A dicembre 2025, Meta ha chiuso una delle acquisizioni più significative nella storia dell’intelligenza artificiale: oltre 2 miliardi di dollari per Manus, un sistema sviluppato dalla startup Butterfly Effect con sede a Singapore. Una cifra che fa rumore, soprattutto considerando che stiamo parlando di una tecnologia lanciata pubblicamente solo a marzo 2025. Eppure, quella somma non è frutto di una scommessa visionaria — Meta ha comprato risultati concreti, capacità dimostrate, un prodotto che già nel suo primo anno ha generato 125 milioni di dollari di fatturato ricorrente vendendo abbonamenti alle aziende.

Ma cos’è esattamente Manus? E perché si parla di “agente AI” invece che di chatbot, anche se apparentemente fa cose simili — risponde a domande, scrive codice, analizza dati? La differenza non è solo terminologica. È una questione di paradigma. E capirla significa comprendere dove sta andando l’intelligenza artificiale nei prossimi anni.

Chatbot vs agenti AI: cosa cambia davvero

Quando interagiamo con ChatGPT, Claude o Gemini, stiamo parlando con sistemi che attendono i nostri input per generare risposte. Sono brillanti conversatori, scrivono testi impeccabili, analizzano documenti, traducono codice — ma rimangono fondamentalmente reattivi. Gli diamo un compito, loro lo eseguono. Gli chiediamo un’altra cosa, loro rispondono. Ogni azione richiede una nuova istruzione.

Un agente AI funziona diversamente. Riceve un obiettivo — non una serie di micro-istruzioni — e lo porta a termine in autonomia. Pianifica i passaggi necessari, utilizza strumenti digitali, corregge gli errori che incontra, itera finché il risultato non è pronto. Non chiede continuamente “e adesso cosa faccio?” — procede, decide, consegna.

La metafora più calzante? Il chatbot è il consulente che ti dice come fare le cose. L’agente è il collaboratore che le fa per te.

Manus AI appartiene proprio a questa seconda categoria. Il nome stesso — derivato dal motto del MIT, “Mens et Manus”, mente e mano — cattura l’essenza del progetto: unire l’intelligenza del ragionamento alla capacità concreta di agire nel mondo digitale. Non suggerire, ma eseguire. Non descrivere, ma costruire.

Come funziona Manus: un’architettura multi-agente orchestrata

Dietro l’interfaccia apparentemente semplice di Manus si nasconde un sistema sofisticato che coordina molteplici componenti specializzati. L’architettura è multi-agente: invece di affidarsi a un singolo modello monolitico che cerca di fare tutto, Manus distribuisce i compiti tra diversi “sub-agenti”, ciascuno ottimizzato per una funzione specifica.

Il cervello centrale — il Planner — riceve l’obiettivo dell’utente e lo scompone in sotto-task. Analizza cosa serve per arrivare al risultato finale e costruisce una strategia. A quel punto entrano in gioco gli Executor: agenti specializzati che si occupano di task specifici come navigare sul web, scrivere ed eseguire codice, manipolare file, interrogare API esterne.

Questa divisione del lavoro è fondamentale. Permette a ogni agente di concentrarsi su un compito limitato e ben definito, con un contesto ristretto, migliorando la qualità e l’affidabilità del risultato. È come avere una squadra di specialisti invece di un tuttofare.

Il ciclo operativo di Manus segue quattro fasi:

1. Analisi: interpreta la richiesta dell’utente e definisce i criteri di successo
2. Pianificazione: scompone l’obiettivo in passaggi e seleziona gli strumenti necessari
3. Esecuzione: agisce autonomamente, usando browser, terminali, librerie di codice
4. Iterazione: verifica il risultato, corregge eventuali errori, ripete finché non è completo

Un dettaglio interessante: Manus non ha sviluppato da zero un proprio foundation model. Ha fatto una scelta strategica diversa — utilizzare i migliori modelli linguistici disponibili sul mercato e orchestrarli in modo intelligente. Analisi tecniche confermano che Manus si basa principalmente su Claude 3.5 e 3.7 di Anthropic (noti per le capacità di ragionamento, comprensione di contesti lunghi e scrittura di codice) e su versioni fine-tuned di Qwen di Alibaba, particolarmente performanti in termini di costo e ottimizzazione per compiti specifici.

Questa strategia permette a Manus di essere sempre all’avanguardia, scegliendo dinamicamente il “cervello” migliore per ogni sotto-compito in base alla complessità, al costo, alla lingua e alle capacità richieste.

La sandbox cloud: dove Manus “lavora”

Tutta l’operatività di Manus avviene in un ambiente di calcolo virtuale basato su cloud — una sandbox Linux Ubuntu isolata e sicura dove l’agente può operare senza rischi per i sistemi esterni. All’interno di questo spazio, Manus ha accesso a strumenti potentissimi:

• Browser completo per navigare il web in tempo reale
• Interprete di codice per eseguire script Python, JavaScript e altri linguaggi
• Terminale shell per interagire con il sistema, installare librerie, gestire file
• Automazione browser per interagire con pagine web, compilare form, estrarre dati

L’architettura cloud consente anche l’esecuzione asincrona: puoi assegnare un compito a Manus, chiudere il laptop, andare a fare altro e tornare quando il lavoro è pronto. Non devi restare connesso a supervisionare ogni passaggio. Ricevi una notifica quando il task è completato.

Un altro elemento chiave è la memoria persistente. Manus non solo ricorda i dati espliciti che gli fornisci, ma impara dalle interazioni nel tempo. Costruisce una rappresentazione progressiva delle tue preferenze: come preferisci ricevere i report, quali parametri consideri prioritari in un’analisi finanziaria, come strutturare un sito web in base alle tue scelte precedenti. Più lo usi, più si adatta al tuo modo di lavorare.

Cosa può fare concretamente Manus

La teoria è affascinante, ma l’intelligenza artificiale si giudica sui risultati. Cosa può fare davvero Manus nella pratica?

Analisi dati e dashboard interattive. Fornisci dati grezzi — un file CSV con vendite, un report finanziario, statistiche di marketing — e Manus li analizza, crea visualizzazioni, identifica trend e genera una dashboard online completa. Non si limita a produrre grafici statici: costruisce interfacce interattive ospitate su un URL che puoi condividere con i colleghi.

Sviluppo di siti web e applicazioni. Con un singolo prompt come “crea un sito portfolio per un fotografo con galleria immagini e form di contatto”, Manus progetta l’architettura, scrive il codice HTML/CSS/JavaScript, lo testa, lo debugga e consegna il sito funzionante. Alcuni utenti hanno testato Manus nella creazione di giochi 3D con three.js — il sistema ha generato un endless runner completo e giocabile partendo da una richiesta di una riga.

Ricerca approfondita e report dettagliati. Gli assegni un argomento — “analizza le strategie di espansione di Netflix nei mercati emergenti negli ultimi 3 anni” — e Manus naviga decine di fonti, estrae dati rilevanti, sintetizza informazioni, incrocia statistiche e produce un documento strutturato con citazioni verificabili.

Automazione di workflow aziendali. Può analizzare curriculum per processi di recruiting, creare itinerari di viaggio dettagliati con prenotazioni ottimizzate, generare presentazioni video educative, confrontare portafogli azionari con raccomandazioni basate su analisi di mercato in tempo reale.

La funzione Wide Research è particolarmente potente: Manus può attivare fino a 100 sub-agenti in parallelo per esplorare simultaneamente fonti diverse, accelerando drasticamente i tempi di ricerca su argomenti complessi.

I numeri che hanno convinto Meta: performance record su GAIA

Il benchmark GAIA (General AI Assistant) è diventato lo standard di riferimento per valutare le capacità degli agenti AI in scenari reali. Non misura quanto bene un’AI risponde a domande teoriche, ma quanto efficacemente risolve problemi concreti che richiedono ragionamento, pianificazione, uso di strumenti ed esecuzione multi-step.

GAIA articola i test su tre livelli di difficoltà crescente. I risultati di Manus sono stati impressionanti:

• Livello 1 (task base): 86,5% di successo — contro il 74,3% di OpenAI Deep Research
• Livello 2 (task intermedi): 70,1% di successo — contro il 69,1% di OpenAI
• Livello 3 (task complessi): 57,7% di successo — contro il 47,6% di OpenAI

Il divario più significativo è proprio al Livello 3, dove i task simulano le sfide professionali reali che le aziende devono affrontare quotidianamente. Questo gap di oltre 10 punti percentuali su attività complesse ha sicuramente pesato nella decisione di Meta di investire 2 miliardi di dollari.

Oltre all’accuratezza, Manus ha fatto passi avanti straordinari nell’efficienza di esecuzione. I tempi medi di completamento dei task sono passati da circa 15 minuti ad aprile 2025 a meno di 4 minuti oggi — un miglioramento del 75% in pochi mesi.

Manus vs GPT-4: una competizione impari

Il confronto con GPT-4 di OpenAI è inevitabile, visto che parliamo dei sistemi AI più avanzati disponibili. Ma è anche un confronto che evidenzia filosofie diverse.

GPT-4 è un modello linguistico straordinario — scrive testi fluenti, risolve problemi, genera codice ad alto livello. Ma opera principalmente come assistente interattivo che risponde agli input dell’utente. Non ha la capacità intrinseca di eseguire piani multi-step in autonomia senza prompting continuo. GPT-4 ti dice come analizzare un dataset. Manus esegue l’analisi, crea i grafici e consegna il report.

Certo, OpenAI ha sviluppato plug-in e integrazioni per dare a GPT-4 capacità agentiche. Ma queste funzioni sono aggiunte esternamente, non parte dell’architettura centrale. Manus nasce progettato attorno all’autonomia esecutiva — il tool-using e l’action-taking sono tessuti nel suo DNA, non aggiunti in superficie.

Nei test GAIA, Manus ha costantemente sovraperformato anche le versioni di GPT-4 potenziate con plug-in, che hanno ottenuto punteggi significativamente più bassi.

Un’altra differenza riguarda l’accessibilità. I modelli OpenAI sono ampiamente disponibili tramite API o app consumer, permettendo valutazioni indipendenti estese da parte della community. Manus, durante la fase iniziale, è stato mantenuto in beta chiusa su invito — al punto che i codici di accesso venivano rivenduti sul mercato nero cinese per cifre vicine ai 7.000 dollari. Questo ha limitato i test indipendenti, rendendo le valutazioni in gran parte basate su quanto riportato dagli sviluppatori.

La storia di Manus: dalla Cina a Singapore, fino a Meta

Manus è nato all’interno di Butterfly Effect, startup fondata a Pechino dal CEO Xiao Hong e dal chief scientist Ji Yichao. Il progetto è stato presentato pubblicamente il 6 marzo 2025 e l’impatto è stato immediato: oltre 180.000 utenti nei primi tre giorni, 2 milioni nella lista d’attesa entro una settimana, video demo con oltre 1 milione di visualizzazioni in meno di 20 ore.

L’attenzione non è stata solo quantitativa. Manus ha rapidamente dimostrato capacità che hanno attirato investitori di peso: Tencent Holdings, ZhenFund, HSG e la prestigiosa società di venture capital americana Benchmark, che ad aprile 2025 aveva guidato un round di finanziamento da 75 milioni di dollari con valutazione post-money di 500 milioni.

A metà 2025, Butterfly Effect ha trasferito il quartier generale da Pechino a Singapore — mossa strategica per mitigare le tensioni geopolitiche tra Cina e Stati Uniti e facilitare l’accesso ai mercati globali. Non è stata una transizione semplice: l’azienda ha licenziato la maggior parte dei dipendenti nella sede di Pechino durante l’estate, consolidando le operazioni a Singapore con un team ristretto di circa 100 persone.

Quando Meta si è avvicinata con un’offerta da oltre 2 miliardi di dollari — in linea con la valutazione che Manus stava cercando per il round successivo — l’acquisizione è arrivata prima del previsto, scuotendo il mercato. Meta ha dichiarato che Manus continuerà a operare in modo relativamente indipendente, con il CEO Xiao Hong che risponderà direttamente al COO di Meta, Javier Olivan.

Un dettaglio cruciale dell’accordo: Meta ha rescisso tutti i legami con gli investitori cinesi e i servizi di Manus non saranno più offerti in Cina — condizione necessaria per superare le preoccupazioni geopolitiche e ottenere le autorizzazioni normative negli Stati Uniti.

Quanto costa Manus e come funzionano i piani

Manus utilizza un sistema basato su crediti con più livelli di abbonamento. La struttura dei prezzi riflette la natura resource-intensive dell’esecuzione di agenti autonomi in sandbox cloud:

• Piano Free: accesso limitato a Manus 1.6 Lite in modalità Agent, modalità Chat illimitata senza consumo crediti
• Piano Basic/Plus: circa 39 dollari al mese per 4.000 crediti
• Piano Pro: circa 199-200 dollari al mese per 40.000 crediti

Esiste anche una Modalità Chat più leggera che offre risposte immediate senza consumare crediti, utile per conversazioni rapide, brainstorming o discussioni che non richiedono l’esecuzione completa di task complessi.

I crediti vengono consumati in base alla complessità del task: creare un sito web completo costa più crediti rispetto a generare un semplice report testuale. Task che richiedono l’uso intensivo di Wide Research (con decine di sub-agenti in parallelo) consumano naturalmente più risorse.

I limiti e le criticità da conoscere

Nessun sistema è perfetto, e Manus non fa eccezione. Gli utenti che lo hanno testato intensivamente hanno segnalato alcune problematiche ricorrenti:

Velocità variabile. Nei momenti di alto carico, le performance possono degradare significativamente. Task che normalmente richiederebbero 3-4 minuti possono allungarsi fino a 15-20 minuti, frustando gli utenti che si aspettano l’efficienza promessa dai benchmark.

Loop infiniti e reset inaspettati. In alcuni scenari complessi, Manus può entrare in cicli ripetitivi — continua a cercare una soluzione che non trova, ripete le stesse azioni senza progressi. Altri utenti hanno segnalato reset improvvisi della sandbox che costringono il sistema a ricominciare da capo, perdendo il lavoro fatto.

Qualità del codice. Sebbene Manus sia impressionante nella prototipazione rapida, il codice generato spesso richiede raffinamenti significativi prima di essere production-ready. È ottimo per proof-of-concept, mockup, strumenti interni — meno affidabile per applicazioni enterprise mission-critical senza revisione umana.

Trasparenza dei costi. Il sistema a crediti non è sempre intuitivo. Gli utenti hanno lamentato difficoltà nel prevedere quanto un task complesso costerà in termini di crediti, rendendo complicata la pianificazione del budget per utilizzi professionali intensivi.

Preoccupazioni sulla privacy. Essendo nato in Cina e poi trasferito a Singapore, Manus ha sollevato interrogativi sulla gestione dei dati sensibili, sul controllo delle informazioni aziendali confidenziali e sulla giurisdizione legale applicabile. L’acquisizione da parte di Meta dovrebbe attenuare questi timori, ma per alcune organizzazioni con requisiti di sicurezza elevati la questione rimane aperta.

Cosa significa l’acquisizione per Meta

Per Meta, Manus rappresenta molto più di una tecnologia all’avanguardia — è un modo per monetizzare immediatamente gli ingenti investimenti in AI. Mark Zuckerberg ha promesso di spendere fino a 600 miliardi di dollari in progetti infrastrutturali legati all’intelligenza artificiale nei prossimi tre anni. Gli investitori hanno iniziato a chiedere ritorni concreti, non solo promesse.

Manus porta in dote non solo capacità tecniche avanzate, ma anche un modello di business già funzionante: 125 milioni di dollari di fatturato ricorrente generati dalla vendita di abbonamenti alle aziende. È AI che entra subito a bilancio, non una scommessa da presentazione trimestrale.

L’integrazione di Manus nei prodotti Meta — WhatsApp, Instagram, Facebook, Meta AI — trasformerà questi strumenti da piattaforme di comunicazione e intrattenimento in ambienti dove l’intelligenza artificiale non si limita a suggerire, ma agisce. Creare contenuti, analizzare dati, automatizzare workflow, gestire campagne pubblicitarie — tutto eseguito autonomamente con supervisione minima.

Gli abbonamenti premium che Meta sta testando su tutte e tre le piattaforme includeranno proprio le tecnologie derivate da Manus, offrendo agli utenti paganti capacità agentiche avanzate che vanno ben oltre le funzioni gratuite.

Fonti:

• DataMasters.it — architettura multi-agente e funzionamento tecnico Manus AI
• TuoIngegnere.altervista.org — spiegazione modelli Claude/Qwen e sandbox cloud
• ArXiv Paper — confronto benchmark GAIA tra Manus, GPT-4 e Claude
• Helicone.ai — performance GAIA dettagliate e confronto OpenAI Operator
• Proxnox — test pratici e tempi di completamento task