Das größte Problem der KI-Programmierung ist nicht mehr der Mangel an leistungsfähigen Modellen. Für viele Entwickler liegt der Schlüssel in...
Das größte Problem der KI-gestützten Programmierung ist nicht mehr der Mangel an leistungsfähigen Modellen. Für viele Entwickler liegt das Problem in der Zugänglichkeit.
Hochwertige Programmierassistenten werden zunehmend teurer, geografische Beschränkungen können etablierte Arbeitsabläufe unterbrechen, und API-abhängige Agentenaufgaben verbrauchen schnell das Budget. Dies hat die Nachfrage nach einem Modell geweckt, das alltägliche Engineering-Aufgaben bewältigen kann, stabil genug für den Dauereinsatz und günstig genug ist, um nicht ständig die Kosten im Blick zu behalten.
Agnes AI schließt diese Lücke mit Agnes-2.5-Flash, einem neuen Textmodell, das für Programmierung, Agenten-Workflows und die tägliche Entwicklung optimiert ist. Das Unternehmen erklärt, dass die Flash-Modelle dauerhaft kostenlos verfügbar bleiben sollen – und nicht nur als kurzfristige Einführungsaktion.
Zum Launch gehört auch Agnes Code, ein Desktop-Agent, der lokale Projekte öffnen, Dateien bearbeiten, Tools ausführen, wiederkehrende Aufgaben planen, mehrere Modellanbieter verbinden und Nicht-Coding-Aufgaben wie Dokumente, Bilder, Videos und Präsentationen verarbeiten kann.
Dieser Artikel folgt dem ursprünglichen Hands-on-Test: Zunächst Benchmark-Daten, dann das Beheben versteckter Bugs, der Bau einer vollständigen Web-App von Grund auf, Multi-Datei-Spielmodifikationen, das kommende Pro-Modell und schließlich die Desktop-Funktionen von Agnes Code.
Agnes AI positioniert Flash als Arbeitspferd für Entwickler im Alltag, nicht als Flaggschiff für maximale Rechenleistung.
Im Vergleich zu Agnes-2.0-Flash gibt das Unternehmen für die neue Version folgende Verbesserungen an:
Der ursprüngliche Artikel beginnt mit einem visuellen Vergleich: Beide Modelle sollten eine nächtliche Cyberpunk-Stadt im Regen nur mit HTML Canvas zeichnen. Das alte Modell ließ mehrere Kernelemente aus, während die neue Version eine erkennbare Skyline, schrägen Regen, Neonlichter und holografische Werbetafeln erzeugte.
Dieser Test ist qualitativ, verdeutlicht aber die erwartete Veränderung. Das Modell soll längere Spezifikationen vollständiger befolgen, nicht nur syntaktisch korrekten Code generieren.
Agnes AI veröffentlichte einen internen Vergleich über sieben Programmier-Benchmarks. Diese Zahlen sind firmeneigene Ergebnisse, keine unabhängig replizierten Ranglisteneinträge, und sollten daher als richtungsweisend und nicht als endgültiger Beweis betrachtet werden.
| Benchmark | Agnes-2.0-Flash | Agnes-2.5-Flash | Agnes-2.5-Pro |
|---|---|---|---|
| Terminal-Bench 2.1 | 52,5 | 62,3 | 77,3 |
| SWE-bench Verified | 72,4 | 75,6 | 82,7 |
| SWE-bench Pro | 49,6 | 50,4 | 61,8 |
| SWE-bench Multilingual | 67,3 | 69,1 | 78,7 |
| SWE Atlas — Frage-Antwort | 15,8 | 36,5 | 40,8 |
| SWE Atlas — Refactoring | 11,4 | 29,5 | 42,4 |
| SWE Atlas — Test-Erstellung | 13,8 | 27,5 | 38,9 |
Die deutlichste Flash-Verbesserung zeigt sich bei SWE Atlas. Diese Suite bewertet professionelle Software-Engineering-Workflows, die über die normale Problemlösung hinausgehen, darunter Codebasis-Fragen, Refactoring und Test-Erstellung.
Die Grafik zeigt auch die Bedeutung des Benchmark-Kontexts. Agnes-2.5-Flash verbessert sich in jedem aufgeführten Test, liegt aber nicht automatisch vor allen Mitbewerbern. Das Hauptverkaufsargument ist die Kombination aus praktischen Engineering-Fähigkeiten und kostenlosem Zugang, nicht die Behauptung, in jeder Kategorie das stärkste Modell zu sein.
Benchmarks sind nützlich, aber Entwickler interessiert meist eine direktere Frage: Kann das Modell die Codierarbeit erledigen, die sie tatsächlich ausliefern?
Der ursprüngliche Rezensent verwendete drei Tests mit steigendem Schwierigkeitsgrad:
Der erste Test verwendete Clumsy Bird, eine archivierte Open-Source-Implementierung von MelonJS, inspiriert von Flappy Bird.
Der Rezensent bestätigte zunächst den korrekten Spiellauf, änderte dann manuell den Gravitationswert in der Bewegungslogik von 0,2 auf 0.
![Das Bild zeigt den Inhalt der Datei clumsy-min.js, geöffnet in VS Code. Die erste Zeile des Codes lautet 35,c.height=60,this._super(me.Entity,"init",\[a,b,c\],this.alwaysUpdate=!0,this.body.gravity=0,this.maxAngleRotation=Number.prototype.degToR. Der Code-Editor auf der rechten Seite enthält ein Suchfeld mit dem Suchbegriff gravity, wobei 1 von 8 Ergebnissen angezeigt wird. Dieses Bild bezieht sich auf die manuelle Änderung des Gravitationswerts im Spiel, die im obigen Test erwähnt wurde, und zeigt die Position des geänderten Codes.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/d1da3070-1269-499b-b180-960edeb2ed16-e9942322-bb30-4ed5-ae6e-54442b2f6e09.png)
Diese Änderung führte zu ungewöhnlichem Verhalten. Die Anwendung stürzte nicht ab, und der Vogel bewegte sich nach einem Klick noch nach oben, fiel aber nicht mehr, sodass das Spiel nicht mehr spielbar war.
Das vollständige Repository wurde in Agnes Code geöffnet. Die Eingabeaufforderung beschrieb nur das sichtbare anormale Verhalten, ohne die geänderte Zeile zu verraten.
Laut Testbericht benötigte Agnes-2.5-Flash etwa drei Minuten, um das Projekt zu überprüfen und eine Diagnose zu erstellen. Nach der Genehmigung zur Anwendung der Reparatur führte es die Bearbeitung in etwa 12 Sekunden durch. Nach der Reparatur ließ das Spiel den Vogel wieder fallen, erkannte Rohrkollisionen und aktualisierte die Punktzahl korrekt.
Es geht nicht darum, eine einzelne Zahl zu ändern. Sobald die Stelle lokalisiert ist, ist die Behebung selbst trivial.
Das Modell muss:
Dieser manuell eingefügte Fehler war zudem weder in der öffentlichen Issue-Liste noch in den Pull-Requests des Projekts enthalten, was die Wahrscheinlichkeit verringert, dass das Modell eine gespeicherte Lösung für diesen speziellen Fall reproduziert.
Es bleibt dennoch der Test eines Prüfers, kein kontrollierter Benchmark – aber ein nützliches Beispiel für eine symptomorientierte Repository-Diagnose.
Die zweite Aufgabe beschränkt sich nicht mehr auf Reparaturen.
Der Prüfer forderte Agnes-2.5-Flash auf, eine KI-Frontend-Arena in einer einzigen HTML-Datei zu erstellen. Die Anwendung muss folgende Funktionen bieten:
Es handelt sich nicht um eine einfache Landing Page. Die Anwendung vereint Editor-Oberfläche, Sandbox-Rendering, Bewertungslogik, Diagrammerstellung, Zustandsverwaltung und Ergebnisdarstellung.
Das erstellte Werkzeug wurde mit drei verschiedenen Code-Implementierungen zur Darstellung eines Herzens getestet. Die Dateien konnten geladen, parallel gerendert und innerhalb derselben Oberfläche verglichen werden.
Der Prüfer verwendete die Anwendung später, um Agnes-2.5-Flash mit anderen Modellen zu vergleichen. Diese Wiederverwendung ist aussagekräftiger als ein einzelner Screenshot: Die Ausgabe war funktional genug, um Teil des nachfolgenden Bewertungsprozesses zu werden.
Ein automatisch generiertes Bewertungssystem sollte nicht allein aufgrund von Zahlen und Diagrammen als objektiver Maßstab betrachtet werden.
In der Praxis sollten Entwickler prüfen:
Der Test demonstriert die Fähigkeit zur durchgängigen Implementierung, validiert jedoch nicht unabhängig die Qualität der Bewertungsmethode der Arena.
Der letzte Test kehrt zu Clumsy Bird zurück, diesmal jedoch mit umfangreicheren Änderungen.
Das Repository enthält mehrere JavaScript-Module, Datenressourcen, HTML, CSS, Konfigurationsdateien und Build-bezogene Dateien. Modulübergreifende Änderungen scheitern leicht, wenn eine Schnittstelle aktualisiert wird, ohne den aufrufenden Code entsprechend anzupassen.
Die Anforderung war das Hinzufügen eines Zweispieler-Rennmodus:
Teile den Bildschirm in eine obere und eine untere Hälfte. Im oberen Bereich steuert ein roter Vogel, mit W gesteuert, im unteren Bereich ein blauer Vogel, mit Pfeiltaste nach oben gesteuert. Für jeden Spieler gibt es separate Rohre und Punkte. Der Vogel, der zuerst gegen ein Rohr stößt, verliert, der andere Spieler gewinnt automatisch. Ein Siegeszähler für die Spielhistorie soll erhalten bleiben.
Die Aufgabe umfasst Änderungen am Spielzustand, der Steuerung, der Darstellung, der Kollisionserkennung, der unabhängigen Punktezählung, der Sieglogik, dem Neustartverhalten und dem Layout.
Laut Bericht betrug die Ausführungszeit etwa zehn bis zwanzig Minuten. Die endgültige Version zeigte zwei Spielbereiche, unabhängige Vögel, separate Hindernisse, Tastaturbefehle und die Gesamtzahl der bisherigen Siege.
Viele Code-Demos beschränken sich auf eine einzige Datei. Echte Softwareentwicklung ist jedoch selten so begrenzt.
Repository-weite Änderungen erfordern, dass ein KI-Agent ein Modell beibehält, das Folgendes umfasst:
Das Ergebnis zeigt, dass Agnes-2.5-Flash in der Lage ist, sinnvolle, dateiübergreifende Änderungen in einem kleinen Legacy-Projekt durchzuführen. Dies belegt jedoch nicht die gleiche Zuverlässigkeit in unternehmenskritischen Repositories mit Millionen Zeilen Code, strengen Testsuites oder komplexer Bereitstellungsinfrastruktur.
In einer echten Produktionsumgebung sollte ein vergleichbarer KI-Agent stets aufgefordert werden, seinen Plan zu erläutern, Tests durchzuführen, geänderte Dateien zu melden und prüfbare Patches vorzulegen.
Zusammengenommen zeichnen diese Tests ein klareres Fähigkeitsprofil.
| Aufgabentyp | Beobachtetes Ergebnis | Praktische Bedeutung |
|---|---|---|
| Diagnose versteckter Fehler | Lokalisierung eines manuell eingefügten Gravitationsfehlers basierend auf Symptomen | Hilfreich bei der Fehlersuche in unbekanntem Code |
| Vollständige Anwendungsgenerierung | Erstellung einer lauffähigen Ein-Datei-Vergleichsumgebung | Zeigt Planungsfähigkeit über mehrere UI- und Logikmodule hinweg |
| Dateiübergreifende Umstrukturierung | Hinzufügen eines Zweispieler-Modus zu einem bestehenden Spielprojekt | Demonstriert Repository-Kontextverständnis und koordinierte Bearbeitung |
Das Modell scheint für viele gängige Entwicklungsaufgaben geeignet:
Die bisherigen Belege reichen nicht aus, um es als gleichwertig mit den stärksten kostenpflichtigen Programmiermodellen in der Allgemeinheit zu bezeichnen.
Sie reichen aus, um den freien Zugang bemerkenswert zu machen.
Agnes AI bereitet Agnes-2.5-Pro vor, ein leistungsstarkes Modell für professionelle Softwareentwicklungs-Workloads.
Die erwartete Arbeitsteilung ist klar:
Flash ist das Modell, das für die alltägliche Codierung und für Agentenaufgaben verwendet wird.
Interne Diagramme des Unternehmens zeigen, dass Pro in allen sieben Tests höhere Punktzahlen erzielt, darunter 82,7 Punkte bei SWE-bench Verified und 78,7 Punkte bei SWE-bench Multilingual.
Der Originalartikel erwähnt auch offizielle Demonstrationen, die Folgendes umfassen:
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Diese Demonstrationen zeigen die Produktrichtung, aber die Qualität der Demonstrationen ist nicht gleichbedeutend mit reproduzierbarer technischer Zuverlässigkeit. Zum Zeitpunkt der Veröffentlichung dieses Berichts ist Agnes-2.5-Pro noch nicht offiziell eingeführt; die Preisgestaltung und Produktionslimits sind ebenfalls noch nicht bekannt gegeben.
Ein leistungsstarkes Modell benötigt dennoch eine praktische Umgebung, um Dateien zu überprüfen, Tools aufzurufen und langlaufende Aufgaben zu verwalten.
Agnes Code ist ein nativer Desktop-Arbeitsbereich für macOS und Windows. Das breitere, offizielle AgnesCode-Projekt beschreibt auch eine Desktop-Anwendung für lokale Agenten-Workflows, eine Befehlszeilenschnittstelle (CLI) und eine Anwendungsprogrammierschnittstelle (API).
Die Benutzeroberfläche kombiniert das Eingabefeld mit lokalem Projektkontext, Modellen, Fähigkeiten, Anwendungen und generierten Ausgaben.
Im Gegensatz zu reinen Codierungswerkzeugen ist Agnes Code für ein breiteres Spektrum an Aktivitäten konzipiert:
Diese breitere Anwendbarkeit ist für Workflows wichtig, bei denen Codierung nur ein Teil der Aufgabe ist. Beispielsweise könnte eine Produktveröffentlichung die Implementierung einer Seite, die Erstellung von visuellen Materialien, das Verfassen von Dokumentationen, die Vorbereitung von Folien und die Planung einer nachfolgenden Analyse umfassen.
Die Desktop-Anwendung enthält die Agnes-Modelle und unterstützt die Verwendung benutzerdefinierter Anbieter über Konfigurationen, die mit OpenAI, Anthropic und Ollama kompatibel sind.
Die ursprüngliche Testoberfläche zeigte auch Drittanbieter-Spitzendmodelle. Die Verfügbarkeit von Anbietern und die Kompatibilität von Abonnements können sich ändern, daher sollten Benutzer die aktuelle Anwendung überprüfen und sich nicht auf Screenshots zum Zeitpunkt der Veröffentlichung verlassen.
Die Portabilität von Modellen kann das Risiko der Anbieterbindung verringern. Gleichzeitig wird die Bewertung erleichtert, da dasselbe Projekt und dieselbe Aufgabe ohne Wiederaufbau der umgebenden Workflows mit mehreren Anbietern getestet werden können.
Agnes Code kann wiederkehrende Aufgaben in die Warteschlange stellen, die ohne ständige Überwachung ausgeführt werden können.
Beispiele umfassen:
Dies ähnelt schleifenbasierten Engineering-Workflows, bei denen wiederholte operative Arbeiten an den Agenten delegiert werden, ohne jedes Mal manuell ausgelöst werden zu müssen.
Der geplante, autonome Betrieb sollte mit Schutzmaßnahmen einhergehen. Eine sichere, periodische Aufgabe erfordert Berechtigungsbeschränkungen, klare Ausgaben, Fehlerbenachrichtigungen, Kostenüberwachung und eine Genehmigung vor der Ausführung destruktiver Aktionen.
Die Desktop-Einstellungen enthalten eine Option, um den Computer wach zu halten, während Agnes Code Aufgaben ausführt.
Dies ist eine kleine Funktion, aber sie löst ein häufiges Problem bei lokalen Agenten-Arbeiten. Lange Build-, Repository-Scan- oder Generierungsaufgaben können allein dadurch fehlschlagen, dass das Betriebssystem die Maschine in den Ruhezustand versetzt.
Agnes Code enthält auch einen Workflow zum Importieren von bereits gespeicherten Präferenzen und Projektkontexten aus anderen Assistenten.
Diese Oberfläche zeigt eine Aufforderung an, andere Assistenten zu bitten, strukturierte Informationen zu exportieren, wie zum Beispiel:
Der exportierte Text kann überprüft und in Agnes eingefügt werden.
Dies verringert den Migrationsaufwand, aber der Benutzer sollte die exportierten Inhalte sorgfältig prüfen. Erinnerungen können private Informationen, überholte Annahmen, interne Projektnamen oder vertrauliche Daten enthalten, die nicht an andere Dienste weitergegeben werden sollten.
Die öffentlich erklärte Mission von Agnes AI ist es, erstklassige künstliche Intelligenz für alle zugänglich zu machen. Das Unternehmen macht den kostenlosen Zugang zu Text-, Bild- und Videodiensten zu einem zentralen Bestandteil seiner Produktstrategie.
Für Agnes-2.5-Flash wurde angekündigt, dass das Modell kostenlos nutzbar bleibt, ohne nach einer Testphase in ein kostenpflichtiges Modell überzugehen.
Diese Aussage bedarf einer praktischen Klarstellung: Kostenloser Zugang bedeutet nicht zwangsläufig unbegrenzten Durchsatz.
Die öffentliche Agnes-Dokumentation beschreibt anfragelimitierende, ratenbegrenzende und kontingentierende Ebenen. Diese Werte können sich ändern, und das während der Vorbereitungszeit öffentlich zugängliche Modellverzeichnis verzeichnet noch das vorherige Textmodell, nicht Agnes-2.5-Flash.
Entwickler sollten Folgendes überprüfen:
Kostenloser Zugang kann den Experimentierprozess erheblich vereinfachen. Die Zuverlässigkeit in der Produktion hängt weiterhin von veröffentlichten Einschränkungen, Serviceverfügbarkeit, Support und stabiler Dokumentation ab.
Agnes AI bietet ein OpenAI-kompatibles Gateway unter folgender Adresse:
https://apihub.agnes-ai.com/v1
Die öffentliche Dokumentation empfiehlt, die API-Schlüssel in Umgebungsvariablen zu speichern und das Standard-Bearer-Token-Format zu verwenden.
Das folgende Beispiel zeigt das Integrationsmuster. Der Modellname ist noch ein Platzhalter, da die offizielle Dokumentation zum Zeitpunkt des Verfassens noch keine öffentliche 2.5-Modellkennung bestätigt.
import os
from openai import OpenAI
api_key = os.environ.get("AGNES_API_KEY")
if not api_key:
raise RuntimeError("Bitte setzen Sie die Umgebungsvariable AGNES_API_KEY.")
client = OpenAI(
api_key=api_key,
base_url="https://apihub.agnes-ai.com/v1",
)
response = client.chat.completions.create(
model="Bitte bestätigen Sie die aktuelle AGNES_2_5_FLASH_MODEL_ID",
messages=[
{
"role": "user",
"content": "Überprüfen Sie diesen Fehlerbericht und schlagen Sie eine minimal testbare Lösung vor.",
}
],
)
print(response.choices[0].message.content)
Vor der Verwendung in der Produktion:
Agnes-2.5-Flash ist ein Textmodell von Agnes AI, optimiert für Codierung, Agenten-Workflows, Reasoning und alltägliche Entwicklungsaufgaben. Es ist der Nachfolger von Agnes-2.0-Flash und wird als Allzweckmodell in der Agnes-Coding-Reihe positioniert.
Agnes AI hat angekündigt, dass Flash kostenlos bleibt und nicht nur auf zeitlich begrenzte Werbeaktionen beschränkt ist. Die tatsächliche Nutzung unterliegt jedoch weiterhin Anforderungskontingenten, Ratenbegrenzungen, Kontoplänen, regionaler Verfügbarkeit und Fair-Use-Regeln.
Ist Agnes-2.5-Flash über die API nutzbar?
Laut Veröffentlichungsberichten wird der breitere API-Zugang voraussichtlich in der Woche nach dem Launch der Desktop-Version freigegeben. Zum Zeitpunkt des Verfassens hat die öffentliche Dokumentation die neue Modellkennung noch nicht bestätigt, daher sollten Entwickler vor der Integration die offizielle Plattform konsultieren.
Die internen Bewertungen von Agnes AI zeigen, dass 2.5 Flash in allen sieben veröffentlichten Programmiertests höhere Ergebnisse erzielt. Die größten Verbesserungen wurden in den Kategorien SWE Atlas Codebase-Fragen, Refactoring und Testschreibung erzielt.
Praktische Tests zeigen, dass es versteckte Fehler diagnostizieren und in kleinen bestehenden Codebasen Funktionen wie einen Multi-File-Zwei-Spieler-Modus implementieren kann. Große Produktionscodebasen erfordern jedoch weiterhin Tests, Patch-Reviews, Berechtigungsverwaltung und menschliche Aufsicht.
Agnes Code ist eine Desktop-Agenten-Arbeitsumgebung für lokale Projekte und umfangreiche Produktivitätsaufgaben. Es unterstützt Projektkontext, Modellanbieter, geplante Aufgaben, benutzerdefinierte Integrationen und Ausgabeinhalte, die über den Quellcode hinausgehen.
Die getestete Desktop-Oberfläche unterstützt benutzerdefinierte Anbieter, die mit OpenAI, Anthropic und Ollama kompatibel sind. Eine vollständige Liste der integrierten Anbieter und Abonnementoptionen muss in der aktuellen Anwendung überprüft werden.
Die in diesem Artikel diskutierten Benchmark-Diagramme sind als interne Bewertungen von Agnes AI gekennzeichnet. Unabhängige Ranglistentests können andere Agenten, Frameworks, Prompts, Rechenbudgets und Validierungsprozesse verwenden, daher ist Vorsicht bei direkten Vergleichen geboten.
Terminal-Bench: Offizieller Benchmark für die Ausführung realer Aufgaben durch Agents in einer Terminalumgebung.
08366): Dieses Benchmark-Set umfasst Codebasis-Fragen, Testschreibung und Code-Refactoring.
Agnes-2.5-Flash kombiniert ein leistungsstärkeres Codierungsmodell mit einem Desktop-Agenten, der speziell für lokale Projekte, wiederkehrende Workflows und multimodale Produktivität entwickelt wurde. In den ursprünglichen praktischen Tests diagnostizierte es manuell eingeschleuste Schwachstellen, erstellte lauffähige Ein-File-Vergleichsanwendungen und führte kollaborative Multi-File-Spielmodifikationen durch.
Interne Unternehmens-Benchmarks zeigen Verbesserungen gegenüber Agnes-2.0-Flash bei sieben Codierungsauswertungen, insbesondere auf dem SWE Atlas-Parcours. Diese Ergebnisse sind jedoch als interne Resultate zu betrachten und nicht als allgemein gültige, unabhängig reproduzierbare Rankings.
Das Versprechen der kostenlosen Nutzung ist der herausragendste Vorteil dieses Produkts, doch Entwickler sollten zwischen kostenloser Preisgestaltung und unbegrenzter Kapazität unterscheiden. Modellverfügbarkeit, Ratenbegrenzungen, Kontingente und die exakte API-Kennung für Version 2.5 sind auf der offiziellen Plattform zu bestätigen.
Der Reiz von Agnes-2.5-Flash liegt nicht darin, zu beweisen, dass bezahlte Spitzenmodelle überflüssig sind, sondern darin, dass es die meisten alltäglichen Codierungsanforderungen ohne Preishürden abdeckt.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
