从 Claude Code、Codex，到越来越多的桌面端与本地化 Agent 产品接连涌现，AI Agent 的形态正经历着一场快速的演进。早期仅局限于聊天和问答层面的交互方式，如今已成为过去式。当下的 Agent 已能够理解整个项目、调用多种工具、自主执行任务，并逐步融入用户的日常工作中，真正化身为“数字同事”。
随着 Agent 开始承担愈发复杂的任务，竞争的焦点也在悄然转移。产品体验的优劣，不再仅仅取决于用户界面。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，正成为决定任务完成质量、执行效率与最终使用成本的关键因素。在众多应用场景中，编程（Coding）无疑是最具挑战性的领域。它要求模型具备顶尖的推理能力、精准的工具调用以及长链路任务执行能力，这也使其自然成为当前各大 Agent 能力比拼的焦点。
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。其核心目标十分明确：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，而非一个偶尔被用来提问的聊天机器人。
AgnesCode 的“动手能力”已在多个真实场景中得到验证。在硅星人举办的活动中，AgnesCode 与 Codex、Claude Code 等主流产品同台竞技，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，而非仅仅停留在“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。例如，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。
