Coding 竞争升级，Agnes 打出模型与产品组合拳

作者｜孙芮

微信 | lombredeau

从 Claude Code、Codex，到越来越多桌面端、本地化 Agent 产品出现，AI Agent 的形态正在快速演进。相比早期停留在聊天和问答层面，如今的 Agent 已经能够理解项目、调用工具、执行任务，并逐渐融入用户的日常工作流。

随着 Agent 开始承担越来越复杂的任务，竞争的重点也发生了变化。产品体验不再只是由交互界面决定，底层模型能力、工具调用能力以及 Token 成本，正在成为影响任务完成质量、执行效率和使用成本的关键因素。而在众多应用场景中，Coding 因为对模型推理、工具调用和长链路任务执行能力要求最高，也成为当前 Agent 能力竞争最集中的方向。

在这一背景下，Agnes 发布新一代文本模型 Agnes-2.5 Flash，并推出桌面端产品 AgnesCode，希望通过更强的模型能力、更低的使用成本，以及覆盖完整工作流的 Agent 产品形态，让 AI 真正成为用户日常工作的协作伙伴。

AgnesCode的harness能力也在一些真实场景中得到验证。在硅星人举办的活动中，AgnesCode与 Codex、Claude Code 等主流产品同场竞技，截至7月10日位列团体第一，也能从侧面看出其在真实任务场景中的综合竞争力。

从模型升级到桌面端产品发布，这一次 Agnes 想回答的问题，是在 Agent 进入深度工作流时代后，如何让模型真正承担起执行任务、持续协作的角色。

1

01 Agnes模型能力再升级

随着 Agent 开始承担越来越多实际工作，模型能力的评价标准也在发生变化。

对于开发者而言，一个模型不仅要能够生成代码，更需要理解整个代码仓库、定位问题、修改多个文件、调用工具，并完成一系列连续任务。这也是 Agnes 本次模型升级选择重点投入 Coding 与 Agent 场景的原因。

近期，Agnes 正式推出新一代文本模型 Agnes-2.5 Flash。相比上一代模型，新版本针对代码理解、Bug 修复、多文件修改、多步骤任务执行以及复杂推理等开发场景进行了专项优化，在模型性能、响应速度和推理成本之间取得了更好的平衡，定位于开发者日常使用的主力模型，即日起开启灰度上线，率先在 AgnesCode 中开放体验，API 将于本周内全面开放。

从官方披露的信息来看，Agnes-2.5 Flash 并非单纯提升代码生成能力，而是围绕真实开发流程进行了针对性优化。例如，在面对需要跨文件修改的任务时，模型能够更准确地理解项目结构；面对需要多轮推理和工具调用的复杂任务，也能够保持更稳定的执行能力。这些能力也是当前 Coding Agent 能否真正参与开发工作的基础。

除了已经发布的 Flash，Agnes 还预告了即将推出的旗舰模型 Agnes-2.5 Pro。与强调速度和成本平衡的 Flash 不同，Pro 更侧重复杂推理能力、大型代码仓库理解、复杂工程开发以及长链路 Agent 执行能力，主要面向专业开发者和更复杂的开发场景。

据 Agnes 内部透露，Agnes-2.5 Pro 将直接对标 Claude Opus 4.8、GLM-5.2 等旗舰文本模型，也将成为 Agnes 首款收费模型。这意味着 Agnes 也开始形成更加清晰的模型产品矩阵：Flash 面向高频、日常的开发与 Agent 使用场景，兼顾性能、速度与成本；Pro 则承担复杂工程开发和高难度推理任务，满足更专业的需求。

从产品布局来看，这次更新的重点并不仅仅是发布一款新模型，而是进一步完善 Agnes 在 Agent 时代的模型体系。

随着 Agent 承担越来越长链路、更加复杂的工作流，模型能力已经从决定生成质量，进一步演变为决定 Agent 能否真正完成任务的核心竞争力。因此，这次 Agnes 的升级重点，也集中在 Coding 与 Agent 两个方向。

1

02 从 Benchmark 看 Agnes 2.5 的能力提升

从Agenes公布的模型能力对比来看，Agnes-2.5 系列此次提升主要集中在 Coding 场景，而不是简单提升通用能力。

其中，Agnes-2.5 Flash 相比上一代 Agnes-2.0 Flash，在七项 Coding Benchmark 上均实现了提升，覆盖 Terminal 操作、代码修复、代码理解以及软件工程任务等多个维度。

在 SWE-bench Verified 上，Flash 从 72.4% 提升至 75.6%；在 Terminal-Bench 2.1 上达到 62.3%；而在更具代表性的 SWE Atlas 系列测试中，提升更加明显。

例如 SWE Atlas-QnA 从 15.8% 提升至 36.5%，SWE Atlas-RF 从 11.4% 提升至 29.5%，SWE Atlas-TW 则从 13.5% 提升至 27.5%，几乎实现了翻倍增长。

相比 Flash，Agnes-2.5 Pro 则进一步面向复杂工程开发进行了优化。

从官方公布的数据来看，其在多个 Coding Benchmark 上已经进入旗舰模型竞争区间。例如 Terminal-Bench 2.1 达到 77.3%，SWE-bench Verified 达到 82.7%，SWE-bench Multilingual 达到 78.7%，在多项测试中已经接近甚至超过部分当前主流旗舰模型。

同时，官方特别提到，本轮升级最明显的提升来自 SWE Atlas。

相比传统代码生成测试，SWE Atlas 更关注模型理解大型代码仓库、定位问题、分析代码以及完成真实软件工程任务的能力，也更接近开发者日常面对的实际工作。这也意味着 Agnes-2.5 的优化重点是围绕真实 Coding Workflow，对代码理解、复杂推理和 Agent 执行能力进行了针对性增强。

1

03 当 Agnes开始接手完整任务

如何体现 Agnes 2.5 系列的综合实力？或许可以从它实际完成的任务中看出答案。

比如硅星人过往报道了非常多的企业，尤其是AI 领域的公司与产品。但随着报道数量增长，如何快速检索、整理这些信息，也是一个问题。

我们尝试让 Agnes 2.5 系列基于硅星人的历史报道，搭建一个企业信息库。

这个任务并不是简单的信息搬运，而是包含了内容检索、语义理解、关键信息提取、分类归纳以及结构化整理等多个环节。Agnes 2.5 系列需要先理解不同报道中的企业信息，再判断哪些内容具备长期记录价值，最终形成可查询、可复用的企业数据库。

为了测试 Agnes 2.5 系列处理复杂开发任务的能力，我们让它从一段产品需求出发，独立完成一个跑酷小游戏的开发。

与静态网页不同，跑酷游戏涉及持续的状态管理、实时渲染以及多对象协同。Agnes 需要组织角色控制、物理碰撞、场景更新、动画循环和计分系统等多个模块，从而实现了实时动画渲染、连续交互以及多模块联动。

同样，Agnes 也能够快速构建满足具体需求的实用工具。

例如，我们让 Agnes 开发一个在线海报生成工具：用户上传一张图片后，用户上传一张本地图片后，可以根据自己的喜好来选择风格生成海报。

Agnes 最终做出的产品包含 6 种创作模式、17 种预设模板、8 种色调滤镜，以及 10+ 项实时可调参数，包括文字密度、形状密度、颗粒感、对比度、光晕、Glitch 强度、RGB 偏移、扫描线等，让用户可以进一步控制最终视觉效果。

https://6a509d542c036ef2a53b4ccb--mood-poster-studio-v12.netlify.app/

在这过程中，Agnes 不仅需要完成工具功能的搭建，还需要理解设计语言，将风格、构图、色彩和视觉元素转化为可操作的产品能力，才能生成一个具备完整创作流程的在线海报工具。

上述案例均由 Agnes-2.5 Flash 完成。而即将推出的 Agnes-2.5 Pro，则进一步将模型能力提升到了更复杂的工程开发场景。

我们尝试让 Agnes 开发了一个台风实时追踪系统。从地图展示、实时数据面板，到路径动画、风圈变化、粒子特效，再到风速仪表盘、预警信息等模块，整个项目涉及地图开发、数据可视化、动画渲染以及复杂前端交互等多个环节。

Agnes 不仅完成了整个系统的页面搭建，还实现了地图跟随、路径插值、风圈动态变化、粒子效果以及多项实时数据联动，最终生成了一个接近专业气象监测大屏的可交互网页。

对于模型而言，这不仅考验代码生成能力，更要求它能够理解复杂需求，将多个独立模块组织成一个完整的产品。

同时，Agnes 也能够理解更加抽象的创意需求。我们尝试让它开发一个具有梦幻现实主义风格的交互网页，只给出「玻璃水面」「真实液体折射」「星光粒子」等关键词描述，而没有提供任何设计稿。

Agnes 最终完成了整个网页的搭建，实现了实时水波纹交互、玻璃折射效果、粒子动画以及 AI 背景生成等功能，并支持用户切换不同底图进行创作。

1

04 AgnesCode 让 AI 真正成为协作伙伴

如果说 Agnes-2.5 系列模型解决的是能力问题，那么 AgnesCode 则回答了另一个问题，也就是这些能力如何真正融入日常工作。

前文展示的多个 Demo，就是由 AgnesCode 做出的。模型负责思考与规划，Agent 负责执行，而 AgnesCode 则把整个任务组织起来，让 AI 能够在一个真实的项目环境中持续工作。因此，Agnes 对 AgnesCode 的定位是一个桌面 AI 工作台。

在这里，用户面对的是一个完整可迭代的项目。无论是开发代码、整理资料、制作 PPT，还是生成网页、图片、视频，都可以围绕同一个项目持续推进，所有上下文、文件和生成内容都会保留在同一个工作空间里。

在AgnesCode中，用户只需要描述自己需求，AgnesCode 就会自动调用 Agnes 模型、Skill、应用连接以及本地项目完成任务。

AgnesCode 默认搭载的是最新的 Agnes-2.5 Flash 模型，可以免费开放使用。除了 Agnes 模型之外，用户还可以接入其他模型 API，也可以直接使用 AgnesCode 内置的 GPT-5.5、Claude Fable 5、Gemini 3.5 Flash、DeepSeek V4 Pro、GLM 5.2 等旗舰模型，目前每日登录即可获得 1200 积分体验。

并且，桌面端与 Agnes Web、App 共用账号、会员和积分体系。

对于开发者来说，AgnesCode 最大的价值在于能够理解真实项目。

它可以读取本地代码仓库，理解整个项目的目录结构和文件之间的关系，在一个任务中完成多个文件的修改，并持续利用已有上下文完成后续工作。从需求分析、代码生成，到 Bug 修复、项目重构，AgnesCode 都能够参与其中，而不是停留在单次代码生成。

与此同时，它并不局限于 Coding。办公场景中，AgnesCode 可以帮助用户完成文档整理、PPT 制作、数据分析和信息研究；创作场景下，它也能够生成网页、图片、视频等内容。这意味着，同一套模型能力可以覆盖开发、办公与创作等不同工作流，而不需要频繁切换不同工具。

为了让这些工作能够持续进行，AgnesCode 还做了本地项目空间。每一个项目都有独立的文件夹、上下文以及生成内容，无论是代码、网页、图片还是视频，都会统一保存在项目空间中，方便后续继续编辑、下载和复用，也让 AI 生成的内容真正成为项目资产，而不是一次性的聊天结果。

从 Agnes-2.5 Flash 到即将推出的 Agnes-2.5 Pro，再到 AgnesCode 桌面端，Agnes 正在逐步完善从模型到 Agent、再到工作流的完整产品体系。对于 Agnes 来说，这次发布是把模型能力、Agent 执行能力以及本地工作流连接起来，帮助模型更好地、有效地进入真实任务环境中。

最后，如果对AgnesCode的产品感兴趣，可以前往https://agnes-ai.com/agnescode 下载。

点个“爱心”，再走 吧