Manus vs OpenAI Operator 2026: какой ИИ-агент выбрать

Категория ai-agents на AIRatings состоит из четырёх подгрупп: исследовательские агенты, computer-use агенты, кодирующие агенты и workflow/no-code агенты. Manus попадает в три подгруппы одновременно — research, code и computer-use. Operator живёт строго в одной — computer-use агент, причём с очень конкретной специализацией: vision-based управление браузером через скриншоты.

Manus от Monica AI получает на вход высокоуровневую задачу типа «сделай сравнительный анализ рынка SaaS-CRM с таблицей и графиками» — и запускает параллельно несколько специализированных под-агентов. Один лезет в браузер, второй пишет Python в sandbox, третий собирает финальный отчёт в файл. Артефакт на выходе — PDF, Excel или работающее веб-приложение, которое скачивается из хранилища сервиса.

Operator решает другой класс задач. Вы говорите «забронируй столик на 19:30 в любом итальянском ресторане в радиусе 2 км» — и он открывает реальный браузер с интерфейсом OpenTable, видит страницу как картинку (не парсит DOM), кликает по координатам, отвечает на вопросы формы. На партнёрских сайтах вроде DoorDash, Instacart, Priceline, Uber Eats, OpenTable, Shopify, StubHub и KAYAK у него прямое соглашение с площадкой — там он работает стабильнее.

На графике ниже видно, в каких именно подгруппах живёт каждый сервис. Manus покрывает три из четырёх — это его сильная сторона и одновременно главная зона риска: «универсал» в категории, где специализация решает.

Из карты видна главная развилка выбора. Если задача звучит как «найди, проанализируй, посчитай, оформи» — это про Manus. Если задача — «сделай это на конкретном сайте, который я тебе укажу» — это про Operator. Спутать одно с другим — потерять две недели и подписку.

Manus и Operator стоят на разных концах шкалы автономности. Manus спроектирован как «autopilot»: получил задачу, ушёл работать, вернулся с артефактом. Согласно ранним демо и обзорам на YouTube и Hacker News 2025 года, типичный сценарий — пользователь оставляет задачу на 20–40 минут и возвращается к готовому файлу. Если по дороге возникает развилка, агент пытается принять решение сам.

Operator работает иначе и делает это сознательно. OpenAI прямо заявляет в safety-разделе на странице сервиса: при встрече с логином, формой ввода платёжных данных или капчей агент обязан остановиться и попросить пользователя действовать самостоятельно. Это не баг и не недоработка — это явная архитектурная политика, ради которой и обучалась отдельная модель CUA. Платёжные данные Operator принципиально не хранит и не передаёт; их вводите только вы.

На практике это означает разный пользовательский опыт. Manus вы запускаете и уходите. Operator вы запускаете и продолжаете сидеть рядом — потому что каждые 3–5 минут он может вернуться с вопросом. Для повторяющихся задач в DoorDash или Instacart это раздражает меньше: партнёрская интеграция снимает половину запросов. Для задач на сторонних сайтах с CAPTCHA — Operator превращается в полу-автоматический инструмент с человеком в петле.

Парадокс автономности: высокая автономность Manus = больше «готовых» задач за день, но и больше задач, заваленных в неверную сторону без вашего ведома. Низкая автономность Operator = задача либо сделана как нужно, либо вы видели каждый её шаг. Для финансовых и публичных действий второе мы считаем правильным выбором.

Operator построен на специально обученной модели CUA (Computer-Use Agent). Принцип работы — vision-based: агент получает скриншот текущей страницы, понимает её как картинку, решает куда кликнуть, передаёт координаты x/y. Это медленнее, чем парсить DOM напрямую, потому что каждый шаг — это новый снимок и новая интерпретация. Но это устойчивее к динамическому контенту, JavaScript-рендеру и сайтам, где DOM не отражает реальный интерфейс.

Manus использует headless Chromium внутри своего sandbox-окружения. Это работает как обычный браузер, управляемый агентом — частично через DOM, частично через инструкции LLM-под-агенту. Архитектурно ближе к классическим автоматизаторам (Playwright, Selenium), только с LLM в роли «головы». В деталях официальная документация молчит.

Ключевое отличие — программа Trusted Websites у Operator. OpenAI заключил соглашения с DoorDash, Instacart, Priceline, Uber Eats, OpenTable, Shopify, StubHub, Expedia, KAYAK и рядом других площадок. На этих сайтах Operator работает значительно надёжнее: есть согласованные точки взаимодействия, площадка не блокирует автоматизацию, агент знает где что лежит. На сторонних сайтах с CAPTCHA или нестандартной вёрсткой Operator застревает — это его публично признанная слабая сторона по обзорам The Verge и TechCrunch января–февраля 2025.

В наблюдениях редакции Operator выигрывает на любой задаче, которая укладывается в коридор «зайди на DoorDash и закажи» — для этого его и обучали. Manus выигрывает там, где после действия в браузере нужно ещё запустить Python-скрипт или собрать таблицу из найденных данных. Прямое сравнение «у кого браузер лучше» некорректно: это сравнение между специализированной отвёрткой и универсальным мультитулом.

В подтеме «coding agent» картина симметричная и резкая. Manus умеет писать и запускать код — у него встроенный Python-интерпретатор в sandbox, отдельный code-агент в multi-agent оркестрации, демонстрационные кейсы с генерацией React-приложений из одного промпта. Operator не делает этого. Совсем. В нём нет интерпретатора кода, нет shell-окружения, нет concept'а «PR» или «тесты». Это не пробел, который OpenAI планирует закрыть в Operator — это другой продукт.

Manus в роли coding-агента — не топовый выбор. На coding-задачах он уступает Devin AI от Cognition по независимым тестам с Hacker News и YouTube 2025 года. Демо «сделай React-приложение» работает на чистых задачах из обучающей выборки; на реальной кодовой базе с зависимостями и legacy-кодом результат плавает. SWE-bench и аналогичные публичные метрики для Manus компания публично не раскрывает — это типичная история с закрытыми стартапами на стадии бета.

Тем не менее в паре с Operator преимущество Manus в этом параметре — драматическое. Если вам нужен «агент, который один сделает Python-скрипт для парсинга», Operator не закроет задачу принципиально, а Manus закроет её с переменным качеством. Это разница между «может» и «не может», а не между «лучше» и «хуже».

Если вы дочитали до этого места и подумали «но Operator же тоже от OpenAI, наверняка он умеет писать код через ChatGPT-канвас» — это другая часть продукта. ChatGPT-канвас и интерпретатор кода — да, есть. Operator как агент — нет, это отдельный поток.

Manus заявлен как сервис для подобных задач — research-агент это одна из трёх его подгрупп. Архитектурно: web research agent параллельно ходит по источникам, code agent считает цифры или строит таблицы, report generation agent собирает финальный артефакт. На выходе — PDF, Excel или текстовый отчёт. По обзорам Hacker News и YouTube за 2025 год Manus в этом сценарии выигрывает у себя же в роли coding-агента, но проигрывает специализированному Gemini Deep Research по чистоте источников и аккуратности отчёта.

Operator в этой подтеме отсутствует как класс. Он не делает research. Он не агрегирует источники в отчёт. Он может зайти на один сайт и взять с него информацию, но синтез из 20 источников с цитированием — не его задача и не его архитектура. Это не недостаток Operator, это очерченная область применения.

В практическом сравнении это означает: для исследовательских задач паре Manus vs Operator не место. Если вам нужен deep research, ваш выбор — Gemini Deep Research или Perplexity Deep Research; Manus идёт третьим вариантом, когда после research нужны ещё код и файлы.

В этой подтеме мы сознательно не ставим Manus девятку, хотя он единственный из пары хоть что-то делает. По нашим тестам качество отчёта плавает: на одном сценарии получился полноценный markdown с цитатами и графиком, на другом — три абзаца общих слов без источников. Стабильности уровня Gemini Deep Research у Manus пока нет.

Manus спроектирован вокруг параллельного планирования. Когда вы даёте ему сложный запрос, оркестратор разбивает задачу на под-задачи и запускает несколько специализированных под-агентов одновременно: пока один лезет в браузер за данными, другой готовит шаблон отчёта, третий пишет Python для расчётов. Это даёт скорость на многокомпонентных задачах. Слабая сторона — иногда планы получаются «избыточными»: агент решает, что задача сложнее, чем есть, и тратит кредиты на лишние шаги.

Operator работает последовательно. CUA-модель видит текущий скриншот, выбирает следующее действие, наблюдает результат, выбирает следующее. План возникает не «заранее на 12 шагов», а как цепочка реакций. Это медленнее, но прозрачнее для пользователя: вы видите каждый шаг в real-time и можете остановить, если агент пошёл не туда.

Читаемость плана для пользователя — параметр, в котором Operator сильнее. Realtime-трансляция действий в браузере, по обзорам The Verge января 2025 года, показывает понятную картинку: «открыл OpenTable → искал ресторан → выбрал время → дошёл до формы → остановился, потому что нужна оплата». У Manus realtime-лог тоже есть, но multi-agent оркестрация делает его более фрагментированным — четыре под-агента пишут параллельно, и сходу не понять, что главное.

Уровень планирования не делает один сервис «лучше» другого — он определяет, какие классы задач реально решаются. Параллельная архитектура Manus выигрывает там, где компоненты можно делать одновременно: research + код + файл. Последовательная архитектура Operator выигрывает там, где шаги принципиально зависимы: вы не можете «параллельно» бронировать столик и оплачивать его до того, как выбрали время.

Это та подтема, где обоим сервисам — есть что улучшать. Manus, по обзорам Hacker News марта 2025 года и пост-launch критике YouTube-блогеров, страдает от двух типичных паттернов. Первый: агент не замечает, что текущий шаг привёл к ошибке, и продолжает достраивать результат поверх сломанной базы. Второй: агент знает, что шаг провалился, но входит в цикл — пробует тот же подход разными вариантами без принципиальной смены стратегии. Кредиты при этом расходуются.

Operator реагирует на ошибки иначе. Его архитектура self-correction сводится не к «попробовать иначе», а к «остановиться и попросить человека». На CAPTCHA — стоп. На странице авторизации — стоп. На неожиданном экране, где модель не знает, что делать — стоп с просьбой к пользователю. Это не self-correction в смысле «agent восстановился сам», но это безопасное поведение: задача не убегает в неправильную сторону.

На trusted websites у Operator self-correction работает лучше, чем где-либо: с DoorDash и OpenTable есть согласованные паттерны, у CUA-модели было больше обучающих данных на этих сайтах. Вне партнёрской сети начинаются типичные «застрял на форме», «не понял модальное окно».

Парадокс: с точки зрения «agent сам восстановился» оба сервиса слабые. С точки зрения «agent не сделал ничего деструктивного» Operator выигрывает за счёт явной политики human-in-the-loop. Для production-задач это важнее «истинной» self-correction.

Manus в этом параметре сильнее по архитектуре. Задача выполняется на серверах сервиса асинхронно — пользователь может закрыть вкладку, выключить компьютер, уйти. Результат лежит в хранилище Manus и доступен через UI при возвращении. По демо-роликам и обзорам 2025 года типичные задачи укладываются в 5–40 минут, более длинные multi-step сценарии — иногда час и больше. Это его реальное преимущество как async-агента.

Operator работает синхронно с пользователем. Сессия Operator живёт в браузерной сессии ChatGPT, и хотя задача может занять 5–10 минут, она требует, чтобы вы оставались на связи: на CAPTCHA или авторизации агент остановится и будет ждать вас. Долгосрочные задачи в смысле «несколько часов работы автономно» — не его сценарий. История задач сохраняется в аккаунте, но это история, а не возобновляемое выполнение.

Memory между сессиями — у обоих ограничена. Manus, по данным dossier, имеет асинхронный run и доступ к артефактам прошлых задач, но persistent context уровня «помнит весь репозиторий» — это про Devin, не про Manus. Operator подобной памяти не имеет вообще; каждая задача начинается с чистого листа.

В оценке мы не путаем «дольше» с «лучше». Manus получает 8 за реальную async-архитектуру, Operator — 5 за принципиальный sync-подход. Если бы Operator пытался имитировать долгосрочность и проваливался, он бы получил ниже; здесь же он просто решает другой класс задач.

Ни Manus, ни Operator не позиционируются как русскоязычные сервисы. Manus ориентирован на английский и китайский — у Monica AI основная аудитория там, по dossier интерфейс на русском не публиковался к моменту проверки 2025-08. Operator работает преимущественно на английских сайтах; в обзорах OpenAI явно сказано, что неанглийские локализации идут в разработке, без сроков.

На уровне понимания задачи русский разбирают оба — это уровень базовой LLM (Claude Sonnet у Manus, CUA у Operator с английским уклоном). На уровне работы с русскоязычными сайтами и поисковой выдачей картина хуже. Manus в browser-режиме формально может зайти на Яндекс или Wildberries, но качество понимания русскоязычной вёрстки и кнопок-надписей по-русски в dossier не зафиксировано как протестированное. Operator на русскоязычных сайтах работает значительно слабее — его CUA-модель обучалась на корпусе с английским уклоном, и trusted websites — все американские.

На уровне генерации русских отчётов у Manus есть преимущество: код и текст он пишет тем языком, на котором его попросили, насколько позволяет базовая модель. Operator не генерирует отчёты в принципе, поэтому пункт неприменим.

В сухом остатке: ни один из двух сервисов не закрывает «российский use case» хорошо. Если вам нужно работать с русскоязычными источниками и площадками — это категория сервисов, в которой пока нет лидера для русского рынка, и Manus с Operator — не исключение.

Manus на момент составления dossier (август 2025) работал по invite-системе с кредитами. Точных коммерческих тарифов компания публично не объявила — это data gap, который нужно проверять перед покупкой. По наблюдениям пользователей кредиты расходуются быстро: сложная задача с кодом и research может съесть существенную часть бесплатного лимита за один запуск.

Operator продаётся внутри подписки ChatGPT. На старте в январе 2025 — только в тарифе Pro за $200 в месяц. В течение 2025 года шёл постепенный rollout на Plus ($20/мес); точные сроки и условия для Plus на август 2025 не задокументированы как стабильные. Enterprise и Team — отдельные условия, не уточнены в dossier.

Если считать «годовую стоимость», получается асимметрия: Operator на Plus стоит $240 в год за прозрачный пакет ChatGPT + Operator с включёнными возможностями. Manus — переменно, в зависимости от того, как часто вы упираетесь в лимиты кредитов. На invite-системе с бесплатным tier для лёгкого использования Manus может выйти дешевле, но это не «бесплатный навсегда», это «бесплатно пока хватает кредитов».

Сравнение не вполне честное: Operator Plus = ChatGPT Plus + Operator (вы получаете оба продукта), Manus credits — это плата только за агентные задачи. Для пользователя, который и так платил бы $20 за ChatGPT Plus, Operator идёт «довеском» — и это сильнее повышает конкурентоспособность OpenAI.

Ни Manus, ни Operator на момент составления dossier не имеют публичного API. Manus — всё взаимодействие через веб-UI на manus.im; программно запустить агента из своего бэкенда нельзя. Operator — тоже только через веб-интерфейс operator.chatgpt.com; OpenAI отдельный публичный API для Operator не предоставляет.

Для команды, которой нужна полноценная программная интеграция, ни один из двух сервисов в этой паре пока не работает. Для разработчиков OpenAI предлагает отдельный продукт — Anthropic Computer Use в свою очередь идёт с API, MultiOn API-first, AgentQL тоже даёт REST. В нашей сравниваемой паре это слабая зона у обоих, но критическая разница в том, что для Operator это скорее вопрос приоритезации OpenAI, а для Manus — вопрос готовности продукта в принципе. Для команды, которой нужна интеграция уже сегодня, ближе ниши Anthropic Computer Use, MultiOn и AgentQL.

Status API для Manus как data gap на 2026-05 — поведение мы рекомендуем перепроверить на manus.im перед интеграцией. У OpenAI ситуация прозрачнее: компания публично говорит про consumer-направленность Operator и предлагает Anthropic-стиль API через отдельные продукты.

Если ваша задача стоит «встроить агента в собственный продукт» — пара Manus vs Operator не та, на которую стоит тратить время сравнения. Это два consumer-первых продукта; для production API смотрите Anthropic Computer Use, MultiOn, AgentQL или Lindy.

Operator принципиально заблокирован для российских IP. OpenAI геоблокирует РФ по сервису ChatGPT, и Operator живёт внутри ChatGPT-аккаунта. Оплата российскими картами через ChatGPT не работает — это публичный факт, подтверждённый политикой OpenAI. Обходные способы — VPN со стабильной зарубежной IP плюс зарубежная карта (виртуальная или физическая). Для регулярной работы это означает дополнительную инфраструктуру и риски.

Manus в этой части картина другая. Компания зарегистрирована в Сингапуре, не американская — у неё нет жёстких политик геоблокировки US-стиля. По нашему dossier на август 2025 прямой доступ из РФ потенциально работает без VPN, хотя это data gap, и реальный статус на 2026-05 стоит перепроверять перед регистрацией. Оплата российскими картами не подтверждена; в invite-период вопрос был неактуален, в коммерческой фазе понадобится международная карта.

Локализация интерфейса у обоих английская. У Operator — только английский на момент launch с обещанием других языков «в разработке» без сроков. У Manus — английский плюс китайский интерфейс, русский в dossier не зафиксирован. Для российского пользователя это означает работу через английский UI в обоих случаях, плюс ограничения на работу с русскоязычными сайтами (см. отдельную подтему про русский язык).

В оценках мы ставим Manus 6/10 при больших data gaps по реальному статусу — этот балл нейтрален и отражает «потенциально работает, без гарантий». Operator получает 2/10: жёсткая геоблокировка, отсутствие оплаты картами РФ, нет 152-ФЗ — это не «потенциально», это «нет».

Sandbox у обоих устроен принципиально иначе, но в обоих случаях агент не работает на вашем компьютере напрямую. Manus запускает Python-интерпретатор и Chromium внутри своего sandbox-окружения на серверах сервиса — то есть код выполняется в изолированном контейнере Manus, файлы создаются там же. Это значит: даже если агент решит «удалить всё», он сможет удалить только что-то внутри своего sandbox, не вашу файловую систему.

Operator работает похожим образом — браузер запускается на серверах OpenAI, не у вас локально. Дополнительно у Operator есть явная политика по чувствительным действиям: платёжные данные принципиально не хранятся и не передаются агенту, их вводите только вы при необходимости. По заявлению на странице сервиса, по умолчанию Operator не может удалять файлы, менять настройки аккаунтов и публиковать контент без вашего подтверждения.

Логирование и rollback — у обоих есть realtime-лог действий, но «откат» в полном смысле, как в системе с транзакциями, отсутствует. Если Manus неправильно купил билет или Operator не туда отправил форму, отменить действие можно только средствами площадки, на которой это произошло. Это общая слабость browser-use агентов как класса.

В этом параметре Operator выигрывает за счёт явных политических ограничений — компания публично описала, что агенту запрещено делать без подтверждения. У Manus аналогичная зрелость политик публично не задокументирована; это типичная разница между большой компанией с safety-командой и стартапом на стадии бета.

OpenAI как компания имеет SOC 2 Type 2 на основном уровне (применимо к Enterprise-контурам), GDPR-compliance на уровне европейского регуляторного фреймворка. Для Operator конкретно эти галочки наследуются от уровня OpenAI как организации; при этом отдельных публичных гарантий «данные задач Operator не используются для обучения» для Pro и Plus пользователей нам в dossier не зафиксировано. Для Enterprise — действуют общие enterprise-контракты OpenAI.

Manus в этой части — закрытая зона. Privacy policy компании в dossier помечена как не изученная полностью, политика обучения на пользовательских данных публично не сформулирована, статус SOC 2 не подтверждён. Юридическое лицо — в Сингапуре, команда частично в Китае — это создаёт дополнительные вопросы для европейских и российских корпоративных пользователей по поводу того, где физически обрабатываются данные.

Для аудитории AIRatings ключевой практический вывод: если вы работаете с клиентскими данными или коммерческой тайной — оба сервиса требуют отдельной верификации перед production-использованием. У Operator есть инфраструктура enterprise-контрактов, у Manus её на момент проверки нет.

В оценке непрозрачность мы считаем минусом — это позиция редакции, зафиксированная в §17 SKILL.md. Manus получает 4/10 за отсутствие публичной политики, а не «нейтральные 5», потому что для категории, где агент трогает чужие данные, отсутствие политики — это активный минус.

Operator — продукт OpenAI, одной из самых финансируемых частных компаний в мире. Поддержка Microsoft, Softbank, Thrive Capital. Закрытие Operator в течение года теоретически возможно (если OpenAI решит сменить продуктовую стратегию), но компания целиком от этого не пошатнётся. Сам сервис ChatGPT — 400M+ пользователей в 2025 году, и Operator растёт внутри этой экосистемы.

Manus — продукт Monica AI (юридически Butterfly Effect AI, Inc., Сингапур). Команда работала над Monica.im — Chrome extension с productivity-функциями на основе AI, у которой 3M+ пользователей. Это даёт распределённую базу: даже если Manus как отдельный продукт не «взлетит» коммерчески, у компании есть второй продукт. Раунды финансирования публично не раскрывались в полном объёме; точные суммы — data gap.

Риски двух разные. OpenAI — риск «сменили приоритеты, закрыли Operator, перевели в другой продукт» (как было с предыдущими экспериментами компании). Monica AI — риск «закончились деньги, бета остановилась». Для пользователя оба сценария означают одно и то же — нужно мигрировать, но скорости разные.

В оценках мы ставим Operator 10/10 за корпоративную стабильность компании-владельца — здесь сложно представить более устойчивый бэкграунд в индустрии. Manus получает 6/10: команда с историей, но сам продукт молодой, и Monica AI как компания значительно меньше OpenAI.

Андрей, аналитик-консультант из Москвы, 4–5 отчётов в неделю. Задачи: собрать данные с 10+ источников, посчитать, оформить в PDF. Английским владеет на рабочем уровне. Доступа к VPN нет. Берёт Manus — потенциально работает из РФ без VPN, делает research плюс код плюс отчёт в одной сессии. Готовится к тому, что черновики придётся доводить руками, и не запускает агента на финансовых данных без верификации.

Мария, маркетолог в e-commerce компании в США, ChatGPT Pro уже подписан для работы. Задачи: каждое утро проверить цены конкурентов на типовых US-площадках, заказать кофе через DoorDash, забронировать переговорку. Берёт Operator — он уже включён в её подписку, на trusted websites работает надёжно, кода и research ей не нужно.

Виталий, разработчик в стартапе, рассматривает агента для встраивания в свой продукт. Задача: программно запускать browser-задачи через API. Не берёт ни Manus, ни Operator — публичного API нет ни у одного. Идёт к Anthropic Computer Use, MultiOn или AgentQL.

Елена, юрист в крупной российской компании. Задачи: сбор информации из открытых реестров, оформление в таблицу для аналитической записки. Требования: понятные политики обработки данных, желательно SOC 2. Не берёт никого из пары — Manus непрозрачен по privacy, Operator требует VPN и не имеет 152-ФЗ. Использует ChatGPT Enterprise через корпоративный канал плюс отдельные инструменты для browser-задач.

Только два из четырёх портретов попадают в пару Manus vs Operator. Это честная картина для категории ai-agents в 2026: ни один универсальный агент пока не закрывает все профили, и для специфических требований нужны специализированные сервисы.