一个免费AI Coding选手杀入全球第一梯队量子位
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？
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？
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。
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。
