与 DeepSeek 相比，Manus 智能体可能存在以下一些劣势：

认知推理能力相对较弱：在需要深度推理的医疗诊断、法律论证、科研数据分析等场景，Manus 表现逊于 DeepSeek。例如处理《Nature》论文时，DeepSeek 可输出 37 页解读报告，而 Manus 仅触发商业转化提醒，暴露出 “强执行弱认知” 的短板。技术创新性受质疑：部分开发者指出，Manus 本质是 “工具链整合者” 而非 “技术创新者”，其一些功能与自动化工具链差异有限，甚至有观点认为这是 “高级套壳”，动态调度 GPT-4、Claude3 等模型完成执行层封装。存在工具依赖问题：Manus 过度绑定 Photoshop、Excel 等商业软件，可能陷入 “适配即落后” 的困境，跨平台自主创新力不足，在预定义的软件工具之外，它无法运行，可运行的软件范围相对受限。复杂问题处理能力有待提升：在 GAIA 测试 Level 3 任务中，Manus 准确率仅 59%，复杂问题处理能力待突破，而 DeepSeek 在数学竞赛中能达到人类前 5% 的水平，在复杂问题处理方面有一定优势。应用场景存在局限：DeepSeek 可应用于法律文书生成、科研数据分析等复杂推理领域，而 Manus 更侧重于一些常规的任务执行，如筛选简历、旅行规划等，在复杂专业领域的应用相对较浅。可能存在成本较高问题：虽然 Manus 通过异步执行可实现 “批量任务处理”，但业内人士测算其单任务成本约 2 美元，C 端用户实际支付溢价超百倍，相比 DeepSeek 凭借 MoE 架构将推理成本压缩至 GPT-4 的 1/10，其成本优势不明显，商业模式可持续性存疑。系统稳定性需加强2：有用户反映 Manus 会出现访问需要登录的网站受阻、系统负载过高导致任务失败或速度缓慢等问题，在系统稳定性方面可能不如 DeepSeek。