Manus Inteligência Artificial: O Agente Chinês em 2026

Manus inteligência artificial voltou ao topo das buscas no Brasil por um motivo incomum: o agente autônomo chinês tirou a própria plataforma do ar por cerca de dois dias para apagar dados de usuários e concluir o divórcio da Meta. Se você acompanha agentes de IA — ou está avaliando um para colocar dentro da sua operação —, essa história tem lições práticas que vão muito além da briga corporativa entre Silicon Valley e Pequim.

TL;DR

• Manus inteligência artificial é como o mercado brasileiro chama o agente de uso geral da Butterfly Effect: você descreve o objetivo em linguagem natural e ele planeja, executa na nuvem e devolve o trabalho pronto.
• A Meta anunciou a compra em dezembro de 2025 por cerca de US$ 2 bilhões; a NDRC chinesa barrou o negócio em 27 de abril de 2026 e a Meta encerrou a transação em 15 de junho.
• Em 11 de agosto de 2026 a empresa anunciou o retorno à operação independente. Entre 23 e 24 de agosto, contas afetadas ficaram bloqueadas para exclusão de dados; a restauração abriu em 25 de agosto.
• A Reuters apurou em julho que a Tencent negocia se tornar a maior acionista — ainda assim minoritária —, na mesma avaliação de US$ 2 bilhões.
• Para quem opera negócio no Brasil, o caso é um manual sobre dependência de fornecedor, portabilidade de dados e LGPD em agentes autônomos.

O que é o Manus inteligência artificial e por que ele voltou a ser notícia

O Manus estreou em 6 de março de 2025, em beta por convite, e virou fenômeno por uma promessa diferente da dos chatbots: em vez de responder, ele executa. Você escreve "monte uma planilha comparando 40 fornecedores e me entregue um relatório", e o agente quebra a tarefa em passos, abre um navegador em ambiente de nuvem, pesquisa, escreve código, gera o arquivo e devolve o resultado. É o que a literatura chama de agente de uso geral — o paper From Mind to Machine: The Rise of Manus AI as a Fully Autonomous Digital Agent descreve o sistema como uma combinação de raciocínio de LLM com execução ponta a ponta que produz entregáveis tangíveis.

Por trás do produto está a Butterfly Effect, fundada por Xiao Hong com os cofundadores Ji Yichao e Zhang Tao. A empresa nasceu entre Pequim e Wuhan e transferiu a sede para Singapura em meados de 2025 — cerca de 40 dos 120 funcionários na China acompanharam a mudança. Em abril de 2025 a startup levantou aproximadamente US$ 75 milhões numa Série B, a uma avaliação de cerca de US$ 500 milhões. Em dezembro de 2025, a receita anualizada já estava na casa dos US$ 125 milhões.

O que trouxe o nome de volta para o Google Trends brasileiro em agosto de 2026 não foi um lançamento. Foi uma cirurgia societária com efeito colateral visível para o usuário final: dias de indisponibilidade e exclusão de dados.

A cronologia do Manus inteligência artificial: Meta, Pequim e a aquisição desfeita

Vale ler a linha do tempo com atenção, porque cada etapa tem um paralelo em qualquer contrato de software que você assine:

1. Dezembro de 2025 — a Meta anuncia a aquisição da Butterfly Effect por um valor reportado de US$ 2 bilhões (algumas fontes falam em até US$ 3 bilhões).
2. Janeiro de 2026 — o Ministério do Comércio da China lembra publicamente que empresas do país devem cumprir a legislação chinesa.
3. 27 de abril de 2026 — a Comissão Nacional de Desenvolvimento e Reforma (NDRC) proíbe o investimento estrangeiro na startup, dentro de um movimento maior de Pequim para manter o controle doméstico sobre suas empresas de IA.
4. 15 de junho de 2026 — a Meta encerra oficialmente a transação em vez de comprar briga com o regulador chinês.
5. 10 de julho de 2026 — Reuters e Financial Times apuram que a Tencent negocia assumir a maior fatia da companhia, ao lado de ZhenFund, HSG e da própria gestão, mantendo a avaliação de US$ 2 bilhões. Mesmo como maior acionista, a Tencent seguiria minoritária.
6. 11 de agosto de 2026 — a empresa publica um aviso aos usuários: "vai voltar a operar como uma companhia independente".

No meio disso, em março de 2026, o produto ainda ganhou um app desktop para rodar o agente direto no computador do usuário. Ou seja: o roadmap continuou andando enquanto o controle acionário era disputado em dois continentes.

Exclusão de dados de 23 a 25 de agosto: o que aconteceu na prática

Esta é a parte que interessa a quem usa o Manus inteligência artificial para trabalhar. Para cumprir "requisitos regulatórios em determinadas jurisdições", a separação da Meta exigiu apagar permanentemente dados gerados por parte dos usuários desde 29 de dezembro de 2025. O calendário divulgado, no horário de Singapura, foi este:

Data (SGT)	O que acontecia
11 a 23 de agosto	Usuários afetados deixaram de ser cobrados
A partir de 23 de agosto	Ferramenta de backup liberada para baixar os dados
23/08 às 08h → 25/08 às 07h59	Contas e plataforma inacessíveis (~2 dias)
23 a 24 de agosto	Janela de exclusão definitiva dos dados
A partir de 25 de agosto	Portal de restauração do que foi baixado

Traduzindo para o dia a dia: quem tinha fluxos de trabalho apoiados no agente precisou exportar tudo numa janela curta, ficou dois dias sem acesso e só recuperou o histórico se tivesse feito o backup. A empresa fala em "milhões de usuários globalmente" — não foi um evento de nicho.

E aqui vai a primeira lição prática, que eu repito em toda reunião de arquitetura: backup e exportação não são recurso premium, são requisito de entrada. Se o fornecedor não te dá uma via de exportação contínua, você não tem os dados, você tem uma licença de uso deles.

Como o Manus inteligência artificial funciona por dentro

O Manus inteligência artificial opera numa arquitetura multiagente: um componente planeja, outros executam sub-tarefas especializadas (navegação, código, recuperação de informação) e um orquestrador costura o resultado. É o mesmo princípio que a Google adotou no Gemini Spark e que a Atlassian levou para dentro do Jira com os agentes Rovo.

No lançamento, a startup reivindicou estado da arte no GAIA, o benchmark que mede agentes em tarefas de mundo real com uso de ferramentas, superando o Deep Research da OpenAI nos três níveis de dificuldade. Em 2026 o cenário está bem mais apertado: agentes concorrentes publicam números melhores no mesmo benchmark, e a liderança troca de mãos a cada trimestre.

Por que benchmark não decide sua escolha

Aprendi na prática que ranking de benchmark é péssimo critério de compra. GAIA mede tarefas padronizadas com ferramentas genéricas. Sua operação tem sistema interno, planilha com nome esquisito, regra de negócio que ninguém documentou e um WhatsApp com 3 mil conversas em aberto. O agente que ganha no benchmark não necessariamente ganha no seu processo.

O que costuma decidir, na ordem: integração com o que você já usa, previsibilidade de custo, controle de dados e capacidade de auditar o que o agente fez.

Manus inteligência artificial vs. Gemini Spark e os agentes ocidentais

Não existe "melhor agente" — existe agente adequado ao seu risco e ao seu stack. Este é o recorte que uso para orientar clientes:

Critério	Manus	Gemini Spark	Agentes embutidos (Rovo, Copilot)
Origem / jurisdição	Butterfly Effect (Singapura, capital chinês)	Google (EUA)	Fornecedor do SaaS que você já assina
Modelo de uso	Tarefa aberta, executa na nuvem	Assistente contínuo com agenda e contexto	Agente dentro do fluxo do produto
Melhor para	Pesquisa, relatórios, entregáveis pontuais	Rotinas pessoais e produtividade	Automatizar processo já existente
Ponto de atenção	Governança de dados e instabilidade societária	Dependência do ecossistema Google	Escopo limitado ao produto
Custo	Créditos por tarefa	Assinatura	Embutido/licença por usuário

O modelo de créditos do Manus inteligência artificial merece um parágrafo próprio. Cada ação consome créditos e o consumo escala com a complexidade: uma conversa curta gasta pouco, uma pesquisa profunda com dezenas de fontes pode consumir centenas de créditos numa única execução. Isso é bom para começar (você paga pelo que usa) e ruim para orçar (o custo mensal vira função do comportamento da equipe). Antes de padronizar a ferramenta no time, rode duas semanas de piloto medindo consumo por tipo de tarefa.

O que a saga do Manus inteligência artificial ensina sobre depender de um agente de IA

Cinco lições que eu tiraria deste caso, todas aplicáveis a qualquer fornecedor de IA — inclusive os americanos:

• Risco regulatório é risco de produto. Uma decisão da NDRC em Pequim virou dois dias de indisponibilidade para um usuário em Goiânia. Geopolítica não é assunto abstrato quando seu processo depende de uma API estrangeira.
• Dado gerado pelo agente também é seu dado. Relatórios, planilhas e código produzidos dentro da plataforma precisam ter cópia fora dela. Exporte por rotina, não por susto.
• Fluxo crítico não mora em ferramenta única. Se o atendimento, a cobrança ou a emissão de relatório param quando um SaaS cai, o desenho está errado — falta fallback manual documentado.
• Contrato precisa de cláusula de portabilidade. Formato de exportação, prazo de aviso prévio e destino dos dados em caso de encerramento. Sem isso, você assina um cheque em branco.
• Novidade não é estratégia. Adotar o agente da moda sem mapear o processo só acelera o caos que já existia.

Onde agentes de IA realmente entregam valor numa PME brasileira

Ferramentas como o Manus inteligência artificial brilham em entregável pontual, mas o retorno recorrente vem de outro lugar. Na Agathas Web, o padrão que mais se repete não é o agente genérico resolvendo tudo — é o agente estreito resolvendo bem uma etapa cara. Três frentes onde vejo retorno consistente:

Atendimento no WhatsApp. Triagem, qualificação e resposta de primeira linha com escalonamento para humano. Aqui a decisão de infraestrutura pesa mais que o modelo de IA: rodar sobre a API Oficial do WhatsApp em vez do app Business é o que garante histórico, múltiplos atendentes e menor risco de bloqueio.

Educação e EAD. Geração de rascunhos de conteúdo, correção assistida e resumo de fóruns dentro do Moodle. O agente não substitui o tutor; encurta o tempo entre a dúvida do aluno e uma resposta útil.

Marketing e tráfego pago. Análise de criativos, agrupamento de termos de busca, rascunho de variações de anúncio. É onde o ganho aparece mais rápido, porque o ciclo de teste é curto e mensurável.

Em todos os casos a regra é a mesma que aplico há mais de quinze anos em projeto de software: automatize o processo que você já sabe descrever. Se ninguém no time consegue explicar a regra em duas frases, o problema não é falta de IA.

Checklist: adotar Manus inteligência artificial sem criar dívida operacional

Se você vai testar o Manus (ou qualquer agente autônomo) esta semana, siga esta ordem:

1. Escolha uma tarefa chata e medível. Relatório semanal, levantamento de concorrentes, consolidação de planilhas. Nada de "vamos automatizar o atendimento inteiro".
2. Defina o custo-teto do piloto. Créditos ou assinatura, com limite mensal fechado e alguém responsável por olhar o consumo.
3. Nunca alimente dado pessoal sensível no piloto. CPF, prontuário, dado bancário e base de clientes ficam de fora até existir contrato e avaliação de risco.
4. Exporte tudo semanalmente. Automatize o backup dos entregáveis para um drive seu. O caso de agosto mostra por que isso não é paranoia.
5. Compare com o baseline humano. Tempo gasto antes, tempo gasto depois, retrabalho gerado. Sem número, a discussão vira opinião.
6. Documente o que o agente fez. Prompt, fontes e saída. Auditoria não é burocracia — é o que te salva quando o resultado sai errado.

LGPD e soberania de dados: o ponto cego dos agentes autônomos

Um agente autônomo como o Manus inteligência artificial é, por definição, um sistema que envia o seu contexto para fora e age em seu nome. Sob a LGPD, isso te coloca na posição de controlador dos dados que você despeja no prompt — e a plataforma estrangeira vira operadora, com transferência internacional envolvida.

Três perguntas que resolvem 90% do problema antes de virar incidente:

• Que dado pessoal está no prompt? Se a resposta for "não sei", a resposta real é "provavelmente sim".
• Onde o dado é processado e por quanto tempo fica retido? Política de retenção clara, com prazo e forma de exclusão.
• Existe base legal e registro? Legítimo interesse mal documentado não sustenta fiscalização.

Também vale acompanhar o movimento regulatório brasileiro sobre IA, que caminha para exigir transparência e avaliação de risco em sistemas automatizados. Quem já organiza contrato, inventário de dados e log de uso agora vai gastar muito menos depois. Para o contexto de fornecedores e agentes corporativos, vale ler também o que discuti sobre o que o Gemini Spark muda para empresas e sobre as novidades do Google I/O 2026 para empresas brasileiras.

Conclusão: a ferramenta é do fornecedor, o processo é seu

A história do Manus inteligência artificial em 2026 é interessante pelo enredo — aquisição bilionária barrada por um regulador, Tencent entrando pela porta dos fundos, dois dias de blecaute programado — mas é útil pelo lembrete: nenhum agente de IA é infraestrutura estável. Eles são camadas rápidas, poderosas e substituíveis sobre processos que precisam ser seus.

Teste o Manus inteligência artificial. Teste o Gemini Spark. Teste o que aparecer no mês que vem. Só não construa o núcleo do seu negócio dentro de uma conta que pode ficar inacessível por 48 horas por causa de uma decisão societária do outro lado do mundo.

Se você está avaliando onde agentes de IA fazem sentido na sua operação — atendimento, EAD ou tráfego — vale começar mapeando um processo só, com custo e métrica definidos. É o tipo de conversa que a gente tem todo mês por aqui, e quase sempre o primeiro passo custa menos do que se imagina.