El mayor problema de la programación con IA ya no es la falta de modelos potentes. Para muchos desarrolladores, la clave está en la accesibi...
El mayor problema de la programación con IA ya no es la falta de modelos potentes. Para muchos desarrolladores, el problema radica en la accesibilidad.
Los asistentes de programación de alta gama son cada vez más costosos, las restricciones geográficas pueden interrumpir flujos de trabajo establecidos, y las tareas de agente que dependen de API consumen rápidamente el presupuesto. Esto ha generado la necesidad de un modelo que sea lo suficientemente competente para el trabajo diario de ingeniería, lo suficientemente estable para un uso continuo y lo suficientemente económico como para no tener que calcular constantemente los costos.
Agnes AI está llenando este vacío con Agnes-2.5-Flash, un nuevo modelo de texto optimizado para programación, flujos de trabajo de agentes y desarrollo diario. La compañía afirma que mantendrá la disponibilidad gratuita del modelo Flash, en lugar de ofrecer el acceso gratuito como una promoción de lanzamiento a corto plazo.
Este lanzamiento también incluye Agnes Code, un agente de escritorio que puede abrir proyectos locales, editar archivos, ejecutar herramientas, programar tareas repetitivas, conectarse con múltiples proveedores de modelos y manejar tareas no relacionadas con la programación, como documentos, imágenes, videos y presentaciones.
Este artículo sigue el orden original de las pruebas prácticas: primero los datos de referencia, luego la corrección de errores ocultos, la construcción de una aplicación web completa desde cero, la modificación de un juego con múltiples archivos, el próximo modelo Pro y, lo más destacado, las funciones de escritorio de Agnes Code.
Agnes AI posiciona a Flash como el modelo principal para el trabajo diario de los desarrolladores, no como un producto insignia que busca la máxima capacidad computacional.
En comparación con Agnes-2.0-Flash, la compañía afirma que la nueva versión ha mejorado en:
El artículo original comenzó con una comparación visual: se pidió a Agnes-2.0-Flash y Agnes-2.5-Flash que dibujaran una ciudad cyberpunk bajo la lluvia nocturna utilizando solo HTML Canvas. El modelo anterior omitió varios elementos centrales, mientras que la nueva versión generó un horizonte reconocible, lluvia inclinada, luces de neón y carteles holográficos.
Esta prueba fue cualitativa, pero ilustra el cambio esperado. El modelo debe seguir especificaciones más largas de manera más completa, no solo generar código sintácticamente válido.
Agnes AI publicó comparaciones internas de siete pruebas comparativas de programación. Estas cifras son resultados reportados por la empresa, no datos enviados a tablas de clasificación replicadas de forma independiente, por lo que deben considerarse como evidencia direccional, no como prueba definitiva.
| Prueba | 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 — Preguntas y respuestas | 15.8 | 36.5 | 40.8 |
| SWE Atlas — Refactorización | 11.4 | 29.5 | 42.4 |
| SWE Atlas — Redacción de pruebas | 13.8 | 27.5 | 38.9 |
La mejora más notable de Flash se ve en SWE Atlas. Este conjunto evalúa flujos de trabajo de ingeniería de software profesionales que van más allá de la resolución de problemas comunes, incluyendo preguntas y respuestas sobre bases de código, refactorización y redacción de pruebas.
El gráfico también muestra la importancia del contexto de las pruebas comparativas. Agnes-2.5-Flash mejoró en todas las pruebas enumeradas, pero no lidera automáticamente frente a todos los competidores. Su principal atractivo es combinar capacidades prácticas de ingeniería con acceso gratuito, no afirmar ser el modelo más potente en cada categoría.
Las pruebas comparativas son útiles, pero los desarrolladores generalmente se preocupan por una pregunta más directa: ¿puede el modelo completar el trabajo de codificación que realmente entregan?
El revisor original utilizó tres pruebas de dificultad creciente:
La primera prueba utilizó Clumsy Bird, una implementación archivada de MelonJS inspirada en Flappy Bird.
El revisor primero confirmó que el juego funcionaba correctamente, luego modificó manualmente el valor de gravedad de 0.2 a 0 en la lógica de movimiento.
![La imagen muestra el contenido del archivo clumsy-min.js abierto en VS Code. La línea 1 del archivo es 35,c.height=60,this._super(me.Entity,"init",[a,b,c],this.alwaysUpdate=!0,this.body.gravity=0,this.maxAngleRotation=Number.prototype.degToR. El área de edición de código a la derecha tiene un cuadro de búsqueda que muestra el contenido buscado como gravity, y el resultado de la búsqueda es el ítem 1 de 8. Esta imagen está relacionada con el contenido de la modificación manual del valor de gravedad en la prueba mencionada anteriormente, mostrando la ubicación del código modificado.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/d1da3070-1269-499b-b180-960edeb2ed16-e9942322-bb30-4ed5-ae6e-54442b2f6e09.png)
Esta modificación causó fallos anormales. La aplicación no se bloqueó; el pájaro aún se movía hacia arriba al hacer clic, pero ya no caía, lo que impedía jugar normalmente.
El repositorio completo se abrió en Agnes Code. La indicación solo describía el comportamiento anormal visible, sin revelar la línea modificada.
Según el informe de prueba, Agnes-2.5-Flash tardó unos tres minutos en examinar el proyecto y generar un diagnóstico. Después de obtener permiso para aplicar la corrección, completó la edición en aproximadamente 12 segundos. El juego reparado hizo que el pájaro volviera a caer, detectara colisiones con los tubos y actualizara la puntuación correctamente.
La clave no está en modificar un número. Una vez localizada la posición, la corrección en sí es trivial.
El modelo necesita:
Este error construido manualmente tampoco aparece en la lista de problemas públicos ni en el historial de solicitudes de extracción del proyecto, lo que reduce la posibilidad de que el modelo esté reproduciendo una solución de memoria para este escenario específico.
Sigue siendo una prueba de un revisor, no un benchmark controlado, pero es un ejemplo útil de diagnóstico de repositorio orientado a síntomas.
La segunda tarea ya no se limita a trabajos de reparación.
El revisor pidió a Agnes-2.5-Flash que construyera una arena frontal de IA en un solo archivo HTML. La aplicación debe tener las siguientes funciones:
No es una página de aterrizaje simple. Integra editor de interfaz, renderizado en sandbox, lógica de evaluación, gráficos, manejo de estado y visualización de resultados.
La herramienta generada se probó con tres implementaciones de código para dibujar un corazón. El archivo se puede cargar, renderizar en paralelo y comparar dentro de la misma interfaz.
Más tarde, el revisor reutilizó la aplicación para comparar Agnes-2.5-Flash con otros modelos. Esta reutilización es más significativa que una sola captura de pantalla: la funcionalidad del resultado fue suficiente para integrarse en el flujo de evaluación posterior.
El sistema de puntuación generado automáticamente no debe considerarse un benchmark objetivo solo porque produce números y gráficos.
En uso real, los desarrolladores deben verificar:
Esta prueba demuestra capacidad de implementación de extremo a extremo, pero no verifica de forma independiente la calidad del método de evaluación de la arena.
La última prueba vuelve a Clumsy Bird, pero esta vez la tarea implica modificaciones más amplias.
El repositorio contiene múltiples módulos JavaScript, recursos de datos, HTML, CSS, archivos de configuración y archivos relacionados con la compilación. Cuando se actualiza una interfaz sin modificar sincrónicamente el código que la llama, los cambios entre archivos fallan fácilmente.
La solicitud fue agregar un modo de carrera para dos jugadores:
Divide la pantalla en dos mitades, superior e inferior. En la mitad superior, coloca un pájaro rojo controlado por la tecla W; en la mitad inferior, un pájaro azul controlado por la tecla de flecha hacia arriba. Proporciona tuberías y puntuación independientes para cada jugador. El pájaro que choque primero con una tubería pierde, y el otro jugador gana automáticamente, manteniendo un contador de victorias en el historial de la carrera.
La tarea implica modificaciones en el estado del juego, controles, renderizado, detección de colisiones, puntuación independiente, lógica de victoria, comportamiento de reinicio y diseño de la interfaz.
Según el informe, el tiempo de ejecución fue de aproximadamente diez a veinte minutos. La versión final muestra dos áreas de juego, pájaros independientes, obstáculos independientes, instrucciones de teclado y el total de victorias históricas.
Muchas demostraciones de codificación se realizan dentro de un solo archivo. Pero la verdadera ingeniería de software rara vez es tan limitada.
Las modificaciones a nivel de repositorio exigen que el agente mantenga un modelo que incluya:
El resultado indica que Agnes-2.5-Flash puede manejar modificaciones significativas en múltiples archivos dentro de un proyecto heredado pequeño. Pero esto no prueba la misma fiabilidad en repositorios empresariales con millones de líneas de código, conjuntos de pruebas estrictos o infraestructura de despliegue compleja.
En entornos de producción formales, agentes similares aún deberían mostrar su plan, ejecutar pruebas, informar los archivos modificados y proporcionar parches revisables.
En conjunto, estas pruebas delinean un perfil de capacidad más claro.
| Tipo de tarea | Resultado observado | Significado práctico |
|---|---|---|
| Diagnóstico de errores ocultos | Localización de un error de gravedad introducido manualmente según síntomas | Útil para depurar código desconocido |
| Generación de aplicación completa | Construcción de un escenario de comparación funcional en un solo archivo | Demuestra capacidad de planificación a través de múltiples módulos de UI y lógica |
| Refactorización en múltiples archivos | Adición de modo de dos jugadores en un proyecto de juego existente | Refleja comprensión del contexto del repositorio y edición coordinada |
El modelo parece adecuado para muchas tareas de desarrollo comunes:
La evidencia actual aún no es suficiente para llamarlo equivalente en generalidad al modelo de pago de programación más potente.
Pero es suficiente para que el acceso gratuito sea notable.
Agnes AI está preparando Agnes-2.5-Pro, un modelo de alto rendimiento para cargas de trabajo de ingeniería de software profesional.
La división esperada de roles es clara:
Flash es el modelo de uso general para codificación diaria y tareas de agentes.
Los gráficos internos de la compañía muestran que Pro obtuvo puntuaciones más altas en las siete pruebas, incluyendo 82.7 en SWE-bench Verified y 78.7 en SWE-bench Multilingual.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
El artículo original también menciona demostraciones oficiales, que incluyen:
Estas demostraciones indican la dirección del producto, pero la calidad de la demostración no equivale a una confiabilidad técnica reproducible. Al momento de publicar este informe, Agnes-2.5-Pro aún no se ha lanzado oficialmente, y su precio y restricciones de producción tampoco se han hecho públicos.
Un modelo potente todavía necesita un entorno práctico para revisar archivos, invocar herramientas y gestionar tareas de larga duración.
Agnes Code es un espacio de trabajo nativo de escritorio para macOS y Windows. El proyecto AgnesCode más amplio también describe una aplicación de escritorio, una interfaz de línea de comandos (CLI) y una interfaz de programación de aplicaciones (API) para flujos de trabajo de agentes locales.
La interfaz combina un cuadro de entrada con el contexto del proyecto local, modelos, habilidades, aplicaciones y los resultados generados.
A diferencia de las herramientas puramente de codificación, Agnes Code está orientado a una gama más amplia de actividades:
Este ámbito de aplicación más amplio es importante para flujos de trabajo donde la codificación es solo una parte de la tarea. Por ejemplo, el lanzamiento de un producto puede implicar implementar una página, crear material visual, redactar documentación, preparar diapositivas y programar análisis posteriores.
La aplicación de escritorio incluye los modelos Agnes y admite el uso de proveedores personalizados mediante configuraciones compatibles con OpenAI, Anthropic y Ollama.
La interfaz de prueba original también mostraba modelos de vanguardia de terceros. La disponibilidad de los proveedores y la compatibilidad de suscripciones pueden cambiar, por lo que los usuarios deben consultar la aplicación actual, no las capturas de pantalla del momento del lanzamiento.
La portabilidad de los modelos reduce el riesgo de dependencia de un proveedor. Además, al poder probar el mismo proyecto y la misma tarea con múltiples proveedores sin tener que reconstruir los flujos de trabajo circundantes, la evaluación se vuelve más sencilla.
Agnes Code puede poner en cola tareas periódicas que se ejecutan sin supervisión continua.
Ejemplos incluyen:
Esto es similar a los flujos de trabajo de ingeniería basados en bucles, donde las tareas operativas repetitivas se delegan al agente sin necesidad de activación manual cada vez.
La ejecución autónoma programada debe ir acompañada de medidas de seguridad. Una tarea periódica segura requiere restricciones de permisos, salida clara, notificaciones de fallos, monitoreo de costos y aprobación antes de realizar operaciones destructivas.
La configuración de escritorio incluye una opción para mantener el ordenador despierto mientras Agnes Code ejecuta una tarea.
Es una función pequeña, pero resuelve un problema común en el trabajo de agentes locales. Las compilaciones largas, los escaneos de repositorios o las tareas de generación pueden fallar simplemente porque el sistema operativo suspende la máquina.
Agnes Code también incluye un flujo de trabajo para importar preferencias recordadas y contexto de proyecto desde otros asistentes.
png)
Esta interfaz proporciona un mensaje que solicita a otros asistentes exportar información estructurada, como por ejemplo:
El texto exportado puede revisarse y pegarse en Agnes.
Esto reduce la fricción en la migración, pero los usuarios deben revisar cuidadosamente el contenido exportado. La memoria puede contener información privada que no debería transferirse a otros servicios, suposiciones obsoletas, nombres de proyectos internos o datos sensibles.
La misión declarada públicamente de Agnes AI es poner inteligencia artificial de clase mundial al alcance de todos. La empresa ha hecho del acceso gratuito a servicios de texto, imágenes y video una estrategia central de su producto.
En cuanto a Agnes-2.5-Flash, el anuncio de lanzamiento indicó que el modelo se mantendrá gratuito, sin pasar a ser de pago tras una prueba limitada.
Esta afirmación requiere una aclaración práctica: el acceso gratuito no implica necesariamente un rendimiento ilimitado.
La documentación pública de Agnes describe límites de solicitudes, límites de velocidad y cuotas según el plan. Estos valores pueden cambiar, y el catálogo de modelos publicado durante la preparación aún registra modelos de texto anteriores, no Agnes-2.5-Flash.
Los desarrolladores deben verificar:
El acceso gratuito puede simplificar enormemente la experimentación. La fiabilidad en producción sigue dependiendo de los límites publicados, la disponibilidad del servicio, el soporte y una documentación estable.
Agnes AI ofrece una pasarela compatible con OpenAI en la siguiente dirección:
https://apihub.agnes-ai.com/v1
La documentación pública sugiere guardar la clave de la API en una variable de entorno y usar el formato estándar de Bearer Token.
El siguiente ejemplo muestra el patrón de integración. El nombre del modelo sigue siendo un marcador de posición, ya que la documentación oficial consultada al momento de redactar este texto no ha confirmado el identificador público del modelo 2.5.
import os
from openai import OpenAI
api_key = os.environ.get("AGNES_API_KEY")
if not api_key:
raise RuntimeError("Primero, configure la variable de entorno AGNES_API_KEY.")
client = OpenAI(
api_key=api_key,
base_url="https://apihub.agnes-ai.com/v1",
)
response = client.chat.completions.create(
model="Confirme el AGNES_2_5_FLASH_MODEL_ID actual",
messages=[
{
"role": "user",
"content": "Revise este informe de error y proponga una solución mínima y comprobable.",
}
],
)
print(response.choices[0].message.content)
Antes de usarlo en producción:
Agnes-2.5-Flash es un modelo de texto de Agnes AI optimizado para codificación, flujos de trabajo de agentes, razonamiento y tareas cotidianas de desarrollo. Es el sucesor de Agnes-2.0-Flash y se posiciona como el modelo común en la serie de codificación de Agnes.
Agnes AI ha anunciado que Flash se mantendrá gratuito, no solo como una promoción temporal. El uso real aún puede estar sujeto a cuotas de solicitudes, límites de velocidad, planes de cuenta, disponibilidad regional y reglas de uso razonable.
Los informes de lanzamiento indican que se espera un acceso más amplio a la API durante la semana posterior al lanzamiento de la versión de escritorio. Al momento de redactar este texto, la documentación pública no ha confirmado el nuevo ID del modelo, por lo que los desarrolladores deben consultar la plataforma oficial antes de integrarlo.
Las evaluaciones internas de Agnes AI muestran que 2.5 Flash obtiene puntuaciones más altas en las siete pruebas de programación publicadas. Las mejoras más notables se observan en las áreas de preguntas y respuestas sobre bases de código SWE Atlas, refactorización y escritura de pruebas.
Las pruebas prácticas muestran que puede diagnosticar errores ocultos e implementar funcionalidades que incluyen un modo de juego para dos jugadores con múltiples archivos en bases de código pequeñas existentes. Sin embargo, las bases de código de producción grandes aún requieren pruebas, revisión de parches, gestión de permisos y supervisión humana.
Agnes Code es un espacio de trabajo de agente de escritorio para proyectos locales y tareas generales de productividad. Admite contexto de proyecto, proveedores de modelos, tareas programadas, integraciones personalizadas y contenido de salida más allá del código fuente.
La interfaz de escritorio evaluada admite proveedores personalizados compatibles con OpenAI, Anthropic y Ollama. La lista completa de proveedores integrados y opciones de suscripción debe confirmarse en la aplicación más reciente.
Los gráficos de referencia discutidos en este texto están etiquetados como evaluaciones internas de Agnes AI. Las pruebas de clasificación independientes pueden usar diferentes agentes, marcos, indicaciones, presupuestos computacionales y procesos de validación, por lo que las comparaciones directas requieren precaución.
Terminal-Bench: Referencia oficial para que los agentes completen tareas reales en entornos de terminal.
08366): Este conjunto de pruebas de referencia cubre preguntas y respuestas sobre bases de código, escritura de pruebas y refactorización de código.
Agnes-2.5-Flash combina un modelo de codificación más potente con un agente de escritorio diseñado para proyectos locales, flujos de trabajo repetitivos y productividad multimodal. En pruebas prácticas originales, diagnosticó vulnerabilidades inyectadas manualmente, construyó aplicaciones funcionales de comparación de un solo archivo y completó modificaciones colaborativas de juegos con múltiples archivos.
Los resultados de evaluaciones internas de la empresa muestran mejoras con respecto a Agnes-2.0-Flash en siete evaluaciones de codificación, con avances significativos especialmente en la pista SWE Atlas. Sin embargo, estos resultados deben considerarse internos y no como clasificaciones universalmente aplicables o reproducibles de forma independiente.
La promesa de uso gratuito es la ventaja más destacada de este producto, pero los desarrolladores deben distinguir entre precios gratuitos y capacidad ilimitada. La disponibilidad del modelo, los límites de tasa, las cuotas y los identificadores exactos de la API de la versión 2.5 deben confirmarse en la plataforma oficial.
El atractivo de Agnes-2.5-Flash no radica en demostrar que los modelos de pago de última generación son innecesarios, sino en cubrir la mayoría de los escenarios del trabajo de codificación diario sin establecer una barrera de precio.
Empieza con una sola frase y obtén un sitio completo en minutos.
