摘要：在这波Agent浪潮中，产品已然形成两大阵营：专注特定领域深耕的垂直型Agent，和试图覆盖全场景的通用 Agent。这场"谁才是Agent 的终极形态"的争论或许为时尚早——底层模型能力才是产品能力的真正瓶颈：通用型难称全能，垂直型的深度也受限。
2025年上半年，Agent成为大模型领域讨论最多的主题之一。
在这波Agent浪潮中，产品已然形成两大阵营：专注特定领域深耕的垂直型Agent，和试图覆盖全场景的通用 Agent。这场"谁才是Agent 的终极形态"的争论或许为时尚早——底层模型能力才是产品能力的真正瓶颈：通用型难称全能，垂直型的深度也受限。
当下对用户决策而言，更为关键的是：Agent能否精准地嵌入工作流程？提供的价值是否配得上用户付出的费用？当试用期结束，用户是否会自发认可其不可替代性？
抛开技术路线之争，回归实用视角。腾讯科技将实测现在最热门的三个产品： Manus 、 Flowith (Agent Neo)、Lovart，展示它们的最佳使用场景，为读者提供一手的实用参考。
省流版 读懂三个产品的差异首先，这三款Agent产品从定位上有明显差异：
虽然 Manus 和 Flowith 同为通用型Agent，但 Manus 更像可以独立交付成品的“数字同事”， 主打把任何想法直接穿过浏览器、终端、代码编辑器等一整套工具链，自动分解为子任务并跑到结果落地。
而 Flowith （Agent Neo）则更强调“可视化协作”及无限步骤： 无限画布里一次对话可以开出多条并行线程，团队成员把素材、评论和分支随手拖拽，Oracle Mode 会动态重排优先级、持续几千步完成网站、小程序或 3D 互动页面的制作。
Lovart深度垂直于设计场景，它像一支外包工作室， 把用户需求拆成主题、风格、素材、排版四段流水线，再调用图-动-声多模态模型，把 Logo、海报、短视频乃至印刷刀版一次性产出，并保持图层可编辑、可直接导入 Figma 及 PS 继续精修。
其次，在典型的应用场景上：
Manus 的“交付型”能力最适合需要完整成果物 的知识工作 ：市场研究报告、财务模型、长篇法律备忘录都能在十分钟级别跑完并附带引用和源文件。
Flowith 擅长信息量巨大且需要多人迭代的创作场景： 比如我们把千页文献或社媒数据导入“知识花园”，系统实时检索、标注并在画布上呈节点关系，开发者还能直接在同一平面协作，让“想法-草图-产品”在一个界面里闭环。
Lovart的重点则在高附加值的品牌视觉与内容营销上 ，比如创作者用一句话请求“为植物基护肤品牌做某社交网站的启动宣传方案”，它便按品牌色、排版模板、社媒尺寸一键输出五张海报和 30 秒预热视频。
我们把关键信息总结到了下面的表格中：场景一：简单的创意场景， 不如直接用GPT-4o
在这个场景中，我们用了两个提示词来对比简单的创意场景下的展示效果。
由于Lovart、 Manus 调用的底层模型均包含GPT-4o，所以为了测试的完整性，我们也使用了GPT-4o作为对比。
从最终的生成效果来看，大家不分伯仲，且风格十分类似。但在图片的质感和图文混排效果上，Lovart要优于 Manus 、 Flowith 及GPT-4o。但是GPT-4o的生成速度，要比这三个 Agent 都快。
提示词一：
简洁而富有创意的广告，背景为干净的白色背景。
一个真实的[机器人]被融入到手绘的黑色墨水涂鸦中，线条流畅，趣味十足。涂鸦描绘了[AI Real]。在顶部添加粗体黑色“[We Are Friends]”字样。将[AI]的标志清晰地放置在底部。视觉效果应简洁、有趣、对比度高，且概念巧妙。
提示词二：
设计一个巨物崇拜风格的图片，比例9:16，风格神秘，并有故事感
以下为实测结果：
场景二：根据分镜脚本绘制完整的连环画， Manus 风格更统一
三个 Agent 因为底层模型一样，生成图片的风格都比较类似。
其中，中文图文混排能力Lovart的最强，文字清晰、在整个构图中显示和谐； Manus 的文字会压在图片上，有一些中文错乱； Flowith 整体表现中规中矩；基础模型GPT-4o的中文显示会出现错乱。
在风格统一性上， Manus 和GPT-4o的风格最统一， Flowith 其次。
场景三：用英文Prompt输出综合创意场景： Flowith 给自己疯狂加活
这次我们用英文Prompt进行测试，要求 Agent根据提示词的要求，输出完整的数字巴洛克风格的设计 ，应用场景为品牌推广、线上虚拟服装宣传以及社交媒体宣传 。以下为Prompt原文，提出了内容主题、风格、颜色、质感、尺寸。
提示词：
Content:
Theme: "Digital Luxury and Future Fashion." Combines Digital Baroque and trendy fashion to showcase virtual clothing, digital models, and futuristic accessories, conveying a bold and luxurious brand identity.
Style:
A mix of Digital Baroque and modern trends with intricate 3D patterns, futuristic geometric lines, and dynamic lighting.
Color Palette:
Deep metallics (rose gold, bronze) + vibrant neon hues (electric blue, fluorescent purple, neon pink) for strong contrast.
Mood/Material:
Dreamy, surreal, with materials like digital metallic textures, holographic gradients, and glossy glass effects.
Proportion/Size:
16:9 HD horizontal, optimized for mobile screens.
Usage Scenario:
Perfect for digital fashion branding, virtual clothing promotion, and social media campaigns.
Lovart返回了三张图片，分别是一张身穿巴洛克风格服饰的模特、巴洛克风格的配饰、巴洛克风格的背景。在最终的界面中，我们也可以选择对图片进行二次编辑。在顶部的工具栏中，可以进行扩图、消除背景、增加某些配件等操作。
在这次实测中， Flowith 的输出超出预期，它给自己疯狂加活，在自由画布中，对数字巴洛克风格进行了超级详细的分析，最终生成了10张图片，和一个带有交互的网站页面，以及网站的源代码。
场景四：综合场景 ：均有特色，也有缺失
给出Agent一个综合性的任务，通过一段提示词引导它完成复杂的目标。 任务示例：模拟一家初创饮料公司，仅提供一句品牌定位口号，避免过多信息干扰，要求Agent在一次对话中完成提示词中列出的所有内容。
提示词：
角色：你是品牌设计总监。
目标：用一句话“银河柚气——把星空装进汽泡”完成如下交付：
1. 生成 Logo、三色配色、两张 A3 竖版海报排版；
2. 制作 15 秒竖屏开屏视频，含品牌 Slogan 动效与原创配乐；
3. 输出 TikTok 发布脚本（3 段）和 7 天发布时间表；
4. 提供 Figma/PSD 源文件下载链接。
Manus 输出 了一个压缩文件包，文件包中包括了品牌logo和配色方案、A3竖版海报、15s的开屏视频、一个有动态展示效果的网页（HTML5版本）、TikTok营销方案。
但是，只提供了Figma/PSD结构说明，并没有可下载的源文件或源文件链接。这个要求其实十分复杂，Figma 和 Photoshop 的源文件就像是包含所有设计步骤和可编辑元素的复杂“工程蓝图”，而 AI 目前更擅长画出“最终效果图”（比如一张图片），还很难直接创造并打包这种结构极其精密的“蓝图文件”。Manus将这个蓝图如何设计进行了详细说明，也算是完成了任务。但是，最终的展示效果还比较半成品，可能还需要多轮修改。
图：Manus 输出的 网页效果
Lovart交付结果如下图所示，TikTok的营销方案是用一张可视化的图呈现出来，并生成了一个可以动态展示的网页。同样没有生成可以下载的 Figma 和 Photoshop 的源文件，但是生成了多张图片，从背景到主体都覆盖，可以用顶部的工具栏进行二次编辑，或者是下载下来，用PS等软件进行二次编辑。视频也展示出了把星空装进气泡的动态效果。整个方案的完成度比较高。
宣传方案网页：
Flowith最终的交付物也是缺少了 Figma/PSD 源文件下载链接，在最终的视觉呈现上，有比较浓的GPT-4o感觉。视频生成有些偏差，没有呈现出与饮料的关联，和之前的主视觉色调、风格不太匹配。
文字版配色方案：
主色 宇宙深蓝 #0A1F3C 象征深邃浩瀚的星空，奠定品牌的科技感和梦幻基调。适用于大面积背景、品牌文字主色，营造沉稳、神秘的视觉效果。
辅色 气泡银 #C0C0C0 代表汽泡的跳跃和光泽，强调饮品的活力和清新口感。适用于Logo中的气泡、辅助图形元素，以及与宇宙深蓝搭配使用，增加层次感和时尚感。
点缀色 柚子黄 #FFD700 提取柚子色泽，象征清新自然的果味，为整体配色注入活力。适用于Logo中的柚子元素、重要信息突出、以及与深蓝和银色搭配，形成视觉焦点。
场景五：深度研究场景：Lovart缺席， Flowith 和Manus各有所长
深度研究场景中，Agent的核心竞争力在于一套相互衔接的"长链"能力：将模糊主题分解为可执行步骤，在海量信息中精准检索融合，为结论提供可验证来源，并能在执行过程中自我纠正。
只有这些能力形成闭环，Agent才能应对持续数十分钟、涉及上百操作的复杂研究任务。因此，能力强大的Agent产品必须整合长程规划、超长上下文理解、增强检索、工具调用、自我反思和可信溯源六大核心能力，构建一个可靠且可扩展的系统，以确保在复杂研究场景中的输出既准确高效，又可追溯验证。
由于Lovart是专注于设计能力的Agent，在这个场景不适配。 我们重点评测了Manus和Flowith。
以下为实测案例：
提示词：
调研Claude 4可以连续编码7小时， Flowith 可以超长上下文+持续自制，这背后的主要技术原理是什么？在基础模型仍然有上下文限制的情况下，这是如何做到的？大模型的长程自自治对人类的意义是什么？智能体的长时间工作能力，在之前从未被作为一个评测模型或AI产品的指标，为什么现在被持续提及。联网调研arxiv等网站，查看相关论文，是否有相关论述？从社交媒体、机构媒体上，看行业内的Kol如何表达。输出一个完整的报告：需要有基本原理的解读、产业的实用意义、目前的卡点、未来的发展路线研判。
Flowith和Manus的耗时差不多都是5分钟左右。Flowith生成了12375字的最终版报告，以及32个节点文档。
Manus生成了最终12813个字的最终报告，以及9个拆分主题的文档，比如技术背景研究。
从最终生成的深度报告质量来看，两个Agent难分高下。但是，他们不同的工作过程和工作原理，可以让我们使用到不同的场景中。
Flowith 和 Manus 都能把“先检索、再推理、再执行”整合进一条流水线，但它们的实现侧重点不同：Flowith 依赖“Oracle Mode + Knowledge Garden”把大量原始资料沉淀到可视节点，再以几千步的无限链条完成深度分析；
图：Flowith的工作界面
Manus 强调“浏览器／终端／代码编辑器”三合一工具编排，追求把研究结果直接变成可交付成品。
图：Manus工作界面
当研究材料海量、需要多人协作并频繁迭代时，Flowith 的“知识花园 + 可视链”更合适。
如果我们更看重快速产出、结果必须落地为网站、脚本或成品文档，且数据合规风险可控时，Manus 的工具编排会更省心。
若场景既要求超长上下文又需本地或私有云部署，当前两个方案都不够完备，都需要混合自主检索框架或专业研究代理补位。
用户 愿意 为 Agent 花钱吗？Lovart 仍处于邀请码免费试用阶段；Flowith 将入门订阅定在 19.9 美元／月；Manus 5 月 13 日开放注册后，基础版定价为19 美元／月，与 Flowith 看齐。按当前汇率折算，这一价位一年约需 1700 元人民币。
对不同用户群体而言，同样的价格意味截然不同的决策逻辑：
普通用户以轻度体验和兴趣驱动为主，只有在某项功能显著提升个人效率时，才会考虑从免费转向付费。
专业用户（内容创作者、自由职业者）把高质量输出与稳定性视为刚需，如果工具能节省制作时间、提高交付水准，则 20 美元级别的月费相对容易接受。
B 端用户（团队、企业）更看重安全合规、权限管理和 API／工作流集成；只要产品在这些环节可靠，月费并非付费的阻碍。
因此，决定性拐点可能不在于模型性能再提升几个百分点，而在于产品能否凭明确的效率红利，把“好奇心流量”转化为“月复购 GMV”。只有当个人或小团队心甘情愿地把每月的“咖啡钱”变成“Agent 提效费”，这些 Agent 产品才算真正迈过商业化门槛。
图：Manus价格
图：Flowith价格
ima知识库
AI能量站汇集AI应用实践的基础科普与教程，覆盖全球热门公司、顶尖科学家、研究员以及市场机构输出的人工智能的基础理论、技术研究、价值对齐理论和产业发展报告，以及全球的AI监管政策。帮助AI小白入门，替进阶选手跟踪最新的AI知识。来源：晚晚的星河日记一点号