Kimi vs Manus

Сравнение характеристик, категорий, отзывов и интеграций двух продуктов.

Kimi

0.0 (0)

Открыть обзор

Manus

0.0 (0)

Открыть обзор

Оценка и сохранение

Стандартные характеристики

Тип сервиса

Международный

Рейтинг

0.0 из 5

Отзывов

Категории

ИИ-чат-боты, ИИ-агенты

ИИ-агенты

Десктопные ОС

—

Desktop application

Доступно на GitHub

—

Нет

Закрылся

—

Нет

Компания

Moonshot AI

Meta; Manus remains a separate service

Основатель

Zhilin Yang (по данным официального канала Kimi AI)

Xiao Hong, Yichao Ji, Zhang Tao

Поддержка MCP

—

MCP client, Prebuilt MCP connectors, Custom MCP servers

Развёртывание

Облачный веб-сервис; мобильные приложения iOS, Android и HarmonyOS

Cloud SaaS; local Browser Operator session

Android Приложение

Да

iOS Приложение

Да

Бесплатный тариф

Да

Веб-платформа

Да

API

Да

Цены и тарифы

Бесплатная версия

Да

Цена от

$15 в месяц при годовой оплате или $19 при помесячной оплате (на 2026-08-08)

—

Таблицу можно прокручивать по горизонтали.

Отзыв автора

Kimi

Анастасия Петрова

Плюсы

Один интерфейс для чата, исследований и подготовки нескольких типов рабочих файлов
Deep Research показывает найденные URL и поддерживает несколько форматов результата
Kimi K3 доступна в пользовательском сервисе, coding-продукте, desktop-агенте и API

Минусы

Точные бесплатные лимиты основного чата не опубликованы в проверенных материалах
Способы входа, доступность и платежные методы для России требуют проверки в текущей сессии
MCP относится к Kimi Code CLI, а не к обычному веб-чату

Manus

Анастасия Петрова

Плюсы

Агент показывает план и промежуточные шаги, поэтому выполнение можно контролировать и уточнять.
Cloud Browser, Browser Operator, коннекторы и API покрывают разные способы запуска задач.
Free позволяет проверить интерфейс и расход credits до покупки подписки.

Минусы

Стоимость задачи зависит от credits и сложности действий, а публичная цена не всегда доступна без интерфейса оплаты.
Браузерные действия могут упираться в CAPTCHA, региональные ограничения и правила сторонних сайтов.
Точные используемые foundation models публично не перечислены, поэтому результат нельзя оценивать по одной заявленной LLM.