Coding 竞争升级，Agnes 打出模型与产品组合拳-华贸商城资讯网

作者｜孙芮
微信 | lombredeau

从 Claude Code、竞争Codex 到日益丰富的升级桌面端与本地化 Agent 生态，AI Agent 的出模形态正经历快速迭代。相较于早期局限于聊天问答的型产浅层交互，当下的品组 Agent 已具备理解项目架构、调用外部工具、合拳执行复杂任务的竞争能力，并深度嵌入用户的升级日常工作流。

随着 Agent 承担的出模任务复杂度呈指数级上升，竞争的型产核心逻辑发生转移：产品体验不再仅由交互界面定义，底层模型推理能力、品组工具调用效率以及 Token 成本控制，合拳已成为决定任务完成质量、竞争执行效能及用户成本的升级关键变量。在众多应用场景中，出模Coding 因对模型推理深度、工具调用频次及长链路任务执行能力要求极高，成为当前 Agent 能力博弈的最前沿阵地。

在此背景下，Agnes 发布新一代文本模型 Agnes-2.5 Flash，并同步推出桌面端产品 AgnesCode。旨在通过更强的模型基座、更具竞争力的使用成本以及覆盖全工作流的 Agent 形态，推动 AI 从“辅助工具”向“日常协作伙伴”转型。

AgnesCode 的实战能力已在真实场景中经受检验。在硅星人主办的评测活动中，AgnesCode 与 Codex、Claude Code 等主流产品同台竞技，截至 7 月 10 日位列团体第一，有力印证了其在复杂真实任务场景中的综合竞争力。

从底层模型迭代到桌面端产品落地，Agnes 此次的核心命题在于：在 Agent 进入深度工作流时代后，如何让模型真正承担起持续执行与协作的角色。

01 Agnes 模型能力再升级：聚焦 Coding 与 Agent 场景

随着 Agent 深入实际工作流，模型能力的评估标准正在重塑。

对于开发者而言，优秀的模型不仅需具备代码生成能力，更需拥有全局代码仓库理解力、精准的问题定位能力、多文件协同修改能力以及连续任务的工具调用能力。这正是 Agnes 本次升级重点投入 Coding 与 Agent 场景的根本原因。

近期，Agnes 正式推出新一代文本模型 Agnes-2.5 Flash。相较于上一代，新版本针对代码理解、Bug 修复、多文件修改、多步骤任务执行及复杂推理等开发场景进行了专项优化，在模型性能、响应速度与推理成本之间实现了更优平衡。该模型定位为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。

据官方披露，Agnes-2.5 Flash 并非单纯追求代码生成量的提升，而是围绕真实开发流程进行针对性优化。例如，在处理跨文件修改任务时，模型能更精准地解析项目结构；在面对需多轮推理和工具调用的复杂任务时，能保持更稳定的执行表现。这些能力构成了当前 Coding Agent 真正参与开发工作的基石。

除已发布的 Flash 版本外，Agnes 还预告了即将推出的旗舰模型 Agnes-2.5 Pro。与强调速度与成本平衡的 Flash 不同，Pro 版本更侧重复杂推理能力、大型代码仓库理解、复杂工程开发及长链路 Agent 执行能力，主要面向专业开发者及高难度开发场景。

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，并作为 Agnes 首款收费模型推出。这标志着 Agnes 形成了更清晰的模型产品矩阵：
* Flash：面向高频、日常开发与 Agent 使用场景，兼顾性能、速度与成本；
* Pro：承担复杂工程开发和高难度推理任务，满足专业化需求。

从产品布局来看，此次更新的核心并非单一新模型的发布，而是进一步完善 Agnes 在 Agent 时代的模型体系。随着 Agent 承担的工作流更长、更复杂，模型能力已从决定生成质量，演变为决定 Agent 能否真正完成任务的核心竞争力。因此，Agnes 的升级重点明确集中在 Coding 与 Agent 两大方向。

02 从 Benchmark 看 Agnes 2.5 的能力跃迁

从 Agnes 公布的模型能力对比数据来看，Agnes-2.5 系列的提升主要集中在 Coding 场景，而非泛化的通用能力增强。

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

SWE-bench Verified：从 72.4% 提升至 75.6%；
Terminal-Bench 2.1：达到 62.3%；
SWE Atlas 系列：提升尤为显著，几乎实现翻倍增长：
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：从 13.5% 提升至 27.5%。

相比之下，Agnes-2.5 Pro进一步面向复杂工程开发进行了深度优化。

官方数据显示，Pro 版本在多个 Coding Benchmark 上已进入旗舰模型竞争区间：
* 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，Pro 版本的表现已接近甚至超越部分当前主流旗舰模型。

官方特别指出，本轮升级最显著的突破来自 SWE Atlas系列测试。与传统代码生成测试不同，SWE Atlas 更关注模型理解大型代码仓库、定位问题、分析代码及完成真实软件工程任务的能力，更贴近开发者日常面临的实际工作。这意味着 Agnes-2.5 的优化重点紧紧围绕真实 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。

03 当 Agnes 接手完整任务：从 Demo 看综合实力

Agnes 2.5 系列的综合实力，或许可以从其实际完成的任务中窥见一斑。

以硅星人过往报道的大量企业（尤其是 AI 领域公司与产品）为例，随着报道数量激增，如何快速检索、整理这些信息成为痛点。我们尝试让 Agnes 2.5 系列基于硅星人历史报道，搭建一个企业信息库。

该任务并非简单的信息搬运，而是包含内容检索、语义理解、关键信息提取、分类归纳及结构化整理等多个环节。Agnes 2.5 系列需先理解不同报道中的企业信息，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。

为测试 Agnes 2.5 系列处理复杂开发任务的能力，我们让其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、实时渲染及多对象协同。Agnes 需组织角色控制、物理碰撞、场景更新、动画循环和计分系统等多个模块，实现了实时动画渲染、连续交互及多模块联动。

同样，Agnes 也能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：用户上传本地图片后，可根据喜好选择风格生成海报。

Agnes 最终产出的产品包含 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），赋予用户对最终视觉效果的精细控制权。

在线海报生成工具演示

在此过程中，Agnes 不仅完成了工具功能搭建，更理解了设计语言，将风格、构图、色彩和视觉元素转化为可操作的产品能力，生成了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，则将模型能力延伸至更复杂的工程开发场景。

我们尝试让 Agnes 开发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、动画渲染及复杂前端交互等多个环节。

Agnes 不仅完成了系统页面搭建，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。

对模型而言，这不仅考验代码生成能力，更要求其理解复杂需求，将多个独立模块组织成完整产品。

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

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

04 AgnesCode：让 AI 真正成为协作伙伴

如果说 Agnes-2.5 系列解决的是“能力”问题，那么 AgnesCode 则回答了“如何落地”的问题——即这些能力如何真正融入日常工作。

前文展示的多个 Demo，均由 AgnesCode 制作。其中，模型负责思考与规划，Agent 负责执行，而 AgnesCode 则统筹整个任务，让 AI 能在真实项目环境中持续工作。因此，Agnes 将 AgnesCode 定位为桌面 AI 工作台。

在这里，用户面对的是一个完整且可迭代的项目。无论是开发代码、整理资料、制作 PPT，还是生成网页、图片、视频，均可围绕同一项目持续推进。所有上下文、文件和生成内容均保留在同一工作空间中。

在 AgnesCode 中，用户只需描述需求，系统即可自动调用 Agnes 模型、Skill、应用连接及本地项目完成任务。

AgnesCode 默认搭载最新的 Agnes-2.5 Flash模型，可免费开放使用。除 Agnes 模型外，用户还可接入其他模型 API，或直接使用 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。