Sie haben von KI-Tools für „Deep Research“ gehört … jetzt führt Manus „Wide Research“ ein, das über 100 Agenten einsetzt, die das Internet für Sie durchforsten

Das chinesische KI-Startup Manus , das Anfang des Jahres mit seinem Ansatz einer Multi-Agent-Orchestrierungsplattform für Verbraucher und „Pro“-Summer (Berufstätige, die Arbeitsabläufe steuern möchten) Schlagzeilen machte , ist mit einer interessanten neuen Anwendung seiner Technologie zurück.

Während viele andere große konkurrierende KI-Anbieter wie OpenAI , Google und xAI „Deep Research“- oder „Deep Researcher“-KI-Agenten auf den Markt gebracht haben, die minuten- oder stundenlange, umfassende und gründliche Webrecherchen durchführen und im Auftrag der Benutzer gut zitierte, ausführliche Berichte verfassen, verfolgt Manus einen anderen Ansatz.

Das Unternehmen hat gerade „Wide Research“ angekündigt, eine neue experimentelle Funktion, die es Benutzern ermöglicht, groß angelegte und umfangreiche Aufgaben auszuführen, indem sie die Leistung parallelisierter KI-Agenten nutzen – sogar mehr als 100 gleichzeitig, die sich alle auf die Erledigung einer einzigen Aufgabe (oder einer Reihe von Unteraufgaben, die zu diesem übergeordneten Ziel führen) konzentrieren.

Berichten zufolge nutzt Manus für seine Plattform Modelle von Anthropic Claude und Alibaba Qwen.

In einem auf dem offiziellen X-Konto geposteten Video zeigt Manus-Mitbegründer und Chefwissenschaftler Yichao „Peak“ Ji eine Demo zur Verwendung von Wide Research zum Vergleich von 100 Turnschuhen.

Um die Aufgabe zu erledigen, aktiviert Manus Wide Research nahezu augenblicklich 100 gleichzeitig laufende Unteragenten, von denen jeder mit der Analyse des Designs, des Preises und der Verfügbarkeit eines Schuhs beauftragt ist.

Das Ergebnis ist eine sortierbare Matrix, die innerhalb weniger Minuten sowohl im Tabellenkalkulations- als auch im Webseitenformat bereitgestellt wird.

Das Unternehmen weist darauf hin, dass Wide Research nicht auf die Datenanalyse beschränkt ist. Es kann auch für kreative Aufgaben wie Design-Exploration verwendet werden.

In einem Szenario erstellten Manus-Agenten gleichzeitig Posterdesigns in 50 verschiedenen visuellen Stilen und gaben die fertigen Elemente in einer herunterladbaren ZIP-Datei zurück.

Laut Manus ergibt sich diese Flexibilität aus dem systemweiten Ansatz zur parallelen Verarbeitung und Agent-zu-Agent-Kommunikation.

In dem Video erklärt Peak, dass Wide Research die erste Anwendung einer optimierten Virtualisierungs- und Agentenarchitektur ist, die die Rechenleistung im Vergleich zu den ursprünglichen Angeboten um das 100-fache skalieren kann.

Die Funktion ist so konzipiert, dass sie bei Aufgaben, die eine umfassende Analyse erfordern, automatisch aktiviert wird, ohne dass manuelle Umschaltungen oder Konfigurationen erforderlich sind.

Wide Research ist ab heute für Nutzer des Manus Pro-Tarifs verfügbar und wird nach und nach auch für Nutzer der Plus- und Basic-Tarife zugänglich sein. Die Abonnementpreise für Manus sind derzeit wie folgt pro Monat strukturiert.

• Kostenlos – 0 $/Monat. Beinhaltet 300 tägliche Aktualisierungsguthaben, Zugriff auf den Chat-Modus, 1 gleichzeitige Aufgabe und 1 geplante Aufgabe.
• Basic – 19 $/Monat. Enthält 1.900 monatliche Credits (+1.900 Bonus während des begrenzten Angebots), 2 gleichzeitige und 2 geplante Aufgaben, Zugriff auf erweiterte Modelle im Agentenmodus, Bild-/Video-/Foliengenerierung und exklusive Datenquellen.
• Plus – 39 $/Monat. Erhöht sich auf 3 gleichzeitige und 3 geplante Aufgaben, 3.900 monatliche Credits (+3.900 Bonus) und umfasst alle Basisfunktionen.
• Pro – 199 $/Monat. Bietet 10 gleichzeitige und 10 geplante Aufgaben, 19.900 Credits (+19.900 Bonus), frühen Zugriff auf Betafunktionen, ein Manus-T-Shirt und den vollständigen Funktionsumfang einschließlich erweiterter Agententools und Inhaltsgenerierung.

Für Benutzer, die jährlich im Voraus zahlen möchten, gibt es außerdem einen Rabatt von 17 % auf diese Preise.

Die Markteinführung baut auf der Infrastruktur auf, die Anfang des Jahres mit Manus eingeführt wurde und die das Unternehmen nicht nur als KI-Agent, sondern als persönliche Cloud-Computing-Plattform beschreibt.

Jede Manus-Sitzung läuft auf einer dedizierten virtuellen Maschine und bietet Benutzern Zugriff auf orchestrierte Cloud-Berechnungen über natürliche Sprache – ein Setup, das das Unternehmen als Schlüssel zur Ermöglichung echter allgemeiner KI-Workflows ansieht.

Mit Wide Research können Manus-Benutzer Recherchen oder kreative Erkundungen an Dutzende oder sogar Hunderte von Unteragenten delegieren.

Im Gegensatz zu herkömmlichen Multiagentensystemen mit vordefinierten Rollen (wie Manager, Programmierer oder Designer) ist jeder Subagent bei Wide Research eine voll funktionsfähige Manus-Instanz mit allen Funktionen – und keine spezialisierte Instanz für eine bestimmte Rolle –, die unabhängig arbeitet und jede allgemeine Aufgabe übernehmen kann.

Diese architektonische Entscheidung, so das Unternehmen, öffne die Tür zu einer flexiblen, skalierbaren Aufgabenabwicklung, die nicht durch starre Vorlagen eingeschränkt sei.

Die Folgerung scheint zu sein, dass die parallele Ausführung all dieser Agenten schneller geht und zu einem besseren und vielfältigeren Satz von Arbeitsprodukten führt, die über Forschungsberichte hinausgehen, im Gegensatz zu den einzelnen „Deep Research“-Agenten, die andere KI-Anbieter gezeigt oder eingesetzt haben.

Doch während Manus Wide Research als Durchbruch in der Agentenparallelität anpreist, liefert das Unternehmen keine direkten Beweise dafür, dass das Erzeugen von Dutzenden oder Hunderten von Subagenten effektiver ist, als wenn ein einzelner Agent mit hoher Kapazität Aufgaben sequenziell erledigt.

Die Veröffentlichung enthält keine Leistungsbenchmarks, Vergleiche oder technischen Erklärungen, die die Nachteile dieses Ansatzes begründen – wie etwa erhöhten Ressourcenverbrauch, Koordinationskomplexität oder potenzielle Ineffizienzen. Es fehlen auch Details zur Zusammenarbeit der Subagenten, zur Zusammenführung der Ergebnisse oder dazu, ob das System messbare Vorteile hinsichtlich Geschwindigkeit, Genauigkeit oder Kosten bietet.

Obwohl die Funktion architektonische Ambitionen zeigt, bleiben ihre praktischen Vorteile gegenüber einfacheren Methoden auf Grundlage der bereitgestellten Informationen unbewiesen.

Während die Implementierung von Wide Research durch Manus als Fortschritt in allgemeinen KI-Agentensystemen positioniert ist, wurden im breiteren Ökosystem mit ähnlichen Subagentenansätzen gemischte Ergebnisse erzielt.

Auf Reddit beispielsweise äußerten selbsternannte Benutzer von Claude's Code Bedenken, dass die Subagenten langsam seien, große Mengen an Token verbrauchen und nur eingeschränkte Einblicke in die Ausführung böten.

Zu den häufigsten Schwachstellen zählen fehlende Koordinationsprotokolle zwischen Agenten, Schwierigkeiten beim Debuggen und eine unregelmäßige Leistung während Zeiten mit hoher Auslastung.

Diese Herausforderungen spiegeln sich nicht unbedingt in der Implementierung von Manus wider, sie verdeutlichen jedoch die Komplexität der Entwicklung robuster Multi-Agenten-Frameworks.

Manus räumt ein, dass Wide Research noch experimentell ist und im weiteren Verlauf der Entwicklung einige Einschränkungen mit sich bringen kann.

Mit der Einführung von Wide Research verstärkt Manus sein Engagement für die Neudefinition der Interaktion von Benutzern mit KI-Agenten im großen Maßstab.

Während andere Plattformen mit den technischen Herausforderungen der Subagentenkoordination und -zuverlässigkeit kämpfen, kann Manus‘ Ansatz als Testfall dafür dienen, ob verallgemeinerte Agenteninstanzen – und nicht eng gefasste Module – die Vision einer nahtlosen, mehrfädigen KI-Zusammenarbeit verwirklichen können.

Das Unternehmen deutet größere Ambitionen an und meint, dass die Infrastruktur hinter Wide Research die Grundlage für zukünftige Angebote bildet. Nutzer und Branchenbeobachter werden genau beobachten, ob diese neue Agentenarchitektur ihr Potenzial ausschöpfen kann – oder ob die Herausforderungen, die es anderswo im KI-Bereich gibt, irgendwann aufholen werden.