2026年下半场，AI Coding赛道最大的焦虑变了。
不是模型不够强，是根本用！不！上！
海外头部Coding工具的使用门槛正在集体抬高，「Claude被封天才程序员陨落」的话题更是一度冲上热搜。
不管是已经「中招」的，还是正在未雨绸缪寻找替代方案的，谁都想问上一句：
这世上到底还有没有一个长期稳定可用、Coding能力在线、价格还不贵的模型啊？！（马景涛老师咆哮版）
△图源微博热搜
或许是念念不忘，必有回响。
Agnes AI，一家明星AI实验室，在这个节骨眼干了这样一件事：
发布Coding能力位列全球第一梯队的新一代文本模型，Agnes-2.5-Flash。
把Claude Opus 4.7和Agnes-2.5-Flash生成的《AI生态进化模拟器》放一起，不说答案你能猜对哪个是哪家的吗？
视频地址：https://mp.weixin.qq.com/s/5ASyTtnqVxHvxdB1XTdfAg
同一提示词，实测两个模型生成的模拟器均能正常运行，肉眼已经看不出明显差距。
重点来了，Claude每月最低20刀，但Agnes-2.5-Flash呢？
不限期免费。官方原话是这样说的：
我们在进一步提升模型性能、生成质量与响应效率的同时，继续坚持Agnes-2.5-Flash不限期免费开放，让开发者与创作者能够持续低成本地体验最新的AI能力。
翻译翻译，普通消费者，免费用；日常与API打交道的开发者，免费调。
别激动，还没完。
知道你平时用的都是Codex、Claude Code这类桌面工具，于是Agnes AI还同步上线了Agnes Code桌面端。
那还等啥？就冲着「免费」这块金字招牌，我先替大家探探虚实。
三道关卡，考考Agnes-2.5-Flash Coding能力
Agnes-2.5-Flash，官方定位开发者日常使用的主力模型。
目前已在Agnes Code桌面端实施灰度上线，API预计本周内全面开放。
作为Agnes AI新一代高性能文本模型，这次它围绕Coding、Agent和日常开发场景进行了全面优化。
相比上一代Agnes-2.0-Flash，Agnes AI是这样介绍Agnes-2.5-Flash的：
在代码理解、工程修复、多步骤任务执行，以及复杂推理能力上均有显著提升，能够胜任从代码生成到项目维护的大部分开发任务。
划重点，Coding能力大升级。至于到底升级了多少？那就还是让两位选手做同一道题试试。
同一个Prompt：用纯Canvas画一座赛博朋克雨夜城市。建筑、霓虹灯、雨、全息广告牌，要求写得清清楚楚。
左边是2.0，右边是2.5，结果不用多说了吧？
视频地址：https://mp.weixin.qq.com/s/5ASyTtnqVxHvxdB1XTdfAg
2.0把赛博朋克城市画成了一片极光，初看还以为是曲谱（doge）。
而2.5这边，城市天际线立起来了，雨丝倾斜落下，右上角全息广告牌也挂上了。
不能说完美，但Prompt里的核心要素基本全部交付。
所以，哪个理解力更强、更能干活，想必你我心中已经有数了。
当然这还只是和以前的自己比，那Agnes-2.5-Flash现在到底有多强呢？
榜单测评已经把答案甩在了我们面前：
我们的内部评估显示，Agnes 2.5 Pro在七项测试中均展现出强劲的竞争实力；而2.5 Flash相较2.0 Flash在每一项基准测试上均有提升，其中在SWE Atlas上的进步最为显著。
△A、B、C为三个主流国产模型
话不多说，咱这就原地开考。
第一关：故意手埋Bug，它能发现吗？
Coding能力强不强，修Bug最能说明问题。
所以这第一关，我找了GitHub上的经典开源项目Clumsy Bird，下载下来确认游戏正常后，手动埋了一个Bug：
打开负责小鸟运动逻辑的代码文件，把gravity重力参数从0.2改成了0。
注意，这个Bug是我手动制造的，在项目的公开Issue和PR中暂时没有发现类似记录，基本可以排除模型从训练数据里「背答案」的可能。
改完后效果非常之诡异。
点击后小鸟正常起飞，但之后完全不下来了，一直飘在空中。游戏不崩溃，但没法正常玩。
然后我把整个项目导入Agnes Code，只描述症状，不说改了什么，让Agnes-2.5-Flash帮我定位Bug并修复。
结果仅用时3分钟，它就交出了一份问题报告。
视频地址：https://mp.weixin.qq.com/s/5ASyTtnqVxHvxdB1XTdfAg
快速浏览了一下报告，没毛病，于是让它接着改。
没想到12秒过后，它居然就……改完了（刚拿起手机想玩一会的我，只能措手不及愣在那）。
打开游戏验收，小鸟重新老老实实往下掉了，撞管子会死，分数正常涨，一切恢复正常。
一个手动制造的、全网没有现成答案的Bug，3分钟定位原因，12秒完成修复。
第一关，过。
第二关：从零做一个完整应用，能跑通吗？
修Bug只是日常。更多时候，开发者需要模型从零开始，独立跑通一整个任务：
理解需求、规划步骤、选方案、动手干活、检查结果。
巧了这不是，前面做模型对比的时候，我得分别跑完两个模型再录屏剪在一起，属实麻烦。能不能直接做一个对比工具？
于是我给Agnes-2.5-Flash出了这道题：做一个AI前端竞技场。
用户输入一个Prompt，把三个AI模型各自生成的代码分别粘进三个面板，平台自动运行并排展示效果，再从视觉效果、创意表现、代码完整性、指令遵循度、运行稳定性五个维度自动打分，最后出雷达图对比、总分排行榜和一句话点评。全部用一个HTML文件实现，双击就能打开。
对模型来说，这并不是简单写一个页面。
它需要同时处理多个模块：代码编辑器负责输入，iframe沙箱负责隔离运行，评分引擎负责自动评测，图表组件负责结果展示，还要接入一套自然语言分析逻辑生成点评。
那Agnes-2.5-Flash表现如何呢？
说实话，我就起身去厨房倒杯水的功夫，它就已经交卷了。这种复杂度的任务也没让我等太久，体感上确实快。
感受完速度后，我用一道经典老题来验收：用代码画一个爱心。
三个模型的代码分别粘进去，上传、运行、渲染、评分，一气呵成。
从Prompt输入到三面板并排展示、再到自动评分出图，整个流程跑通了。
而且这不只是一个demo，后面我真的拿它来做了Agnes-2.5-Flash和其他顶流模型的横向对比。
用Agnes做的工具来评Agnes做的代码，这个套娃本身就是对第二关能力最好的注脚。
第三关：跨文件改造，能接住吗？
前两关考的都是模型单体能力：给一个任务，模型交一份作业。
但真实开发里，情况远比这复杂。
模型要读多个文件的上下文，理解文件之间的依赖关系，跨文件联动修改还不能改崩。一个文件改了接口，另一个文件的调用没跟着改，项目直接炸了。这种场景在真实开发中太常见了。
而这恰好是Agnes AI的优势所在。Agnes Harness不只是一个模型，而是一套把模型能力、工具调用和项目理解串在一起的Agent系统。在内部实测中，它已经展现出持续领先的态势。
第一关用的Clumsy Bird项目还在手边，这次直接拿来用。
打开文件夹一看，这个项目可不是一个HTML文件就能搞定的：js/目录下多个模块负责游戏逻辑，data/目录存放资源文件，外加index.html、style.css和一堆配置文件，大大小小十几个文件。
在Agnes Code桌面端里打开整个项目文件夹，然后丢了一个大活：
这个Flappy Bird太孤独了，给它加个双人竞速模式。画面分成上下两半，上面一只红色小鸟用W键控制，下面一只蓝色小鸟用方向键上键控制，两边各自有独立的水管和计分。谁先撞管子谁输，另一方自动获胜。再加一个WINS计数器记录历史胜负。
活很复杂，所以这次跑的时间也比较久（大概十几分钟），但好在最终结果不错。
三关跑完，Agnes-2.5-Flash的Coding能力画像比较清晰了：能从陌生代码里精准定位一个隐藏Bug，能从零做出一个功能完整的网页应用，能在十几个相互依赖的文件之间协调完成一次大规模改造。
Coding方向进入第一梯队，不算虚。
然后别忘了，这个成绩是一个免费模型跑出来的。
Agnes-2.5-Pro，还有高手？
免费模型都这水平了，那他们预告的旗舰模型Agnes-2.5-Pro得强成啥样？
说实话，有点好奇了。
和Flash充当开发者日常主力不同，Pro面向的是专业开发场景。
作为Agnes AI当前最高水平的旗舰文本模型，它瞄准的恰好是Flash作为免费模型相对吃力的地方：
大型代码仓库的架构级理解、跨几十个文件的系统级修改、需要反复推理好几轮才能收敛的复杂调试。
就拿最常见的网页开发来说，Pro产出的网站已经是酱婶儿的了：
四个动态视频铺满全屏，高级感直接拉满。
视频地址：https://mp.weixin.qq.com/s/5ASyTtnqVxHvxdB1XTdfAg
再上一档，3D游戏。
连技术栈都没指定，提示词就一段游戏氛围描述，Pro直接翻译成能跑的3D游戏，Fall Guys那味儿一下就出来了。
视频地址：https://mp.weixin.qq.com/s/5ASyTtnqVxHvxdB1XTdfAg
极致一点的，粒子引力模拟器。
300个粒子实时物理运算、5种色彩模式、鼠标滚轮控引力源大小、左右键增删引力源，所有交互和物理，塞进一个21.7KB的HTML文件里。
视频地址：https://mp.weixin.qq.com/s/5ASyTtnqVxHvxdB1XTdfAg
从以上官方demo来看，Pro在复杂任务上的推理深度和完成度确实比Flash拉高了一个档位。
能力上，它对标的也是Claude Opus 4.8这一级。
当然，这个段位的选手，免费就不太现实了，毕竟跑一个复杂Agent任务烧掉多少Token，用过的都懂。
目前Agnes-2.5-Pro还没有正式上线，但据官方透露已经在路上了，应该很快就会和大家见面。
Flash免费打底，Pro付费拔高。
Agnes AI的Coding产品线，也是有从日常开发到复杂工程任务的完整梯度了。
桌面版也来了
不过光有模型还不够，模型再强也得有个趁手的工具来用。
Agnes Code桌面端，为此而生。
这个工具其实前面实测时已经露过脸了，但当时注意力都在模型表现上，产品本身还没好好聊。
打开Agnes Code，第一感觉是界面挺清爽的。
布局、字体、各种小图标都很精致，主题还能随心切换深/浅两种模式，j人表示极度舒适。
功能上，和Codex、Claude Code相同的部分我就不多说了，完整功能我让AI帮我生成了一个总结表：
△图片由AI生成
其中一个比较大的区别是，Agnes Code不只是一个开发工具，它同时也是一个办公工具。
代码、图片、视频、PPT等，全都能在一个输入框里一条龙搞定。
而Codex和Claude Code更多还是纯粹的Coding工具，写代码很强，但处理AIGC和多模态内容就并非其战场了。
功能之外，有几个细节也给我留下了深刻印象。
第一，模型列表有点意思。
打开模型选择器，除了Agnes AI自家的2.5-Flash和2.0-Flash之外，赫然挂着GPT-5.5、Claude Fable 5。
而且它支持模型自定义，操作上也只需要简单填个API地址就能接入。
第二，定时任务，有点Loop那味了。
设置里有一个定时任务功能，可以让Agnes Code在无人干预的情况下独立工作。
比如每天定时跑一遍CI失败总结，每周五自动整理PR评审建议。
最近Loop Engineering的概念很火，Agnes Code这个定时任务虽然没直接叫Loop，但思路是类似的：
把重复性的开发工作交给AI自己转。
第三，阻止休眠，是懂vibe coding的。
设置里还有一个阻止休眠的小开关。开启后，Agnes Code运行任务期间电脑不会自动休眠。
这让我一下子想起了最近胡彦斌那个很火的vibe coding姿势。
第四，从其他AI导入记忆。
设置里还有一个从其他AI导入记忆的功能。
意思是你之前在别的AI产品里积累的对话偏好、个人信息、项目上下文，可以直接迁移过来，不用从头教一遍。
对于想从其他工具切换过来的用户来说，这个功能挺贴心的，迁移成本一下就降下来了。
这些东西放在一起，怎么说呢？
你能很明显感觉到，Agnes Code是真的在替用户解决那些真实的、细碎的痛点。
界面干净，上手门槛低，几个小功能放在那里不抢眼，但用到的时候会觉得：
嗯，一切都刚刚好。
而刚刚好，恰恰代表了Agnes AI旗下模型所占据的生态位。
免费的底气，从名字说起
Agnes AI旗下模型生态位何在？其实这可以从公司命名窥探一二。
Agnes，如我所料，它其实是「agents」的变体。
创始人Bruce Yang在一次电台访谈里聊过这个：把agents几个字母重新排列一下，就变成了Agnes，一个挺酷的女孩名字，朗朗上口，背后又有深意。
什么深意？Agnes在古希腊语里还有另一层意思：纯洁、纯粹。
而这，倒是和Agnes AI的产品理念不谋而合。他们给自己定的使命是「让世界级AI属于每一个人」，一个很纯粹的发心。
虽然听起来很宏大，但落到实处却非常接地气。
没错，正是免费。
不只是这次Agnes-2.5-Flash不限期免费。往前翻翻，6月初Agnes AI就已经把文本、图片、视频三大模态的API全部免费开放了，后来发布的视频创作平台Pavo，同样免费。现在再加上Agnes Code桌面端和Agnes-2.5-Flash。
放眼整个行业，文本、图片、视频、Coding，全模态免费，做到这一步的确实没几家。
当然了，免费说到底只是把门槛降到最低，真正能不能留住用户，靠的还是模型能力本身。
而在这一层，Agnes AI的模型已经跻身全球第一梯队。
虽然比起硅谷最顶尖的旗舰还有差距，但就像马斯克前几天发布Grok 4.5时说的那样：
公平地说，Fable确实比Grok 4.5更优秀，但大多数任务并不需要Fable那样的能力。
是的，模型也许不是最顶尖的，但如果和「不限期免费」放在一起看，这个性价比就很难被忽视了。
对大多数开发者来说，日常工作中遇到的任务并不需要跑到绝对榜首的模型才能解决。
能力达到第一梯队、服务稳定、随时能打开，这个组合本身已足够具有吸引力。
更何况Agnes AI的选择比Grok还激进：不是便宜，是免费。
用第一梯队的能力，换最大范围的用户触达。
这可能就是Agnes AI最特别的地方。
【传送门】：
官网（含Agnes Code下载地址）：https://agnes-ai.com/
开发者平台：
https://platform.agnes-ai.com/login
热门跟贴