Test d'Agnes-2.5-Flash : Correction de bugs, création d'applications et refactorisation multi-fichiers avec un modèle de programmation IA gratuit

Introduction

Le plus grand problème de l’IA de programmation n’est plus le manque de modèles puissants. Pour de nombreux développeurs, le problème réside dans l’accessibilité.

Les assistants de codage haut de gamme deviennent de plus en plus coûteux, les restrictions géographiques peuvent interrompre les flux de travail établis, et les tâches d’agents reposant sur des API épuisent rapidement les budgets. Cela a créé le besoin d’un modèle : suffisamment compétent pour le travail d’ingénierie quotidien, suffisamment stable pour une utilisation continue, et suffisamment abordable pour ne pas nécessiter un calcul constant des coûts.

Agnes AI comble cette lacune avec Agnes-2.5-Flash, un nouveau modèle de texte optimisé pour la programmation, les flux de travail d’agents et le développement quotidien. L’entreprise déclare maintenir la disponibilité gratuite du modèle Flash, sans en faire une simple promotion de lancement à court terme.

Cette version inclut également Agnes Code, un agent de bureau capable d’ouvrir des projets locaux, d’éditer des fichiers, d’exécuter des outils, de planifier des tâches récurrentes, de connecter plusieurs fournisseurs de modèles, et de traiter des tâches non liées à la programmation comme les documents, images, vidéos et présentations.

Cet article suit l’ordre des tests pratiques originaux : d’abord les données de référence, puis la correction de bugs cachés, la construction d’une application web complète à partir de zéro, la modification multi-fichiers d’un jeu, le modèle Pro à venir, et enfin les fonctionnalités de bureau les plus notables d’Agnes Code.

Agnes-2.5-Flash pour le développement quotidien

Agnes AI positionne Flash comme le modèle de travail principal des développeurs, plutôt que comme un produit phare recherchant la puissance de calcul maximale.

Par rapport à Agnes-2.0-Flash, l’entreprise indique que la nouvelle version améliore :

• La compréhension du code
• Le diagnostic des problèmes au niveau du dépôt
• Les tâches de réparation technique
• L’exécution de tâches en plusieurs étapes
• Le raisonnement complexe
• Les flux de travail de développement agentique

L’article original commence par une comparaison visuelle : demander à Agnes-2.0-Flash et Agnes-2.5-Flash de dessiner une ville cyberpunk sous la pluie nocturne en utilisant uniquement le HTML Canvas. L’ancien modèle a omis plusieurs éléments clés, tandis que la nouvelle version a généré une ligne d’horizon reconnaissable, de la pluie oblique, des néons et des panneaux holographiques.

Ce test est qualitatif mais illustre les changements attendus. Le modèle doit suivre plus complètement des spécifications plus longues, et non seulement générer un code syntaxiquement correct.

Résultats des benchmarks internes de programmation

Agnes AI a publié une comparaison interne de sept benchmarks de programmation. Ces chiffres proviennent de rapports de l’entreprise, non de soumissions indépendantes reproduites, ils doivent donc être considérés comme des indications directionnelles plutôt que des preuves définitives.

Benchmark	Agnes-2.0-Flash	Agnes-2.5-Flash	Agnes-2.5-Pro
Terminal-Bench 2.1	52,5	62,3	77,3
SWE-bench Verified	72,4	75,6	82,7
SWE-bench Pro	49,6	50,4	61,8
SWE-bench Multilingual	67,3	69,1	78,7
SWE Atlas — Q&R	15,8	36,5	40,8
SWE Atlas — Refactorisation	11,4	29,5	42,4
SWE Atlas — Écriture de tests	13,8	27,5	38,9

L’amélioration la plus nette de Flash se manifeste dans SWE Atlas. Cette suite évalue des flux de travail d’ingénierie logicielle professionnels au-delà de la simple résolution de problèmes, incluant les questions-réponses sur les bases de code, la refactorisation et l’écriture de tests.

Le graphique montre également l’importance du contexte des benchmarks. Agnes-2.5-Flash progresse dans tous les tests listés, mais ne devance pas automatiquement tous les concurrents. Son principal atout réside dans la combinaison de compétences d’ingénierie pratiques et d’un accès gratuit, plutôt que de prétendre être le modèle le plus puissant dans chaque catégorie.

Trois tests pratiques de codage

Les benchmarks sont utiles, mais les développeurs se soucient généralement d’une question plus directe : le modèle peut-il accomplir le travail de codage qu’ils livrent réellement ?

L’évaluateur original a utilisé trois tests de difficulté croissante :

1. Trouver et corriger un bug inséré manuellement.
2. Construire une application complète à partir d’un seul cahier des charges.
3. Modifier un projet inconnu avec plusieurs fichiers dépendants.

Test 1 : Peut-il détecter un bug caché ?

Le premier test a utilisé Clumsy Bird, une implémentation MelonJS open source archivée, inspirée de Flappy Bird.

L’évaluateur a d’abord vérifié que le jeu fonctionnait normalement, puis a manuellement changé la valeur de la gravité de 0,2 à 0 dans la logique de mouvement.

Cette modification a provoqué un dysfonctionnement anormal. L’application n’a pas planté : après un clic, l’oiseau montait encore, mais ne redescendait plus, rendant le jeu injouable.

Le dépôt complet a été ouvert dans Agnes Code. L’invite décrivait uniquement le comportement visible anormal, sans révéler la ligne modifiée.

Selon le rapport de test, Agnes-2.5-Flash a passé environ trois minutes à examiner le projet et à générer un diagnostic. Après avoir obtenu l’autorisation d’appliquer la correction, il a effectué les modifications en environ 12 secondes. Le jeu corrigé fait à nouveau descendre l’oiseau, détecte les collisions avec les tuyaux et met correctement à jour le score.

Ce que le test révèle réellement

L’essentiel n’est pas de modifier un nombre. Une fois la localisation effectuée, la correction elle-même est triviale.

Le modèle doit :

1. Examiner un projet inconnu.
2. Relier le comportement à l’exécution au système mobile.
3. Localiser le code d’implémentation concerné.
4. Identifier un paramètre physique invalide.
5. Expliquer le diagnostic avant d’éditer.
6. Effectuer une réparation minimale sans casser les fonctionnalités non liées.

L’erreur introduite manuellement n’apparaît ni dans les issues publiques ni dans l’historique des pull requests du projet, ce qui réduit la probabilité que le modèle reproduise une correction mémorisée pour ce scénario précis.

Il s’agit encore d’un test d’un évaluateur, et non d’un benchmark contrôlé, mais c’est un exemple utile de diagnostic orienté symptômes sur un dépôt.

Test n°2 : Peut-on construire une application complète à partir de zéro ?

La deuxième tâche ne se limite plus à de la correction.

L’évaluateur demande à Agnes-2.5-Flash de construire une Arène de Frontends IA dans un seul fichier HTML. L’application doit permettre de :

• Accepter un prompt partagé
• Fournir trois panneaux de saisie de code indépendants
• Exécuter le code soumis dans chaque prévisualisation isolée
• Afficher les trois résultats côte à côte
• Noter la qualité visuelle, la créativité, l’intégrité du code, le respect des instructions et la stabilité à l’exécution
• Générer un graphique radar comparatif
• Classer les scores totaux
• Produire un commentaire en une phrase
• S’ouvrir directement en double-cliquant sur le fichier HTML

Ce n’est pas une simple page d’accueil. Cela intègre un éditeur, un rendu sandboxé, une logique d’évaluation, des graphiques, la gestion d’état et l’affichage des résultats.

L’outil généré est testé avec trois implémentations différentes d’un dessin de cœur en code. Le fichier se charge, les rendus s’effectuent en parallèle et la comparaison a lieu dans la même interface.

L’évaluateur réutilise ensuite l’application pour comparer Agnes-2.5-Flash avec d’autres modèles. Cette réutilisation est plus significative qu’une simple capture d’écran : la sortie est suffisamment fonctionnelle pour faire partie du processus d’évaluation ultérieur.

Précautions nécessaires

Un système de notation automatique ne doit pas être considéré comme une référence objective simplement parce qu’il produit des chiffres et des graphiques.

En pratique, un développeur devrait vérifier :

• Chaque dimension de notation est-elle clairement définie ?
• Comment les erreurs d’exécution affectent-elles la note ?
• L’évaluation en langage naturel est-elle déterministe ?
• Le code non fiable est-il réellement isolé ?
• Les ressources externes peuvent-elles s’échapper du sandbox ?
• L’outil donne-t-il les mêmes classements lors d’exécutions répétées ?

Ce test montre une capacité d’implémentation de bout en bout, mais ne valide pas indépendamment la qualité de la méthode d’évaluation de l’arène.

Test n°3 : Peut-on coordonner des modifications entre fichiers ?

Le dernier test revient à Clumsy Bird, mais cette fois avec des modifications plus importantes.

Le dépôt comprend plusieurs modules JavaScript, des ressources, du HTML, du CSS, des fichiers de configuration et des fichiers de build. Quand une interface est mise à jour sans synchroniser le code appelant, les modifications interfichiers échouent facilement.

La demande est d’ajouter un mode deux joueurs (course) :

Diviser l’écran en deux moitiés, haute et basse. La partie haute contient un oiseau rouge contrôlé par la touche W, la partie basse un oiseau bleu contrôlé par la flèche vers le haut. Fournir des tuyaux et des scores indépendants pour chaque joueur. Le premier oiseau à toucher un tuyau perd, l’autre gagne automatiquement, tout en conservant un compteur de victoires dans l’historique des parties.

Cette tâche implique la modification de l’état du jeu, des contrôles, du rendu, de la détection de collision, du score indépendant, de la logique de victoire, du comportement de redémarrage et de la disposition de l’interface.

Selon le rapport, le temps d’exécution se situe entre dix et vingt minutes. La version finale affiche deux zones de jeu, des oiseaux indépendants, des obstacles indépendants, des touches de clavier et le nombre total de victoires historiques.

Pourquoi le troisième test est crucial

De nombreuses démonstrations de codage se limitent à un seul fichier. Mais le véritable génie logiciel est rarement aussi restreint.

Les modifications au niveau du dépôt exigent que l’agent maintienne un modèle comprenant :

• Les responsabilités des fichiers
• Les dépendances entre modules
• L’état partagé
• Le flux d’événements
• Les conventions existantes
• Le comportement de build et d’exécution
• La frontière entre le changement demandé et le code non concerné

Le résultat montre qu’Agnes-2.5-Flash peut effectuer des modifications multi-fichiers significatives dans un petit projet legacy. Mais cela ne prouve pas qu’elle soit aussi fiable sur des dépôts de millions de lignes, avec des suites de tests strictes ou une infrastructure de déploiement complexe en entreprise.

Dans un environnement de production réel, un agent similaire devrait encore être capable de montrer son plan, d’exécuter des tests, de rapporter les fichiers modifiés et de fournir des correctifs prêts à être relus.

Conclusions des trois tests

Pris ensemble, ces tests dessinent un profil de compétences plus clair.

Type de tâche	Résultat observé	Implication pratique
Diagnostic de bug caché	Localisation d’une erreur de gravité introduite manuellement à partir de symptômes	Utile pour le débogage de code inconnu
Génération d’application complète	Construction d’un scénario de comparaison fonctionnel en un seul fichier	Montre une capacité de planification sur plusieurs modules UI et logiques
Refactorisation multi-fichiers	Ajout d’un mode deux joueurs dans un projet de jeu existant	Démontre la compréhension du contexte du dépôt et l’édition coordonnée

Le modèle semble adapté à de nombreuses tâches de développement courantes :

• Diagnostiquer des bugs dans un périmètre défini
• Implémenter de petites applications
• Construire des outils internes pour développeurs
• Éditer des projets frontend existants
• Coordonner des modifications multi-fichiers de taille moyenne
• Exécuter des flux de travail itératifs d’agent via un client de bureau

Les preuves actuelles ne suffisent pas à le qualifier d’équivalent, en termes de généralité, aux modèles de codage payants les plus performants.

Elles suffisent à rendre l’accès gratuit très intéressant.

Agnes-2.5-Pro vise des tâches d’ingénierie plus lourdes

Agnes AI prépare Agnes-2.5-Pro, un modèle haute performance pour les charges de travail professionnelles en génie logiciel.

La répartition attendue est claire :

Flash est le modèle couramment utilisé pour le codage quotidien et les tâches d’agent.

• Pro est conçu pour gérer un raisonnement plus approfondi, les grandes bases de code, la compréhension d’architecture, le débogage étendu et les modifications système à grande échelle.

Les graphiques internes de l’entreprise montrent que Pro obtient de meilleurs résultats dans les sept tests, dont 82,7 sur SWE-bench Verified et 78,7 sur SWE-bench Multilingual.

L’article original mentionne également une démonstration officielle, incluant :

• Une expérience web dynamique avec plusieurs vidéos plein écran
• Un jeu 3D jouable généré à partir d’une brève description d’ambiance
• Un simulateur de particules-gravité contenant 300 particules, cinq modes de couleurs, une source de gravité réglable et plusieurs modes d’interaction, le tout dans un fichier HTML de 21,7 Ko

Ces démonstrations indiquent la direction du produit, mais leur qualité ne garantit pas une fiabilité technique reproductible. Au moment de la publication de ce rapport, Agnes-2.5-Pro n’est pas encore officiellement lancé, et son prix ainsi que ses limites de production n’ont pas été divulgués.

Agnes Code : bien plus qu’un client de codage

Un modèle puissant a toujours besoin d’un environnement pratique pour inspecter les fichiers, invoquer des outils et gérer les tâches de longue durée.

Agnes Code est un espace de travail natif pour macOS et Windows. Le projet officiel plus large, AgnesCode, décrit également une application de bureau pour les workflows d’agent locaux, une interface en ligne de commande (CLI) et une interface de programmation d’applications (API).

L’interface combine une zone de saisie avec le contexte local du projet, les modèles, les compétences, les applications et les sorties générées.

Contrairement aux outils de codage purs, Agnes Code est conçu pour des activités plus larges :

• Génération de code et modification de base de code
• Recherche et rédaction
• Images et vidéos
• Présentations et documents bureautiques
• Traitement de fichiers locaux
• Automatisation et tâches planifiées
• Connexion d’outils et d’applications

Ce champ d’application plus large est important pour les workflows où le codage n’est qu’une partie de la tâche. Par exemple, le lancement d’un produit peut impliquer l’implémentation d’une page, la création de visuels, la rédaction d’une documentation, la préparation de diapositives et la planification d’une analyse de suivi.

Fournisseurs de modèles personnalisés

L’application de bureau inclut les modèles Agnes et prend en charge les fournisseurs personnalisés via des configurations compatibles avec OpenAI, Anthropic et Ollama.

L’interface de test originale montrait également des modèles tiers de pointe. La disponibilité des fournisseurs et la compatibilité des abonnements peuvent changer, il est donc conseillé aux utilisateurs de consulter l’application actuelle plutôt que de se fier aux captures d’écran de lancement.

La portabilité des modèles peut réduire le risque de dépendance vis-à-vis d’un fournisseur. De plus, comme il est possible de tester les mêmes projets et tâches avec plusieurs fournisseurs sans reconstruire les workflows environnants, l’évaluation est facilitée.

Tâches planifiées

Agnes Code peut mettre en file d’attente des tâches périodiques qui s’exécutent sans supervision continue.

Exemples :

• Résumer chaque jour les échecs de CI
• Préparer chaque vendredi les notes de révision des demandes de tirage
• Reconstruire des rapports selon un calendrier fixe
• Vérifier les dépôts pour des problèmes de maintenance récurrents

Cela ressemble à un workflow d'ingénierie basé sur des boucles, où les tâches opérationnelles répétitives sont confiées à l'agent sans déclenchement manuel à chaque fois.

L’exécution autonome planifiée doit être accompagnée de mesures de protection. Une tâche périodique sécurisée nécessite des limitations de permissions, des sorties claires, des notifications d’échec, un suivi des coûts et une approbation avant d’effectuer des opérations destructrices.

Empêcher la mise en veille du système pendant les tâches longues

Les paramètres du bureau incluent une option pour empêcher l’ordinateur de se mettre en veille pendant l’exécution d’une tâche par Agnes Code.

C’est une petite fonctionnalité, mais elle résout un problème courant dans le travail d’agent local. Les builds longs, les analyses de dépôt ou les tâches de génération peuvent échouer simplement parce que le système d’exploitation met la machine en veille.

Importer la mémoire depuis d’autres IA

Agnes Code inclut également un workflow pour importer les préférences et le contexte de projet mémorisés par d’autres assistants.

![Image montrant l'interface de fonction « Importer la mémoire » de l'outil Agnes Code, permettant d'importer dans cet outil les mémoires d'autres IA. Le titre est « Importer la mémoire », avec une explication indiquant qu'il est possible d'importer le contenu mémorisé par d'autres IA concernant l'utilisateur. Le processus comporte deux étapes : la première consiste à copier l'invite, avec le texte de l'invite affiché, en invitant l'utilisateur à le coller dans l'autre IA ; la deuxième consiste à coller la réponse, avec un champ de saisie pour le contenu de la mémoire exportée par d'autres IA. L'interface dispose également de boutons « Copier », « Annuler » et « Importer ».](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/cab4b743-f873-4a7c-9518-60a5e80a1a49-ac10e3af-5dec-4c55-9089-ef2ba8e5cdd7.

png)

Cette interface fournit un message invitant d'autres assistants à exporter des informations structurées, par exemple :

• Instructions persistantes
• Contexte de travail
• Description du projet
• Préférences d'outils
• Préférences d'écriture
• Paramètres personnels associés

Le texte exporté peut être vérifié et collé dans Agnes.

Cela réduit les frictions de migration, mais l'utilisateur doit examiner attentivement le contenu exporté. La mémoire peut contenir des informations privées ne devant pas être transmises à d'autres services, des hypothèses obsolètes, des noms de projets internes ou des données sensibles.

Accès gratuit : important, mais pas illimité

Capacités

La mission ouvertement déclarée d'Agnes AI est de rendre l'intelligence artificielle de classe mondiale accessible à tous. L'entreprise fait de l'accès gratuit aux services texte, image et vidéo un élément central de sa stratégie produit.

Pour Agnes-2.5-Flash, l'annonce indique que le modèle restera gratuit, sans passer en version payante après un essai limité.

Cette affirmation nécessite une clarification pratique : L'accès gratuit n'implique pas nécessairement un débit illimité.

La documentation publique d'Agnes décrit des limites de requêtes, des limites de débit et des quotas par plan. Ces valeurs peuvent changer, et le catalogue de modèles publié lors de la préparation enregistre encore le modèle texte précédent, et non Agnes-2.5-Flash.

Les développeurs doivent vérifier :

• Si leur compte a activé Agnes-2.5-Flash
• L'identifiant exact du modèle
• Le nombre de requêtes par minute
• Les limites de contexte et de sortie
• Les limites de requêtes simultanées
• Les quotas hebdomadaires ou quotidiens
• Les conditions d'utilisation commerciale
• Les paramètres de conservation des données et de confidentialité
• Si l'accès gratuit s'applique à l'API, à l'application de bureau, ou aux deux

L'accès gratuit peut considérablement simplifier l'expérimentation. La fiabilité en production dépend toujours des limites publiées, de la disponibilité du service, du support et d'une documentation stable.

Utilisation de l'API Agnes AI

Agnes AI propose une passerelle compatible OpenAI à l'adresse suivante :

https://apihub.agnes-ai.com/v1

La documentation publique recommande de stocker la clé API dans une variable d'environnement et d'utiliser le format standard Bearer Token.

L'exemple suivant illustre le modèle d'intégration. Le nom du modèle reste un placeholder, car l'identifiant public du modèle 2.5 n'a pas été confirmé dans la documentation officielle consultée au moment de la rédaction.

import os
from openai import OpenAI

api_key = os.environ.get("AGNES_API_KEY")
if not api_key:
    raise RuntimeError("Veuillez d'abord définir la variable d'environnement AGNES_API_KEY.")

client = OpenAI(
    api_key=api_key,
    base_url="https://apihub.agnes-ai.com/v1",
)

response = client.chat.completions.create(
    model="Veuillez confirmer l'AGNES_2_5_FLASH_MODEL_ID actuel",
    messages=[
        {
            "role": "user",
            "content": "Examinez ce rapport d'erreur et proposez une correction minimale et testable.",
        }
    ],
)

print(response.choices[0].message.content)

Avant une mise en production :

1. Confirmez l'ID du modèle actuel sur la plateforme Agnes.
2. N'exposez jamais la clé API dans le code côté navigateur.
3. Ajoutez des délais d'attente et une stratégie de backoff exponentiel pour les requêtes.
4. Enregistrez l'utilisation des tokens ou des requêtes en fonction du quota du compte.
5. Validez les appels d'outils avant exécution.
6. Exigez une approbation humaine pour les opérations destructrices sur les fichiers ou les déploiements.
7. Verrouillez la version lorsque la plateforme propose des alias de modèles datés ou stables.

Questions fréquentes

Qu'est-ce qu'Agnes-2.5-Flash ?

Agnes-2.5-Flash est un modèle texte d'Agnes AI optimisé pour le codage, les workflows d'agents, le raisonnement et les tâches de développement quotidiennes. Il succède à Agnes-2.0-Flash et est présenté comme le modèle courant de la série de codage Agnes.

Agnes-2.5-Flash est-il gratuit ?

Agnes AI a annoncé que Flash restera gratuit, sans se limiter à une promotion temporaire. L'utilisation réelle peut néanmoins être soumise à des quotas de requêtes, limites de débit, plans de compte, disponibilité régionale et règles d'utilisation raisonnable.

Agnes-2.5-Flash est-il accessible via l'API ?

Les annonces indiquent qu'un accès API plus large devrait être ouvert dans la semaine suivant le lancement de la version bureau. Au moment de la rédaction, la documentation publique n'a pas confirmé l'ID du nouveau modèle, les développeurs doivent donc consulter la plateforme officielle avant l'intégration.

Comparaison entre Agnes-2.5-Flash et Agnes-2.0-Flash ?

Les évaluations internes d'Agnes AI montrent que 2.5 Flash obtient des scores plus élevés dans les sept tests de programmation publiés. Les améliorations les plus significatives concernent les réponses aux questions sur les bases de code SWE Atlas, la refactorisation et les tests d'écriture.

Agnes-2.5-Flash peut-il modifier une base de code existante ?

Des tests pratiques montrent qu'il peut diagnostiquer des erreurs cachées et implémenter des fonctionnalités incluant un mode de jeu à deux joueurs multi-fichiers dans une petite base de code existante. Cependant, les grandes bases de code en production nécessitent toujours tests, révision des correctifs, gestion des permissions et supervision humaine.

Qu'est-ce qu'Agnes Code ?

Agnes Code est un espace de travail d'agent de bureau pour les projets locaux et les tâches de productivité étendues. Il prend en charge le contexte de projet, les fournisseurs de modèles, les tâches planifiées, les intégrations personnalisées et le contenu en sortie au-delà du code source.

Agnes Code peut-il utiliser des modèles d'autres fournisseurs ?

L'interface de bureau évaluée prend en charge les fournisseurs personnalisés compatibles OpenAI, Anthropic et Ollama. La liste complète des fournisseurs intégrés et des options d'abonnement doit être confirmée dans la dernière application.

Les scores de benchmark d'Agnes sont-ils validés de manière indépendante ?

Les graphiques de benchmark discutés dans cet article sont étiquetés comme des évaluations internes d'Agnes AI. Les tests de classement indépendants peuvent utiliser des agents, frameworks, prompts, budgets de calcul et processus de validation différents, une comparaison directe nécessite donc prudence.

Outils associés

• Agnes AI : Site officiel pour les modèles Agnes, services créatifs et accès produit.
• Agnes Code : Page produit officielle de l'espace de travail de bureau Agnes.
• Documentation AgnesCode : Documentation pour l'application de bureau, CLI, API, extensions, compétences, MCP et ACP.
• Plateforme Agnes AI : Console officielle pour les comptes, clés API, forfaits et accès aux modèles.
• Catalogue de modèles Agnes AI : Dépôt officiel d'exemples de passerelle compatible OpenAI et documentation des modèles publics.
• Clumsy Bird : Jeu open source archivé pour les tests de correction de bugs et de modifications multi-fichiers.

Liens associés

• Aperçu de l'API Agnes AI : Informations officielles sur la compatibilité API, l'authentification, les fonctionnalités et la sécurité.
• Organisation GitHub Agnes AI : Dépôts officiels et ressources développeurs d'Agnes AI Labs.
• SWE-bench Verified : Sous-ensemble de SWE-bench filtré manuellement pour évaluer la résolution de problèmes GitHub réels.

Terminal-Bench : le benchmark officiel pour les agents accomplissant des tâches réelles dans un environnement terminal.

• Article SWE Atlas : l'article académique sur SWE Atlas.

8366. : cette suite de benchmarks couvre le question-réponse sur les bases de code, la rédaction de tests et le refactoring de code.

• SWE Atlas GitHub : le code et les ressources officiels du benchmark fournis par Scale AI.

Résumé

Agnes-2.5-Flash associe un modèle de codage plus puissant à un agent de bureau conçu pour les projets locaux, les workflows répétitifs et la productivité multimodale. Lors de tests pratiques originaux, il a diagnostiqué des vulnérabilités introduites manuellement, créé des applications comparatives monocouche fonctionnelles et réalisé des modifications collaboratives multi-fichiers sur des jeux.

Les résultats des benchmarks internes montrent des améliorations par rapport à Agnes-2.0-Flash dans sept évaluations de codage, avec une progression particulièrement notable sur le parcours SWE Atlas. Cependant, ces résultats doivent être considérés comme internes et non comme des classements universels reproductibles de manière indépendante.

La promesse d'une utilisation gratuite constitue l'atout le plus marquant de ce produit, mais les développeurs doivent distinguer la tarification gratuite d'une capacité illimitée. La disponibilité du modèle, les limites de débit, les quotas et les identifiants exacts de l'API version 2.5 doivent être vérifiés sur la plateforme officielle.

L'attrait d'Agnes-2.5-Flash ne réside pas dans la démonstration de l'inutilité des modèles payants de pointe, mais dans sa capacité à couvrir la plupart des scénarios de codage quotidiens sans imposer de barrière tarifaire.