AI编程最大的问题已不再是缺乏强大的模型。对许多开发者而言，关键在于可及性。高端编程助手愈发昂贵，区域限制可能中断既有工作流程，而依赖API的代理任务往往迅速消耗预算。这使得市场亟需一款模型：既能胜任日常工程工作，稳定可靠，又足够经济，无需时刻计算成本。Agnes AI正以此为契...
AI编程最大的问题不再是缺乏能力强大的模型。对许多开发者而言，问题在于可及性。
高端编程助手正变得越来越昂贵，地域限制可能中断已建立的工作流程，而依赖API的代理任务会迅速消耗预算。这催生了对一款模型的需求：它需要足够胜任日常工程工作、足够稳定以持续使用、并且足够便宜以无需不断计算成本。
Agnes AI 正通过 Agnes-2.5-Flash 填补这一空白，这是一款针对编程、代理工作流和日常开发优化的新文本模型。该公司表示将保持Flash模型的免费可用性，而非将免费访问作为短期发布促销手段。
此次发布还包括 Agnes Code，一款桌面代理，可以打开本地项目、编辑文件、运行工具、安排重复性工作、连接多个模型提供商，并处理文档、图像、视频和演示文稿等非编程任务。
本文沿用原始动手测试的顺序：首先是基准测试数据，然后是隐藏Bug修复、从零构建完整Web应用、多文件游戏修改、即将推出的Pro模型，以及最值得关注的Agnes Code桌面功能。
Agnes AI 将Flash定位为开发者日常工作的主力模型，而非追求最大计算量的旗舰产品。
与Agnes-2.0-Flash相比，该公司表示新版本在以下方面有所提升：
原始文章以视觉对比开始：要求Agnes-2.0-Flash和Agnes-2.5-Flash仅使用HTML Canvas绘制一个雨夜赛博朋克城市。旧模型遗漏了多个核心元素，而新版本生成了可辨识的天际线、斜雨、霓虹灯和全息广告牌。
该测试是定性的，但说明了预期的改变。模型应更完整地遵循更长的规格说明，而不仅仅是生成语法有效的代码。
Agnes AI 发布了七个编程基准测试的内部对比。这些数字是公司报告的结果，而非独立复现的排行榜提交数据，因此应被视为方向性证据而非最终证明。
| 基准测试 | 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 — 问答 | 15.8 | 36.5 | 40.8 |
| SWE Atlas — 重构 | 11.4 | 29.5 | 42.4 |
| SWE Atlas — 测试编写 | 13.8 | 27.5 | 38.9 |
最明显的 Flash 改进体现在 SWE Atlas 中。该套件评估的是超越普通问题解决的专业软件工程工作流程，包括代码库问答、重构和测试编写。
该图表也展示了基准测试上下文的重要性。Agnes-2.5-Flash 在列出的每个测试中都有所提升，但并未自动领先于所有竞争对手。其主要卖点在于将实用的工程能力与免费访问相结合，而非声称在每个类别中都是最强模型。
基准测试固然有用，但开发者通常更关心一个更直接的问题：模型能否完成他们实际交付的编码工作？
原审阅者采用了三个难度递增的测试：
第一个测试使用了 Clumsy Bird，这是一个受 Flappy Bird 启发、已归档的开源 MelonJS 实现。
审阅者首先确认游戏运行正常，随后在移动逻辑中手动将重力值从 0.2 改为 0。
![图片展示的是在 VS Code 中打开的 clumsy-min.js 文件内容。文件中第1行代码为 35,c.height=60,this._super(me.Entity,"init",\[a,b,c\],this.alwaysUpdate=!0,this.body.gravity=0,this.maxAngleRotation=Number.prototype.degToR。右侧代码编辑区域有搜索框，显示搜索内容为 gravity，搜索结果为第1项，共8项。该图片与上文提到的测试中手动修改游戏重力值这一内容相关，展示了修改后的代码位置。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/d1da3070-1269-499b-b180-960edeb2ed16-e9942322-bb30-4ed5-ae6e-54442b2f6e09.png)
这一修改导致了异常故障。应用程序并未崩溃，玩家点击后鸟儿仍能向上移动，但它不再下落，导致游戏无法正常进行。
完整的仓库在 Agnes Code 中打开。提示仅描述了可见的异常表现，并未透露被修改的行。
根据测试报告，Agnes-2.5-Flash 花费约三分钟检查项目并生成诊断。获得应用修复的许可后，它在大约 12 秒内完成了编辑。修复后的游戏再次让鸟儿下落、检测管道碰撞并正确更新分数。
关键并非修改一个数字。一旦定位到位置，修补本身微不足道。
模型需要：
检查一个不熟悉的项目。
将运行时表现与移动系统关联起来。
定位相关的实现代码。
识别无效的物理参数。
在编辑前说明诊断结果。
进行最小修复，且不破坏无关行为。
该手工构造的错误也未出现在项目的公开问题列表和拉取请求历史中，这降低了模型是在重现针对该特定场景的记忆修复方案的可能性。
这仍是一位审阅者的测试，而非受控基准测试，但它是一个有用的症状导向型仓库诊断示例。
第二项任务不再局限于修复工作。
审阅者要求 Agnes-2.5-Flash 在单个 HTML 文件中构建一个 AI 前端竞技场。该应用需要具备以下功能：
这并非一个简单的着陆页。它整合了编辑器界面、沙箱渲染、评估逻辑、图表绘制、状态处理及结果展示等功能。
生成的工具接受了三种不同代码绘制心形图案实现方案的测试。文件可被加载、并行渲染，并在同一界面内进行比较。
审阅者后来复用该应用将 Agnes-2.5-Flash 与其他模型进行了对比。这种复用比单张截图更有意义：输出结果的功能性足以使其成为后续评估流程的一部分。
自动生成的评分系统不应仅仅因为其产生数字和图表就被视为客观基准。
实际使用时，开发者应检查：
该测试展示了端到端的实现能力，但并未独立验证竞技场评判方法的质量。
最后一项测试回到了 Clumsy Bird，但这次任务涉及更大幅度的修改。
该仓库包含多个 JavaScript 模块、数据资源、HTML、CSS、配置文件及构建相关文件。当更新某个接口而未同步修改调用它的代码时，跨文件变更很容易失败。
请求是添加一个双人赛车模式：
将屏幕分为上下两个半区。上方区域放置一只由 W 键控制的红色小鸟，下方区域放置一只由向上箭头键控制的蓝色小鸟。为每位玩家提供独立的管道和计分。先撞到管道的小鸟输，另一位玩家自动获胜，同时需保留比赛历史的胜场计数器。
该任务涉及游戏状态、控制、渲染、碰撞处理、独立计分、胜利逻辑、重启行为及界面布局的修改。
根据报告，运行时间大约在十到二十分钟。最终版本显示两个游戏区域、独立的小鸟、独立的障碍物、键盘指令以及历史胜场总数。
许多编码演示仅在一个文件内完成。但真正的软件工程很少如此局限。
代码仓库级别的修改要求智能体维护一个包含以下内容的模型：
结果说明，Agnes-2.5-Flash 能够在一个小型遗留项目中处理有意义的多文件修改。但这并不证明其在数百万行代码、严格测试套件或复杂部署基础设施的企业级代码仓库中具备同等可靠性。
在正式生产环境中，类似的智能体仍应要求展示其计划、运行测试、报告修改过的文件，并提供可供审查的补丁。
综合来看，这些测试勾勒出一个更为清晰的能力轮廓。
| 任务类型 | 观察结果 | 实际意义 |
|---|---|---|
| 隐藏漏洞诊断 | 根据症状定位手动引入的重力错误 | 有助于排查不熟悉的代码 |
| 完整应用生成 | 构建了可运行的单文件比较场景 | 展示了跨多个 UI 和逻辑模块的规划能力 |
| 多文件重构 | 在现有游戏项目中添加了双人模式 | 体现了对代码仓库上下文的把握与协调编辑 |
该模型看来适合许多常见开发任务：
现有证据尚不足以将其称为在通用性上等同于最强付费编程模型。
足以使免费访问备受关注。
Agnes AI 正在准备 Agnes-2.5-Pro，这是一款针对专业软件工程工作负载的高性能模型。
预期的分工很明确：
该公司的内部图表显示，Pro 在所有七项测试中得分更高，包括 SWE-bench Verified 的 82.7 分和 SWE-bench Multilingual 的 78.7 分。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
原始文章还提到了官方演示，内容包括：
这些演示表明了产品方向，但演示质量并不等同于可复现的工程可靠性。截至本报告发布时，Agnes-2.5-Pro 尚未正式推出，其定价和生产限制也尚未公开。
一个强大的模型仍然需要一个实用的环境来检查文件、调用工具和管理长时间运行的任务。
Agnes Code 是一款面向 macOS 和 Windows 的原生桌面工作空间。更广泛的官方 AgnesCode 项目还描述了一款用于本地智能体工作流的桌面应用、命令行界面 (CLI) 和应用程序接口 (API)。
该界面将提示框与本地项目上下文、模型、技能、应用程序以及生成的输出结合在一起。
与纯编码工具不同，Agnes Code 定位用于更广泛的活动：
这种更广泛的适用范围对于编码仅是任务一部分的工作流非常重要。例如，一次产品发布可能涉及实现一个页面、创建视觉素材、起草文档、准备幻灯片以及安排后续分析。
该桌面应用包含 Agnes 模型，并支持通过兼容 OpenAI、Anthropic 和 Ollama 的配置来使用自定义提供商。
原始测试界面还
展示了第三方前沿模型。供应商可用性和订阅兼容性可能会发生变化，因此用户应查看当前应用程序，而非依赖发布时的截图。
模型的可移植性能减少供应商锁定风险。同时，由于可以在不重建周边工作流的情况下，跨多个供应商测试相同项目和任务，评估也变得更加容易。
Agnes Code 可以队列化无需持续监督即可运行的周期性任务。
示例包括：
这类似于基于循环的工程工作流，其中重复的操作性工作交给智能体处理，而无需每次都手动触发。
定时自主运行应配合防护措施。一个安全的周期性任务需要具备权限限制、清晰的输出、失败通知、成本监控，以及执行破坏性操作前的审批。
桌面设置中包含一个选项，可在 Agnes Code 运行任务时保持电脑清醒。
这是一个小功能，但它解决了本地智能体工作中一个常见问题。长时间的构建、仓库扫描或生成任务可能仅仅因为操作系统将机器挂起而失败。
Agnes Code 还包含一个从其他助手导入已记住的偏好和项目上下文的工作流。
该界面提供一段提示，要求其他助手导出结构化信息，例如：
导出的文本可以被审查并粘贴到 Agnes 中。
这降低了迁移摩擦，但用户应仔细检查导出的内容。记忆可能包含不应传输到其他服务的私人信息、过时的假设、内部项目名称或敏感数据。
Agnes AI 公开宣称的使命是让所有人都能使用世界级的人工智能。该公司将文本、图像和视频服务的免费访问作为核心产品策略。
对于 Agnes-2.5-Flash，发布声明表示该模型将保持免费使用，而非在有限试用后转为付费。
这一说法需要一项实际澄清：免费访问并不一定意味着无限制的吞吐量。
公开的 Agnes 文档描述了计划级别的请求限制、速率限制和配额。这些数值可能会变化，且在准备期间公开的模型目录记录的仍是之前的文本模型，而非 Agnes-2.5-Flash。
开发者应核实：
免费访问可以大幅简化实验过程。生产环境的可靠性仍取决于已发布的限制、服务可用性、支持和稳定的文档。
Agnes AI 在以下地址提供兼容 OpenAI 的网关：
https://apihub.agnes-ai.com/v1
公开文档建议将 API 密钥保存在环境变量中，并使用标准的 Bearer Token 格式。
以下示例展示了集成模式。模型名称仍为占位符，因为在撰写本文时查阅的官方文档中尚未确认公开的 2.5 模型标识符。
import os
from openai import OpenAI
api_key = os.environ.get("AGNES_API_KEY")
if not api_key:
raise RuntimeError("请先设置 AGNES_API_KEY 环境变量。")
client = OpenAI(
api_key=api_key,
base_url="https://apihub.agnes-ai.com/v1",
)
response = client.chat.completions.create(
model="请确认当前的 AGNES_2_5_FLASH_MODEL_ID",
messages=[
{
"role": "user",
"content": "检查此错误报告并提出一个最小可测试的修复方案。",
}
],
)
print(response.choices[0].message.content)
投入生产使用前：
Agnes-2.5-Flash 是 Agnes AI 推出的一款文本模型，针对编码、智能体工作流、推理和日常开发任务进行了优化。它是 Agnes-2.0-Flash 的继任者，被定位为 Agnes 编码系列中的常用模型。
Agnes AI 宣布 Flash 将保持免费，而非仅限于临时推广活动。实际使用仍可能受请求配额、速率限制、账户计划、地区可用性和合理使用规则的约束。
Agnes-2.5-Flash 是否可通过 API 使用？
发布报告称，桌面版上线当周预计将开放更广泛的 API 访问权限。截至本文撰写时，公开文档尚未确认新模型 ID，因此开发者应在集成前查阅官方平台。
Agnes AI 的内部评估显示，2.5 Flash 在所有七项已发布的编程测试中均取得更高成绩。其中在 SWE Atlas 代码库问答、重构和测试编写赛道上的提升最为显著。
实操测试表明，它能诊断隐藏错误，并在小型现有代码库中实现包含多文件双人游戏模式的功能。但大型生产代码库仍需执行测试、补丁审查、权限管理和人工监督。
Agnes Code 是面向本地项目和广泛生产力任务的桌面代理工作空间。它支持项目上下文、模型提供商、计划任务、自定义集成以及超越源代码的输出内容。
经评测的桌面界面支持自定义兼容 OpenAI、Anthropic 和 Ollama 的提供商。内置提供商及订阅选项的完整列表需在最新应用程序中确认。
本文讨论的基准测试图表标注为 Agnes AI 的内部评估结果。独立排行榜测试可能使用不同代理、框架、提示词、计算预算和验证流程，因此直接对比需谨慎。
08366): 该基准测试套件涵盖代码库问答、测试编写和代码重构。
Agnes-2.5-Flash 将更强大的编码模型与专为本地项目、重复工作流和多模态生产力设计的桌面代理相结合。在原始实操测试中，它诊断了手动植入的漏洞、构建了可运行的单一文件比较应用，并完成了协同的多文件游戏修改。
公司内部基准测试结果显示，它在七项编码评估中较 Agnes-2.0-Flash 有所改进，尤其在 SWE Atlas 赛道上提升显著。不过，这些成绩仍需视为内部结果，而非普遍适用、可独立复现的排名。
免费使用承诺是该产品最突出的优势，但开发者应区分免费定价与无限制容量。模型可用性、速率限制、配额以及确切的 2.5 版本 API 标识符需在官方平台确认。
Agnes-2.5-Flash 的吸引力并不在于证明付费前沿模型毫无必要，而在于它能在不设置价格门槛的前提下，覆盖日常编码工作中的大部分场景。
