Coding 竞争升级，Agnes 打出模型与产品组合拳

从 Claude Code、Codex，到越来越多的桌面端和本地化 Agent 产品涌现，AI Agent 的形态正在经历一轮快速演进。早期那种只停留在聊天和问答层面的交互方式已经成为过去式。如今的 Agent，已经能够理解整个项目、调用各类工具、自主执行任务，并且逐渐融入用户日常的工作流中，变成了真正的“数字同事”。

随着Agent开始承担越来越复杂的任务，竞争的重点也在悄然转移。产品体验的好坏，不再仅仅由用户界面决定。底层模型的推理能力、工具调用的精准度、以及Token的使用成本，正成为影响任务完成质量、执行效率和最终使用成本的核心要素。而在众多应用场景中，编程（Coding）无疑是最具挑战性的一个。因为它对模型的推理能力、工具调用和长链路任务执行能力提出了最高要求，也自然成为了当前各大Agent能力竞争的焦点。

正是在这样的背景下，Agnes发布了新一代文本模型Agnes-2.5 Flash，并同步推出了桌面端产品AgnesCode。其核心目标很明确：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中的协作伙伴，而不是一个偶尔拿来问问题的聊天机器人。

AgnesCode的“动手能力”在一些真实场景中也得到了验证。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。这从侧面反映出，它在真实任务场景中的综合竞争力确实不容小觑。

从模型升级到桌面端产品发布，Agnes这次想要回答的核心问题是：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，而不是仅仅停留在“生成一段代码”的层面。

01 Agnes模型能力再升级

随着Agent开始接手越来越多实际工作，评价模型能力的标准也在发生深刻变化。对于开发者而言，一个模型不仅要能生成代码，更要能理解整个代码仓库的脉络、精准定位问题、修改多个相互关联的文件、熟练调用各种工具，并完成一系列连续且复杂的任务。这正是Agnes本次模型升级选择重点投入Coding与Agent场景的根本原因。

近期，Agnes正式推出了新一代文本模型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、多步骤任务执行以及复杂推理等开发场景进行了专项优化。它在模型性能、响应速度和推理成本之间取得了更好的平衡，定位为开发者日常使用的主力模型。该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，而是紧密围绕真实开发流程进行了针对性优化。比如，在面对需要跨文件修改的任务时，它能更准确地理解项目结构；在执行需要多轮推理和工具调用的复杂任务时，也能保持更稳定的执行能力。这些能力，正是当前Coding Agent能否真正参与并胜任开发工作的基础。

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更侧重于复杂推理能力、大型代码仓库的理解、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高难度的开发场景。

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，并会成为Agnes首款收费模型。这意味着，Agnes正在形成一个更清晰的产品矩阵：Flash服务于高频、日常的开发与Agent使用场景，兼顾性能、速度与成本；而Pro则负责承担复杂工程开发和高难度推理任务，满足更专业的需求。

从产品布局上看，这次更新的重点并不仅仅是发布一款新模型，更是为了进一步完善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。

02 从Benchmark看Agnes 2.5的能力提升

从Agnes公布的模型能力对比来看，Agnes-2.5系列此次的提升主要集中在Coding场景，而非简单地提升通用能力。这背后透露出一个清晰的信号：一切优化都为了实用。

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，覆盖范围包括Terminal操作、代码修复、代码理解以及软件工程任务等多个维度。

具体来看数据：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，提升更为显著。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。

相比之下，Agnes-2.5 Pro则进一步面向复杂工程开发进行了优化。从最新公布的数据来看，其在多个Coding Benchmark上已经进入旗舰模型的竞争区间。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，它的表现已经接近甚至超过部分当前主流旗舰模型。

值得一提的是，本轮升级最明显的提升来自SWE Atlas。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、分析代码以及完成真实软件工程任务的能力。这无疑更接近开发者日常面对的实际工作。这也意味着，Agnes-2.5的优化是围绕着真实的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开始接手完整任务

那么，Agnes-2.5系列的综合实力究竟如何？不妨看看它能实际完成哪些任务。

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、整理这些信息就成了一道难题。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。

这个任务绝非简单的信息搬运，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，最终形成一个可查询、可复用的企业数据库。

为了测试它处理复杂开发任务的能力，我们让它从一个简单的产品需求出发，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，最终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：用户上传一张本地图片后，可以根据自己的喜好选择风格生成海报。最终成品包含6种创作模式、17种预设模板、8种色调滤镜，以及10多项实时可调参数，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。在这个过程中，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。

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。我们尝试让它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。这考验的不仅是代码生成能力，更是对复杂需求的理解，以及将多个独立模块组织成一个完整产品的能力。

同时，Agnes也能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，没有提供任何设计稿。最终它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。

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：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，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的需求，它就会自动调用Agnes模型、Skill、应用连接以及本地项目来完成任务。

AgnesCode默认搭载的是最新的Agnes-2.5 Flash模型，可以免费开放使用。除了自家模型，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积分进行体验。

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最大的价值在于它能够理解真实项目。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，而不是停留在单次的代码生成。同时，它并不仅限于Coding。在办公场景中，它可以协助完成文档整理、PPT制作、数据分析和信息研究；在创作场景下，它也能生成网页、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，无需频繁切换不同工具。

为了让这些工作能够持续进行，AgnesCode还创建了本地项目空间。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。这也就意味着，AI生成的内容真正成为了项目资产，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而言，这次发布的核心，就是打通模型能力、Agent执行能力以及本地工作流，让模型能更好地、更有效地进入真实任务环境中。