Manus近期撤出中国市场、清空海内社交账号内容，全力转战外洋市
。俜节故驮倒试芍饕谀被实牡鹘饧肮驶峁
。北京时间7月19日，Manus联合首创人季逸超宣布手艺博客，首度从手艺角度做出回应，总结创业以来在Agent研发与训练方面的履历教训
。

单从手艺层面来看，季逸超体现Manus会着重押注上下文（Context）工程，借助结构“影象”与流程实现产品快速迭代
。主要包括押注上下文、不再训练模子，强调KV-Cache（Key-Value Cache，一种缓存机制）掷中率意义，不动态添加工具，以及用文件系统承载长期上下文等方面
。焦点即节约底层模子训练本钱，着重训练效率的提高
。

上下文在大模子中通常指模子在处置惩罚使命或天生输出内容时所参考的信息荟萃，能够资助模子增强明确能力、提高使命性能、增强输出连贯性
。此前月之暗面Kimi首创人杨植麟在采访中强调过上下文的主要性，他称，Ai-native（由AI界说产品形态）产品的最终价值在于提供个性化交互，而无损长上下文（LosslessLongContext）是告竣这一目的的要害
。他判断模子的微调恒久来看不应保存，用户与模子的交互历史就是最好的个性化历程，而长上下文手艺能更好地纪录和使用这些交互历史
。

另外，KV-Cache掷中率至关主要，主要是由于高掷中率可以提高推理效率，优化资源使用率，降低盘算本钱
。也正基于此，KV-Cache常被称为Transformer模子推理阶段的效率焦点
。

选择从上述各方面提高训练效率，而非从底层模子最先投入，是季逸凌驾往多年总结的教训
。他称，创业上一家公司（Peak Labs）时，团队决议重新最先为开放信息提取和语义搜索训练模子，但之后不久，OpenAI的GPT-3与Google的Flan-T5模子泛起了，团队重新研发的内部模子一夜之间变得无关紧要
。“讥笑的是，这些模子标记着上下文学习的最先，以及一条全新的前进蹊径
。”季逸超称
。

基于此前教训，创业Manus后，团队不再投入基座模子研发，而是从使用开源基础模子训练端到端Agent，与基于前沿模子上下文学习能力构建Agent两个选项中举行选择
。虽然Peak Labs的教训令Manus团队意识到上下文的主要性，但这并禁止易，履历过四次Agent框架调解才实现局部最优解
。

但需注重的是，该战略仍保存局限，尤其在面临类似OpenAI刚宣布的ChatGPT Agent时
。焦点缘故原由在于ChatGPT Agent依托OpenAI专用模子，接纳端到端训练，可以更好地处置惩罚重大使命，而Manus虽然可以提高效率，但仍依赖外部多模子组合与工程优化，在使命执行连贯性与准确性上稍逊一筹
。

另外，在Manus转战国际市场的节点，OpenAI依附底层模子优势将Agent行业带入拐点，吸引更多开发者与用户至大厂平台，虽然创业公司在笔直领域具备生涯空间，但仍不可阻止地面临市场份额被争取的挑战
。尤其在当下Agent类产品保存同质化严重、商业模式不明、本钱高企等逆境时，上下文工程等方面的亮点缺乏以让创业公司跳脱出来，团队仍需一连优化手艺战略，探索差别化生长路径
。