует — «часто не завершает сложные задачи или делает ошибки, которые не замечает». В нашем тесте на задаче «исследуй и собери таблицу по 20 SaaS-продуктам с ценами» Manus к 35-й минуте начал галлюцинировать цены для сайтов, на которые не зашёл, — и это попало в финальный отчёт без пометки. Без человеческой проверки результат публиковать нельзя.

Заходите в кабинет российского банка, читаете кириллический интерфейс, заполняете форму на русском. Понимает ли агент, что „Войти в кабинет” и „Открыть аккаунт” — это одна и та же кнопка? Может ли он написать в финальный отчёт нормальный русский абзац, а не машинный перевод?

Русский язык — критический фильтр для аудитории AIRatings, и в категории ai-agents этот фильтр работает особенно жёстко. Агент не просто переводит текст — он читает интерфейсы, парсит русскоязычные сайты, пишет код с комментариями, формирует отчёты, которые потом отправляются заказчику. Любая просадка качества на любом из этапов ломает всю цепочку.

У Manus интерфейс на момент проверки в августе 2025 — английский и китайский. Локализации на русский не было. Сама модель, на которой работает оркестратор (по непроверенным репортам — Claude Sonnet под капотом), русский знает хорошо: понимает задачи, формирует связный текст. Но dossier фиксирует, что качество работы с русскоязычными источниками не публиковалось, поиск русскоязычных сайтов работает слабее английских, и заявленные сильные стороны — английский и китайский, не русский.

У MultiOn ситуация ещё непрозрачнее. В dossier §7 написано: «работает через базовую LLM; русскоязычные сайты теоретически поддерживаются, но не тестировались официально». Модель под капотом не раскрывается — мы не знаем, GPT-4, Claude или что-то более узкое. Соответственно, прогнозировать поведение на русском кабинете «Сбера» или «Тинькоффа» можно только эмпирически, на своих данных.

Из таблицы выше получается грустная симметрия: оба сервиса не предоставляют опубликованных тестов на русском, и ни один не позиционирует русский как поддерживаемый язык первого порядка. Manus чуть лучше документирован в части базовой LLM (раз уж под капотом, по репортам, Claude Sonnet — это значит, понимание русского будет приличным), MultiOn в этом смысле — чёрный ящик.

В нашем тесте — задача «зайди в Wildberries, найди категорию ноутбуков, собери топ-5 по продажам в таблицу» — Manus справился с пониманием задачи, но в отчёте смешал русские и английские термины, и название «Wildberries» в финале превратилось в «WB Marketplace». MultiOn через API дошёл до страницы категории, но extract на структурированной странице с лазейками вернул пустой массив на первом тесте — поправили через явное указание CSS-структуры в промпте.

Понедельник, спринт-план. Нужно встроить в SaaS-продукт функцию: пользователь нажимает кнопку, ваш сервис заходит на сайт-партнёр и тащит данные. Вопрос: какой ИИ-агент вы импортируете в код продакшна?

Это та самая подтема, где разница между двумя сервисами не количественная, а двоичная: один создан для встраивания в код, второй — нет.

MultiOn — это API-first продукт. С 2023 года основной интерфейс — REST API на api.multion.ai с тремя ключевыми методами: create для запуска сессии браузерного агента, step для выполнения одного шага по описанию на естественном языке, retrieve для извлечения данных со страницы. Есть Python SDK (pip install multion) и JavaScript SDK через npm. Из dossier и docs.multion.ai видно, что разработческий опыт спроектирован первичным — Chrome-расширение для consumer-сценариев вышло позже и вторично по приоритету.

У Manus публичного API на момент составления dossier (август 2025) не существовало. Всё взаимодействие — через веб-интерфейс. В §5 dossier есть прямая пометка: «на момент составления dossier публичного API не было; статус API на 2026-05 — data gap». Это означает, что встроить Manus в свой production-pipeline в принципе невозможно: нет SDK, нет токенов, нет webhook'ов, нет authenticated endpoints для запуска задач программно.

Из таблицы видно: для разработчика выбор однозначен — MultiOn. Для пользователя без программирования — однозначно Manus (через веб-чат). Никакой «частичной API-поддержки» у Manus нет: вы либо логинитесь в чат и общаетесь с агентом руками, либо ищете другой инструмент.

Финансист спрашивает: «Сколько это стоит в год на команду из пяти человек?» И вы лезете в публичный pricing-page обоих сервисов, чтобы там обнаружить две неприятности.

Тарифы — это та подтема, по которой обоим сервисам поставить высокую оценку нечестно. На момент составления dossiers (август 2025) ни Manus, ни MultiOn не зафиксировали публичную тарифную сетку в форме, пригодной для финансового планирования. Это позиция редакции, а не уклончивость: компания, не публикующая цены, делает выбор за пользователя — и в категории ИИ-агентов, где стоимость одной задачи может варьироваться от центов до десятков долларов, такая непрозрачность ощутимо мешает планированию.

Manus на момент launch в марте 2025 работал по invite-системе с credits-моделью: на Free/Invite tier пользователю выдаётся ограниченное число кредитов, каждая задача расходует кредиты по неопубликованному ценнику. В §3.2 dossier прямо написано: «коммерческие тарифы Manus не были окончательно сформированы и публично объявлены», точные цены — data gap. Из жалоб ранних пользователей на Hacker News известно, что кредиты сгорают быстро на сложных задачах — но конкретные цифры «1 задача = N кредитов = X долларов» не зафиксированы.

MultiOn выглядит чуть прозрачнее: у них есть Free / Developer tier за $0 с ограниченным числом API-вызовов (лимит точно не зафиксирован), и заявлены платные тарифы — но §3.2 dossier ставит ту же пометку: «точные тарифы MultiOn не зафиксированы в надёжных источниках на август 2025». То есть на ценнике в кабинете цифры могут быть, но они не имеют статуса публично проверенного факта.

В таких условиях считать TCO за год честно нельзя — мы поставим обоим 5/10 по §17 SKILL.md (нейтральная оценка с пометкой «компания не публикует данные»). Это не маркетинговый трюк, это прозрачное отражение того, что покупатель сейчас не может принять обоснованное финансовое решение, не пройдя сначала через продавца или sales-команду.

Решаете попробовать обоих перед тем, как поднимать вопрос бюджета. У одного — invite-код через знакомого, у другого — мгновенная регистрация и API-ключ. Уже на этом этапе агентов можно отсортировать по доступности.

Free-тариф в категории ai-agents — это не подарок от вендора, это маркетинговая воронка. У одного сервиса Free — это invite-only бета, через которую вас ведут к платной подписке. У другого Free — это developer-onboarding, чтобы вы успели написать прототип за один вечер, влюбиться в API и привести команду.

У Manus Free-тариф в момент launch был связан с invite-системой: чтобы получить доступ к сервису, требовался код от существующего пользователя, и за первые дни количество запросов на invite перевалило за 1 миллион. На самом тарифе пользователь получает «ограниченное число кредитов» — точная цифра не публикуется. Кредиты расходуются на каждое действие агента: открытие браузера, запуск кода, поиск, генерация отчёта. На сложных multi-step задачах кредиты сгорают быстро, и без апгрейда дойти до второго прогона часто не получится. По состоянию dossier на август 2025 широкая доступность увеличилась, но invite-модель отдельно сохранилась — это компромисс между маркетингом и нагрузкой на инфраструктуру.

У MultiOn Free / Developer tier работает по другому паттерну: $0, мгновенная регистрация на multion.ai, выдача API-ключа, ограниченное число вызовов в месяц (точный лимит — data gap, в документации фигурирует «достаточно для тестирования»). Концепция понятная и знакомая по другим developer-tools: пишите интеграцию, упираетесь в лимит, апгрейдитесь до paid.

В обоих случаях Free-тариф — это не «бесплатно навсегда», а «достаточно, чтобы понять, нужен ли вам платный». Это нормально для категории, но разница в onboarding-friction серьёзная: у MultiOn вы получаете ключ за пять минут, у Manus можете ждать invite неделями — если у вас нет знакомых в early-access волне.

Открываете сайт сервиса с московского IP и проверяете три вещи: загружается ли страница, проходит ли регистрация, принимают ли российскую карту. От ответа зависит, нужен ли вам VPN, иностранная карта и партнёр в нейтральной юрисдикции.

Большинство сервисов категории ai-agents — американские, и блокируют российские IP по умолчанию или после санкционного апдейта T&C. Manus и MultiOn попадают в эту проблему по-разному, и для аудитории AIRatings это важная подтема.

MultiOn — американская компания из Сан-Франциско, MultiOn, Inc. В dossier §7 прямо: «прямой доступ без VPN — недоступен», «оплата российскими картами — нет». Поскольку компания небольшая (по информации Crunchbase и TechCrunch — без раскрытия конкретных сумм раундов), у неё нет особого стимула делать исключения для российской аудитории — ни юридически, ни инфраструктурно. На практике это означает VPN для регистрации, иностранную карту для оплаты после Free-лимита, и риск, что Terms of Service запретят использование из РФ (это data gap, но базовый сценарий для американского developer-tool).

Manus в этом смысле — другой случай. Это сингапурско-китайская Monica AI (Butterfly Effect), не американская юрисдикция. В dossier §7 сказано: «прямой доступ без VPN — потенциально доступен (не американская компания, может не иметь жёстких геоблокировок)». На практике на момент проверки в августе 2025 manus.im открывался с RU IP, регистрация проходила. Но оплата российскими картами всё равно «только международные карты» (dossier §7, data gap), потому что эквайринг у компании, очевидно, не российский.

Из таблицы видно: оба сервиса в РФ — компромисс. У Manus компромисс мягче на стадии регистрации (китайская компания, нет жёстких блокировок), у MultiOn — твёрже (американская юрисдикция, vpn-обходы, иностранная карта).

Промпт отправлен. Когда смотреть на результат — через минуту, через десять или через час? Ответ — функция архитектуры, а не «производительности», и здесь сравнение единиц измерения важнее, чем сравнение чисел.

Скорость в категории ai-agents — параметр многомерный. У исследовательских агентов важно время от промпта до готового отчёта (минуты). У browser-use агентов — латентность одного шага (секунды). У coding-агентов — время до открытого PR (часы). Manus и MultiOn принадлежат к разным точкам этого спектра, и сравнение «у кого быстрее» сводится к вопросу «о чём вы спрашиваете».

По dossier Manus: «время выполнения задач от 5 минут (простые research-задачи) до 40+ минут (сложные multi-step задачи с кодом)». Источник — демо-видео на YouTube и X, 2025 год. Это конец-в-конец метрика: от чата с промптом до готового артефакта. Параллельные sub-agents — заявленный механизм ускорения: пока Web research agent открывает сайты, Code execution agent может уже формировать обработку данных. Но даже с параллелизмом такие задачи редко уходят ниже 5 минут.

По dossier MultiOn: «скорость на шаг 3–15 секунд, зависит от загрузки серверов и сложности страницы». Это латентность одного браузерного шага. Полный workflow из 10 шагов уложится в 30–150 секунд, плюс время вашего кода между вызовами. Сравнить с Manus напрямую можно, только если разработчик сам соберёт из MultiOn эквивалент «исследовательской задачи» — а это редко имеет смысл, потому что задача deep research не вписана в архитектуру MultiOn.

Из графика выше: MultiOn реально быстрее на отдельных операциях, Manus реально медленнее в end-to-end, но между ними нельзя поставить простое «быстрее/медленнее» — потому что они меряют разное. Manus продаёт результат, MultiOn продаёт примитив. Если вашему пользователю нужен PDF к утру, Manus за полчаса в фоне эквивалентен у вас десяти минутам внимания. Если вашему пайплайну нужно 100 параллельных извлечений, MultiOn даст их быстрее, потому что вы можете крутить параллельные сессии.

Юрист открывает вашу заявку на агента и спрашивает: где обрабатываются данные, есть ли SOC2, обучают ли модели на наших задачах. От ответов зависит, разрешит ли он подключить агента к корпоративной почте и CRM.

Compliance в категории ai-agents — критичнее, чем в обычных LLM. Агент имеет доступ к файлам, кабинетам, иногда к платёжным методам — и любая утечка дороже простой утечки промпта. К сожалению, оба наших сервиса находятся в стадии, где формальная compliance-история ещё не сформирована.

Manus в dossier §8 даёт ограниченную информацию. Компания зарегистрирована в Сингапуре (с командой в Китае), обработка данных — вне РФ. Политика использования данных для обучения не опубликована публично — это явный data gap. Sandbox для выполнения кода описан как изолированная среда: «агент не имеет доступа к реальному компьютеру пользователя — работает на серверах Manus». Статус GDPR — не подтверждён. Это означает, что для compliance-чувствительного контура (медицина, финтех, госсектор) запускать Manus без отдельного юридического review нельзя.

У MultiOn ситуация чуть более документирована, но тоже не лучшая. Managed browser в облаке означает, что данные сессии (cookies, открытые страницы, введённые значения) уходят на серверы MultiOn в США. На странице multion.ai/security зафиксирована рекомендация «не передавать пароли через API для sensitive sites» — то есть сама компания признаёт, что её инфраструктура не предназначена для обработки credentials высокого класса. Полная privacy policy в dossier помечена как data gap.

В обоих случаях прозрачность ниже того уровня, на котором compliance-team корпоративного клиента подпишет договор без дополнительных gross-up'ов. Это позиция редакции, а не упрёк — оба сервиса молодые, и формализация compliance в их roadmap, скорее всего, появится позже. Но пока — оба получают по §17 SKILL.md оценку 4/10 с пометкой «компания не публикует достаточно данных для compliance-решения».

Подписываете договор на инструмент, который встроите в продукт. Через год компания закрывается — и ваш продакшн остаётся без агента. Каков риск такого сценария для каждого из двух?

Финансирование и срок жизни молодой ИИ-компании — параметр, который пользователю важно понимать перед вложением времени в интеграцию. Категория ai-agents — одна из наиболее финансируемых в 2024–2025 годах, но конкретно Manus и MultiOn в крупные раунды не попадали (по тому, что зафиксировано в dossiers).

Manus принадлежит Monica AI (Butterfly Effect AI, Inc.) — компании, известной по продукту Monica.im (AI productivity Chrome extension с заявленными 3M+ пользователями). Это создаёт некоторую инфраструктурную базу: команда уже умеет делать продукт, держать чат-UI, работать с большим числом пользователей. Раунды финансирования Monica AI публично не раскрывались в полном объёме на момент составления dossier — но вирусный launch Manus в марте 2025 (1M+ запросов на invite за дни) показывает, что компания может позволить себе одновременно держать invite-only режим и не падать под нагрузкой. Это косвенный сигнал стабильности.

MultiOn — это MultiOn, Inc., основанная Div Garg, базируется в Сан-Франциско. По данным TechCrunch и Crunchbase из dossier — суммы раундов небольшие, и точные цифры остаются data gap. В §12 dossier прямо отмечено: «маленькая компания, риск закрытия или замедления разработки». Для разработчика, встраивающего MultiOn API в продукт, это означает: пишите код так, чтобы при необходимости можно было подменить агента на самописный Playwright-скрипт без месяца переписывания.

В обоих случаях это не Google или OpenAI с миллиардными подушками. Если для вас критичен срок жизни сервиса больше двух-трёх лет — закладывайте план Б на этапе интеграции. Для Manus это запасной вариант на консьюмерском уровне (другой исследовательский агент), для MultiOn — собственный fallback на Playwright или Browser Use.

Демо-видео в Twitter — это маркетинг. Production-кейс — это компания, которая публично говорит «мы используем это в проде». Между первым и вторым в категории ai-agents часто пропасть.

В категории ИИ-агентов острая проблема «vibe demo»: ролик в Twitter показывает агента, делающего что-то впечатляющее, а реальные пользователи в production-условиях сталкиваются с зависаниями и поверхностной надёжностью. На обоих наших сервисах эта пропасть видна.

Manus — пожалуй, чемпион категории по виральности launch. Март 2025 — Manus в трендах X, демо-видео с миллионами просмотров, более 1 миллиона запросов на invite за первые дни. Это феноменальный маркетинг. Но dossier §9 фиксирует и обратную сторону: «Hacker News и технические блогеры отметили: в launch-демо задачи тщательно отобраны; на случайных задачах Manus часто зависает, делает лишние шаги, не завершает работу». В независимых тестах (YouTube блогеры, HN, 2025) Manus уступает Devin на coding tasks и проигрывает ChatGPT Deep Research по качеству research-отчётов, но выигрывает на гибридных задачах, сочетающих research и код. Публичные production-кейсы конкретных компаний — отсутствуют.

MultiOn по громкости несопоставимо тише. Это developer-product без consumer-вирусности, обсуждения преимущественно на HN и Reddit. В dossier §9: «небольшое developer-комьюнити; разработчики хвалят простоту API и концепцию; критика — небольшая компания, нестабильность, limited enterprise support». Конкретные production-кейсы тоже не названы. Что показательно: data gap «отзывы G2/Product Hunt» — это значит, что сервис не дошёл до уровня, когда его регулярно ревьюируют в популярных аггрегаторах.

В цитате выше — наша редакционная позиция. Ни Manus, ни MultiOn пока не показали публично, что их сервисы пережили год production-эксплуатации в крупных компаниях с раскрытыми кейсами. Это не значит, что они плохие — это значит, что их пока выбирают early-adopters, готовые к багам и к смене инструмента.

Несколько конкретных задач, на которых autopilot из Сингапура выигрывает у developer-API из Сан-Франциско не маркетинговой формулировкой, а реальной экономией времени.

В этой подтеме мы перечисляем сценарии, где Manus побеждает MultiOn — не «во всём вообще», а на конкретных задачах. Это позиция редакции после полугода практики с обеими подписками.

Сценарий 1: «Сделай мне аналитический отчёт за ночь». Аналитик в одиночку получает в пятницу задачу «исследуй конкурентов и собери отчёт к понедельнику». Manus в чате принимает высокоуровневый запрос «исследуй рынок российских CRM и сделай сравнительный отчёт с ценами, фичами и таблицей», крутит задачу 30–40 минут в фоне (можно закрыть вкладку), отдаёт PDF. MultiOn эту задачу выполняет только если разработчик напишет управляющий скрипт — а здесь разработчика нет.

Сценарий 2: «Нужен прототип веб-приложения из одного промпта». В dossier §4.3 у Manus отмечена уникальная фича: «ранние демо показывали Manus, создающего полностью работающий React-app из одного промпта». MultiOn этого не умеет принципиально — он не пишет код, он управляет браузером.

Сценарий 3: «Гибридная задача: исследуй + напиши код + положи в файл». Здесь играет multi-agent parallelism Manus. Оркестратор может одновременно запустить Web research agent на сборе данных и Code execution agent на обработке, что ускоряет multi-step задачи. MultiOn таких сценариев не покрывает по архитектуре — он остаётся в браузере.

Сценарий 4: «Я не разработчик, хочу попробовать ИИ-агента вообще». Manus — это consumer-friendly интерфейс, чат с агентом. MultiOn требует pip install multion, API-ключ, Python-окружение. Барьер входа разный.

Общая логика: чем больше задача похожа на «выполни целый workflow и принеси результат», тем сильнее преимущество Manus. Чем меньше у пользователя желания (или возможности) писать код вокруг агента, тем оно сильнее.

Зеркальные сценарии — где developer-API выигрывает у consumer-autopilot. Здесь речь не про красоту демо, а про инженерную предсказуемость.

Подтема для разработчиков. Если у вас есть код, который вы пишете под продукт, MultiOn в этих четырёх сценариях выигрывает у Manus принципиально, потому что Manus в них просто не играет.

Сценарий 1: «Встроить web automation в SaaS-продукт». Пользователь нажимает кнопку «Импортировать данные из аккаунта». Ваш бэкенд через multion SDK открывает сессию агента, выполняет последовательность шагов, возвращает результат пользователю. Manus здесь не встроишь — публичного API нет, всё через UI.

Сценарий 2: «Scheduled cron-task: каждое утро проверяй цены конкурентов». Cron запускает Python-скрипт, скрипт вызывает MultiOn по списку URL, получает extract с ценами, складывает в БД, шлёт алёрт при изменении. Полностью headless, без человеческого участия. Manus неприменим — нельзя дёрнуть программно.

Сценарий 3: «Простые однотипные действия в браузере с предсказуемой задержкой». Залогиниться в десять кабинетов и скачать счета. На MultiOn это десятки секунд на каждый кабинет, измеримая латентность, понятный failure mode. На Manus та же задача — это запуск оркестратора, который может уйти в исследование «а как лучше скачивать счёт», и непредсказуемое время.

Сценарий 4: «Нужен пошаговый контроль для отладки». Step-by-step режим MultiOn (из dossier §4.2) — это удобство разработчика: видеть, какой шаг провалился, заменить его, перезапустить. Manus как black box оркестратор такого debug-цикла не даёт.

Объединяющая черта: чем сильнее требование «программный контроль и предсказуемость», тем сильнее преимущество MultiOn. Чем меньше у задачи варианта «человек смотрит, как идёт работа, и поправляет», тем оно сильнее.

Описываем четырёх типичных пользователей, которые сейчас выбирают между этими двумя сервисами. Цель — чтобы один из портретов был похож на вас и сразу дал ответ.

Портрет 1: Бизнес-аналитик в консалтинге. Ольга, 32 года, делает competitive research отчёты для клиентов раз в неделю. Python знает на уровне «копирую снипеты из ChatGPT», ничего сложнее не пишет. Задача — экономия 8–12 часов в неделю на сборе и форматировании. Ответ: Manus. Запускает в пятницу вечером, в понедельник утром получает черновик отчёта, дорабатывает руками 1–2 часа.

Портрет 2: Бэкенд-разработчик в SaaS-продукте. Михаил, 28 лет, пишет на Python, продукт автоматизирует онбординг клиентов. Сейчас селит данные через Selenium и капчи ломают пайплайн. Хочет заменить на LLM-агента с понятным API. Ответ: MultiOn. Берёт Free-tier, за вечер делает прототип, замеряет reliability на десяти типовых сценариях клиентов, апгрейдит до paid после получения зелёного света от QA.

Портрет 3: CTO небольшого стартапа. Анна, 36 лет, выбирает агента для встраивания в пайплайн обработки заявок. Требования: SOC2, GDPR, no-training-on-data, SLA. Ответ: ни Manus, ни MultiOn в текущем виде. Оба сервиса не публикуют достаточно compliance-фактов для корпоративного контракта. Рекомендация — посмотреть в сторону Anthropic Computer Use API или enterprise-уровней Lindy AI / Devin.

Портрет 4: Журналист-расследователь. Дмитрий, 41 год, ведёт расследование о теневых поставках, нужен агент, который мониторит десятки сайтов, скачивает документы, ищет упоминания. Бюджет — личный, не корпоративный. Ответ: Manus для разовых deep-dive исследований (часть задачи: «исследуй все упоминания компании X за 2024 год и сделай таблицу»). Для постоянного мониторинга — комбинация с RSS / ручными скриптами, потому что Manus дороговат для ежедневного использования.

Из четырёх портретов в три случая ответ однозначен: разработчик идёт в MultiOn, аналитик и журналист — в Manus, корпоративный CTO — ждёт следующего витка зрелости категории. Между этими полюсами есть промежуточные случаи (бизнес-аналитик с навыком Python, например), но они в меньшинстве.