能力更强的免费 Token！3个真实案例，实测 Agnes-2.5-Flash

最近新发布的模型着实有点儿多。这家起了个头，那几家就坐不住了，大家都得出来晒晒硬实力才行。不晒，明天直接砸盘 20% 给你看。

新模型强了，但随之而来的就是一波涨价和订阅限制，这似乎已经变成了模型圈子里潜规则。

哦不对，有一家特别的。

新模型后不仅不涨价，甚至不限量免费提供使用。

没错儿，说的就是 Agnes 这家神奇的公司。

Agnes 近期横空出世后，以免费的 Agnes-2.0-Flash 打下一片江山，用户开通免费 API 后就可以接入任何 Agent 平台调用，而且不止 LLMs，生图、生视频、多模态这些模型都有免费的。

这个月，Agnes 继续发布了它家的 Agnes-2.5-Flash 模型，同样免费使用，不限额、不限量，只有 RPM 限制。

来看看新模型的战斗力如何。

官方发布的 Benchmarks 结果覆盖了终端操作、真实 Issue 修复、多语言工程、代码库理解、测试编写和代码重构等场景。整体来看，Agnes-2.5-Flash 在项目中的分值上已经非常接近部分头部模型，虽然还是有部分落后，但是竞争力已经上来了。

而最重要的是 Agnes-2.5-Flash 的跑分，相比于 Agnes-2.0-Flash 有了大幅度的增加。特别是在大项目代码理解（QnA）、代码重构（RF）、有效测试（TW）里，成绩的提升幅度都超过了 100%，这说明 Agnes-2.5-Flash 的升级重点，重点是围绕它对完整项目的理解、跨文件修改、代码维护以及测试验证等能力，这对一个 Coding 模型是否好用、是否能连续用、是否值得信赖，非常关键。

那究竟在项目的实战里效果如何？我决定实操对比一下 2.5-Flash 和 2.0-Flash 的进步。在 Agnes 的官网里，我还注意到他们同步上线了自家的 AgnesCode 工具，支持 Windows、MacOS 两大平台。

相比于跑分结果，如果上了 Agent，那么 Harness 的重要性会明显提升，在之前的实际测试中，在 AgnesCode 中调用 Agnes 模型的响应速度有明显提升，而且工具调用、Workflow 也和模型同步提升。所以接下来的测试案例由 AgnesCode 工具来执行。

四季森林

首先，我用 Agnes-2.5-Flash 跑了一个 P5.js 的项目，模仿大自然的四季、日出日落、风雨雪等等。

P5.js 是最近非常火的一种创意编程工具，它把绘图、动画、交互和粒子系统都封装在相对简单的 JavaScript API 里，为 AI Agent 发挥视觉创意提供了一个非常理想的平台。Agnes-2.5-Flash 生成的数字艺术效果，我觉得非常惊艳。

整个产出只有一份单 html 文件，配备了一些控制杆。从技术实现来看，它应该是建立了一套参数化的自然环境系统。季节、时间、天气、风速等参数，可以互相结合的影响色彩、粒子效果、运动轨迹以及整体画面氛围。

当我切换季节、天气时，它没有直接硬切换场景，而是通过渐变式的来改变色彩、粒子效果、亮度、元素移动，给人营造了一种非常有沉浸感的变化。

在背后，代码部分需要处理状态插值、缓动动画、粒子生命周期、随机噪声、图层绘制顺序以及多个环境参数之间的联动。尤其是在单个 HTML 文件里同时完成视觉渲染、交互控制和状态管理，对代码结构和逻辑组织能力有一定要求。

此外是画面实时渲染，粒子效果集中展示，网页也没有出现明显的卡顿。这意味着模型不仅要把效果做出来了，在控制对象数量、更新频率和绘制逻辑上也有一些讲究。

所以我觉得 Agnes-2.5-Flash 在项目级 Coding 上提升非常明显。它先理解“大自然四季变化”这个相对抽象的创意需求，再把它拆解成天空、光照、天气、粒子、植被和交互控制等多个模块，最后让这些模块在同一套状态系统中协同运行。效果不错嘛，小伙子。

3D 星球游戏

接着我又跑了一个稍微复杂一点的 3D 场景，体现了 Agnes-2.5-Flash 在网络搜索、3D 模型、编程、游戏等等方面的能力。游戏内容我模仿了最近非常火的《Messager》游戏，当然只是游戏模式和大致的内容，整体风格因为涉及到美术部分肯定是达不到效果的，一次直出。

提示词：模仿 abeto 的 3D 网页游戏 《messager》 这款独立游戏，做一个在微型星球送信的游戏。所有素材可以用网上的 也可以你自动生成，用赛璐璐厚涂风格。

AgnesCode 在收到任务后，会先调用网络检索能力对游戏风格进行了搜索，包括画面风格、游戏玩法、游戏内容等等。

这一点很关键，“做一个类似某款游戏的 3D 网页项目”这种需求，本身不是单纯的代码生成任务，而是一个“先理解目标，再拆解目标，最后落地实现”的复合型任务。模型要先判断哪些信息需要补全，哪些视觉和玩法特征值得借鉴，然后再决定后续的技术路线。

在它工作的这段时间里，我也没闲着。我逐个点开它的工具调用和思考过程，想看看它究竟是如何进行工作的。

这是为了验证 AgnesCode 在 Harness 里的设计，以及搭配 Agnes-2.5-Flash 模型全方位能力提升后，共同协作推进项目进行的一个基础。

在这里，我发现了一件非常有意思的事情。AgnesCode 在我没有通知的情况下，主动“作弊”了，它竟然跑到 github 里找类似的开源项目参考去了，而且一找就找了四个。

这让我想到了 OpenAI 这几天发现的 GPT-5.6 Sol 主动跑到 Hugging Face 去搜索考题答案一样，Agnes-2.5-Flash 竟然也有这种小“机灵”在这里。

但你要真说它作弊，好像也不完全对。因为我并没有要求它必须从 0 开始、不能参考现成思路。换句话说，它这种行为更像是在主动寻找最优路径，尽量利用外部资源来完成用户交办的任务。

甚至我觉得，这反而说明它有点聪明。

这几个项目我还去瞅了一眼，确实有点意思，项目的开发语言和思路也成为了 Agnes-2.5-Flash 的借鉴思路。

从最后的成品来看，我觉得地图内容非常丰富。植被、花草数量点缀的比较密集，建模的精细度也挺高，还增加了比如楼梯、云朵、喷泉、路灯这些细节部分，这明显就是从 github 或者 message 游戏里得到的游戏内容嘛。

3D 资源组织、物体摆放逻辑、空间层次设计，对于一次直出的网页游戏来说，这种结构完整度已经很能说明问题。

其次，它的色彩处理很大胆，整体饱和度高，也很艳丽，比较符合我提示词里关于赛璐璐风格的要求，建模也圆润、可爱。

最后是动态效果。仔细去看，会发现天上的云朵是会飘移移动，不再是孤零零一个背景被放置在高空中。这让整个产出物更接近是“游戏”画面，或者说是一个游戏内世界的动态变化和生命感，让空间交互有反馈。

yes，Agnes-2.5-Flash 会先搜索、会自己找参考、会借鉴成熟思路、会丰富场景细节、会补足玩法氛围。尽管这份一次直出的内容，离真正成熟的独立游戏还有距离，但它也已经不只是“一个能跑的 3D 页面”，而是在努力把这个页面往能玩的游戏去推进。

百战天虫

接着，我又搞了一个《百战天虫》的案例。

这个游戏大家一定都玩过吧，就是操控两队虫子互相使用各种武器战斗，有地形破坏、队友伤害，可以说我是小时候玩过最有意思的单机多人对战游戏。

完了，又暴露年龄了~~

这次我们来个最直观的对比，那 Agnes-2.0-Flash 和 Agnes-2.5-Flash 分别跑一下，看看究竟 2.5 提升了多少。

🔻Agnes-2.0-Flash

🔻Agnes-2.5-Flash

很明显，Agnes-2.5-Flash 的产出效果明显提升了很多，它的 UI 和百战天虫更接近，可操作角色更多，战场信息也更完整，整体看起来也更接近一个真实的可操作性游戏，而不只是一个 Demo。

在游玩了两个游戏后，给我最直接的感受就是操作手感。

底部的武器快速切换、鼠标拖拽的弹道设计、底部风速和力度的实时反馈、地形破坏效果，都比 2.0-Flash 做出来的内容更扎实。

尤其是弹道设计上，2.0-Flash 实现的是鼠标点击来拖拽控制杆，而 2.5-Flash 可以真正实现画面拖动对力度、方向的影响。

AgnesCode

在跑完几个项目后，我又回头看了看 AgnesCode 这个工具，大致形态和当前主流的 Work Agent Desktop 类工具比较类似，与 Agnes web/APP共用账号、会员和积分体系，对于自家的模型做了一些优化的。

整个 Agent 工具都是围绕一个对话框来进行的，我们可以在这里编程、做视频、做办公。系统提供了智能、专家两种模式，支持用户结合喜好进行选择。

对新手来说，智能模式更合适，不需要操作那么多有的没的，Agent 会在合适的时候自动调用 Skill、模型、本地项目。那对于熟悉 Agent 的用户来说，大部分时候都建议通过专家模式来实现更可控的操作。

配套能力，就是定时任务、Skill、应用连接三件套。它们三个打通了 Agent 的外部能力、约束性和闭环能力。

虽然看起来似乎只是又一个 Work Agent 而已，并没有什么大不了的。

但是，我是说但是，如果我们给它搭配上一个免费 LLMs、免费生图、免费生视频呢？

这是 AgnesCode 的优势，我觉得不能剥离开来说。当前它的文生图、图生图、文生视频、图生视频都是免费的，而且这些免费模型的能力并不差。

尤其是在办公场景下。

Code Agent 本身和 Work Agent 已经开始无限趋同了，大家在简单编码、办公任务中并没有非常大的差异。AgnesCode 除了在做软件开发之外，对办公场景的支持也很不错，比如文档处理、表格处理、PPT 等，它都有对应的 Skill 调用。

当然，除了自己的免费模型，Agnes 还提供了非常多的主流头部模型，不过是需要订阅会员服务的，这个我觉得仁者见仁，有需求的可以上，没需求的就继续用免费模型。

写在最后

Agnes 的策略很明确，标准的、基础的模型免费给大家用，一遍消耗跑量、一遍增加训练集，而高端模型走的是订阅模式，用高质量、高水平加入头部模型行列。

Agnes-2.5-Pro 模型近期就要上线，它比 Flash 又提升了非常多，对标 Opus4.8、GLM 5.2 等更复杂的 Agent 场景和开发内容，更擅长复杂推理、长链路任务执行。

每次当有新模型发布后，我都是很期待的。因为每一个模型都有自己擅长的场景和方向，这意味着在不同任务进行中我们的选择余地也更多，能产出的效果也会越来越好。

总之，2026 年的七月依旧是个大模型迸发的时期，尽情绽放。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～