Recensione di Agnes-2.5-Flash: un modello AI gratuito per correzione errori, creazione di app e refactoring multifile

Introduzione

Il problema principale dell'AI per la programmazione non è più la mancanza di modelli potenti. Per molti sviluppatori, il problema è l'accessibilità.

Gli assistenti di programmazione di fascia alta stanno diventando sempre più costosi, le restrizioni geografiche possono interrompere flussi di lavoro consolidati, e le attività di agenti basate su API consumano rapidamente il budget. Questo ha generato la necessità di un modello che sia: abbastanza competente per il lavoro quotidiano di ingegneria, abbastanza stabile per un uso continuativo, e abbastanza economico da non dover calcolare costantemente i costi.

Agnes AI sta colmando questa lacuna con Agnes-2.5-Flash, un nuovo modello di testo ottimizzato per la programmazione, i flussi di lavoro basati su agenti e lo sviluppo quotidiano. L'azienda afferma che manterrà la disponibilità gratuita del modello Flash, senza usare l'accesso gratuito come promozione di lancio a breve termine.

Questo lancio include anche Agnes Code, un agente desktop in grado di aprire progetti locali, modificare file, eseguire strumenti, pianificare attività ricorrenti, connettere più fornitori di modelli e gestire attività non di programmazione come documenti, immagini, video e presentazioni.

Questo articolo segue l'ordine del test pratico originale: prima i dati di benchmark, poi la riparazione di bug nascosti, la creazione di un'applicazione web completa da zero, la modifica multi-file di un gioco, il prossimo modello Pro e, infine, le funzionalità desktop più interessanti di Agnes Code.

Agnes-2.5-Flash per lo sviluppo quotidiano

Agnes AI posiziona Flash come modello principale per il lavoro quotidiano degli sviluppatori, non come modello di punta per la massima potenza di calcolo.

Rispetto ad Agnes-2.0-Flash, l'azienda afferma che la nuova versione migliora in:

• Comprensione del codice
• Diagnosi dei problemi a livello di repository
• Attività di riparazione ingegneristiche
• Esecuzione di attività multi-step
• Ragionamento complesso
• Flussi di lavoro di sviluppo basati su agenti

L'articolo originale inizia con un confronto visivo: richiedere ad Agnes-2.0-Flash e Agnes-2.5-Flash di disegnare una città cyberpunk notturna e piovosa utilizzando solo HTML Canvas. Il modello vecchio ha omesso diversi elementi chiave, mentre la nuova versione ha generato uno skyline riconoscibile, pioggia obliqua, luci al neon e cartelloni pubblicitari olografici.

Il test è qualitativo, ma illustra il cambiamento previsto. Il modello dovrebbe seguire specifiche più lunghe in modo più completo, non solo generare codice sintatticamente corretto.

Risultati dei benchmark interni di programmazione

Agnes AI ha pubblicato un confronto interno su sette benchmark di programmazione. Questi numeri sono risultati riportati dall'azienda, non dati di classifica replicati in modo indipendente, quindi vanno considerati come prove indicative, non definitive.

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 — Domande e risposte	15.8	36.5	40.8
SWE Atlas — Refactoring	11.4	29.5	42.4
SWE Atlas — Scrittura test	13.8	27.5	38.9

Il miglioramento più evidente di Flash si osserva in SWE Atlas. Questa suite valuta flussi di lavoro ingegneristici professionali che vanno oltre la semplice risoluzione di problemi, includendo domande e risposte sul codebase, refactoring e scrittura di test.

Il grafico mostra anche l'importanza del contesto dei benchmark. Agnes-2.5-Flash migliora in ogni test elencato, ma non supera automaticamente tutti i concorrenti. Il suo principale punto di forza è combinare capacità ingegneristiche pratiche con accesso gratuito, non la pretesa di essere il modello più forte in ogni categoria.

Tre test pratici di codifica

I benchmark sono utili, ma gli sviluppatori sono spesso più interessati a una domanda più diretta: il modello può completare il lavoro di codifica che effettivamente consegnano?

Il recensore originale ha utilizzato tre test con difficoltà crescente:

1. Trovare e riparare un bug inserito manualmente.
2. Costruire un'applicazione completa da una singola specifica.
3. Modificare un progetto sconosciuto con più file dipendenti.

Test uno: Riuscirà a trovare il bug nascosto?

Il primo test utilizza Clumsy Bird, un'implementazione open source archiviata di MelonJS ispirata a Flappy Bird.

Il recensore prima ha verificato che il gioco funzionasse correttamente, poi ha modificato manualmente il valore di gravità da 0.2 a 0 nella logica di movimento.

Questa modifica ha causato un comportamento anomalo. L'applicazione non si è bloccata, ma dopo il clic l'uccello si muoveva verso l'alto senza più cadere, rendendo il gioco ingiocabile.

L'intero repository è stato aperto in Agnes Code. Il prompt descriveva solo il comportamento anomalo visibile, senza rivelare la riga modificata.

Secondo il rapporto del test, Agnes-2.5-Flash ha impiegato circa tre minuti per esaminare il progetto e generare una diagnosi. Dopo aver ottenuto il permesso di applicare la riparazione, ha completato la modifica in circa 12 secondi. Dopo la riparazione, il gioco ha ripristinato la caduta dell'uccello, il rilevamento delle collisioni con i tubi e l'aggiornamento corretto del punteggio.

Cosa rivela effettivamente questo test

Il punto cruciale non è modificare un numero. Una volta individuata la posizione, la correzione in sé è banale.

Il modello deve:

1. Esaminare un progetto sconosciuto.
2. Collegare il comportamento a runtime al sistema di movimento.
3. Individuare il codice di implementazione corrispondente.
4. Identificare parametri fisici non validi.
5. Spiegare la diagnosi prima di modificare.
6. Effettuare una riparazione minima senza rompere funzionalità non correlate.

Inoltre, questo errore costruito artificialmente non compare nella lista dei problemi pubblici del progetto né nella cronologia delle pull request, il che riduce la possibilità che il modello stia semplicemente riproducendo una soluzione memorizzata per questo specifico scenario.

Si tratta pur sempre di un test di un revisore, non di un benchmark controllato, ma è un utile esempio di diagnostica orientata ai sintomi in un repository.

Test 2: Riuscire a costruire un'applicazione completa partendo da zero?

Il secondo compito non si limita più alla correzione di bug.

Il revisore ha chiesto ad Agnes-2.5-Flash di creare un'Arena per frontend AI in un singolo file HTML. L'applicazione deve essere in grado di:

• Accettare un prompt condiviso
• Fornire tre pannelli di input codice indipendenti
• Eseguire il codice inviato in anteprime isolate
• Mostrare i tre risultati affiancati
• Valutare qualità visiva, creatività, completezza del codice, aderenza alle istruzioni e stabilità a runtime
• Generare un grafico radar di confronto
• Classificare i punteggi totali
• Generare una valutazione in una frase
• Aprire direttamente con un doppio clic sul file HTML

Non è una semplice landing page. Integra editor, rendering in sandbox, logica di valutazione, disegno di grafici, gestione dello stato e presentazione dei risultati.

Lo strumento generato è stato testato con tre diverse implementazioni di codice per disegnare un cuore. Il file è stato caricato, renderizzato in parallelo e confrontato nella stessa interfaccia.

Il revisore ha successivamente riutilizzato l'applicazione per confrontare Agnes-2.5-Flash con altri modelli. Questo riutilizzo è più significativo di un singolo screenshot: l'output è sufficientemente funzionale da diventare parte di un flusso di lavoro di valutazione successivo.

È comunque necessario essere cauti

Un sistema di punteggio generato automaticamente non deve essere considerato un benchmark oggettivo solo perché produce numeri e grafici.

Nell'uso pratico, gli sviluppatori dovrebbero verificare:

• Se ogni dimensione di valutazione è chiaramente definita
• In che modo gli errori a runtime influenzano il punteggio
• Se la valutazione in linguaggio naturale è deterministica
• Se il codice non fidato è veramente isolato
• Se le risorse esterne possono sfuggire alla sandbox
• Se lo strumento fornisce le stesse classificazioni in esecuzioni ripetute

Il test dimostra una capacità di implementazione end-to-end, ma non verifica in modo indipendente la qualità del metodo di giudizio dell'arena.

Test 3: Riuscire a coordinare modifiche su più file?

L'ultimo test torna a Clumsy Bird, ma questa volta il compito comporta modifiche più estese.

Il repository contiene diversi moduli JavaScript, risorse dati, HTML, CSS, file di configurazione e file relativi alla build. Quando un'interfaccia viene aggiornata senza modificare contemporaneamente il codice che la chiama, le modifiche su più file possono facilmente fallire.

La richiesta era di aggiungere una modalità di gara a due giocatori:

Dividere lo schermo in due metà, superiore e inferiore. Nella metà superiore posizionare un uccello rosso controllato dal tasto W, in quella inferiore un uccello blu controllato dal tasto Freccia Su. Fornire tubi e punteggi indipendenti per ciascun giocatore. L'uccello che colpisce per primo un tubo perde, l'altro giocatore vince automaticamente; è necessario mantenere un contatore delle vittorie storiche.

Il compito ha coinvolto modifiche allo stato del gioco, ai controlli, al rendering, alla gestione delle collisioni, ai punteggi indipendenti, alla logica di vittoria, al comportamento di riavvio e al layout dell'interfaccia.

Secondo il rapporto, il tempo di esecuzione è stato di circa dieci-venti minuti. La versione finale mostra due aree di gioco, uccelli indipendenti, ostacoli indipendenti, comandi da tastiera e il conteggio totale delle vittorie storiche.

Perché il terzo test è cruciale

Molte dimostrazioni di codifica si limitano a un singolo file. Ma l'ingegneria del software reale raramente è così limitata.

Le modifiche a livello di repository richiedono che l'agente mantenga un modello che includa:

• Responsabilità dei file
• Dipendenze tra moduli
• Stato condiviso
• Flusso degli eventi
• Convenzioni esistenti
• Comportamento di build e runtime
• Il confine tra modifiche richieste e codice non correlato

I risultati indicano che Agnes-2.5-Flash è in grado di gestire modifiche significative su più file in un piccolo progetto legacy. Ma questo non dimostra la stessa affidabilità in repository aziendali con milioni di righe di codice, suite di test rigorose o infrastrutture di deployment complesse.

In ambienti di produzione reali, agenti simili dovrebbero comunque mostrare i loro piani, eseguire test, segnalare i file modificati e fornire patch revisionabili.

Conclusioni dai tre test

Nel loro insieme, questi test delineano un profilo di capacità più chiaro.

Tipo di compito	Risultato osservato	Significato pratico
Diagnosi di bug nascosti	Individuazione di un errore di gravità inserito manualmente basandosi sui sintomi	Utile per il debugging in codice non familiare
Generazione di applicazioni complete	Costruzione di uno scenario di confronto funzionante in un singolo file	Dimostra capacità di pianificazione su più moduli UI e logici
Refactoring su più file	Aggiunta di una modalità a due giocatori in un progetto di gioco esistente	Mostra comprensione del contesto del repository e modifica coordinata

Il modello sembra adatto a molti compiti di sviluppo comuni:

• Diagnosticare bug in un ambito specifico
• Implementare piccole applicazioni
• Costruire strumenti interni per sviluppatori
• Modificare progetti frontend esistenti
• Coordinare modifiche su più file di media entità
• Eseguire flussi di lavoro iterativi di agenti tramite client desktop

Le prove attuali non sono sufficienti per definirlo equivalente, in termini di generalità, ai modelli di programmazione a pagamento più potenti.

Ma sono sufficienti per rendere l'accesso gratuito molto interessante.

Agnes-2.5-Pro punta a compiti di ingegneria più impegnativi

Agnes AI sta preparando Agnes-2.5-Pro, un modello ad alte prestazioni pensato per carichi di lavoro di ingegneria del software professionale.

La divisione prevista è chiara:

Flash è il modello comunemente utilizzato per la codifica quotidiana e le attività con agenti.

• Pro è progettato per gestire ragionamenti più profondi, grandi basi di codice, comprensione architetturale, debug esteso e modifiche sistemiche di ampia portata.

I grafici interni dell'azienda mostrano che Pro ottiene punteggi più alti in tutti e sette i test, incluso 82,7 su SWE-bench Verified e 78,7 su SWE-bench Multilingual.

L'articolo originale menziona anche demo ufficiali, tra cui:

• Un'esperienza web altamente dinamica che include più video a schermo intero
• Un gioco 3D giocabile generato da una breve descrizione di atmosfera
• Un simulatore di particelle e gravità con 300 particelle, cinque modalità di colore, sorgenti di gravità regolabili e molteplici modalità di interazione, il tutto in un file HTML da 21,7 KB

Queste demo indicano la direzione del prodotto, ma la qualità di una demo non equivale all'affidabilità ingegneristica riproducibile. Al momento della pubblicazione di questo report, Agnes-2.5-Pro non è stata ancora lanciata ufficialmente, e i suoi prezzi e limiti di produzione non sono stati resi noti.

Agnes Code: molto più di un client per la scrittura di codice

Un modello potente richiede comunque un ambiente pratico per ispezionare file, richiamare strumenti e gestire attività di lunga durata.

Agnes Code è uno spazio di lavoro desktop nativo per macOS e Windows. Il più ampio progetto ufficiale AgnesCode descrive anche un'applicazione desktop, un'interfaccia a riga di comando (CLI) e un'interfaccia di programmazione delle applicazioni (API) per flussi di lavoro locali con agenti.

L'interfaccia combina una casella di input con il contesto del progetto locale, modelli, competenze, applicazioni e output generati.

A differenza dei puri strumenti di codifica, Agnes Code è pensato per una gamma più ampia di attività:

• Generazione di codice e modifica di basi di codice
• Ricerca e scrittura
• Immagini e video
• Presentazioni e documenti da ufficio
• Elaborazione di file locali
• Automazione e attività pianificate
• Collegamento di strumenti e applicazioni

Questo ambito di applicazione più ampio è importante per i flussi di lavoro in cui la codifica è solo una parte del compito. Ad esempio, un lancio di prodotto può comportare l'implementazione di una pagina, la creazione di materiali visivi, la stesura di documentazione, la preparazione di diapositive e la pianificazione di analisi successive.

Fornitori di modelli personalizzati

L'applicazione desktop include i modelli Agnes e supporta l'uso di fornitori personalizzati tramite configurazioni compatibili con OpenAI, Anthropic e Ollama.

L'interfaccia di test originale mostrava anche modelli all'avanguardia di terze parti. La disponibilità dei fornitori e la compatibilità degli abbonamenti possono cambiare, quindi gli utenti dovrebbero verificare l'applicazione corrente, piuttosto che fare affidamento su screenshot al momento della pubblicazione.

La portabilità dei modelli può ridurre il rischio di vincolo al fornitore. Allo stesso tempo, la valutazione diventa più semplice poiché è possibile testare lo stesso progetto e le stesse attività con più fornitori senza dover ricostruire il flusso di lavoro circostante.

Attività pianificate

Agnes Code può mettere in coda attività periodiche che vengono eseguite senza supervisione continua.

Gli esempi includono:

• Riepilogare ogni giorno le esecuzioni CI non riuscite
• Preparare ogni venerdì gli appunti per la revisione delle richieste pull
• Ricostruire rapporti secondo una pianificazione fissa
• Controllare i repository per problemi di manutenzione ricorrenti

Questo è simile a un flusso di lavoro ingegneristico basato su cicli, in cui il lavoro operativo ripetitivo viene gestito dall'agente senza doverlo attivare manualmente ogni volta.

L'esecuzione autonoma pianificata dovrebbe essere accompagnata da misure di salvaguardia. Un'attività periodica sicura richiede limitazioni dei permessi, output chiari, notifiche di fallimento, monitoraggio dei costi e approvazione prima di eseguire azioni distruttive.

Impedire al sistema di andare in sospensione durante attività di lunga durata

Le impostazioni del desktop includono un'opzione per mantenere il computer sveglio mentre Agnes Code esegue un'attività.

È una piccola funzionalità, ma risolve un problema comune nel lavoro locale con gli agenti. Lunghe build, scansioni di repository o attività di generazione possono fallire semplicemente perché il sistema operativo sospende la macchina.

Importare la memoria da altre IA

Agnes Code include anche un flusso di lavoro per importare preferenze e contesto di progetto già memorizzati da altri assistenti.

![Questa è l'interfaccia della funzione di importazione della memoria dello strumento Agnes Code, utilizzata per importare la memoria di altre IA in questo strumento. Il titolo dell'interfaccia è "Importa memoria", e il testo esplicativo indica che è possibile importare i contenuti della memoria relativi all'utente da altre IA. Il contenuto principale è suddiviso in due passaggi: il primo passo è copiare il prompt, l'interfaccia mostra il testo specifico del prompt, chiedendo all'utente di incollare questo contenuto in altre IA; il secondo passo è incollare la risposta, l'interfaccia presenta una casella di input per inserire i contenuti della memoria esportati da altre IA, l'interfaccia è inoltre dotata dei pulsanti funzionali "Copia", "Annulla", "Importa".](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/cab4b743-f873-4a7c-9518-60a5e80a1a49-ac10e3af-5dec-4c55-9089-ef2ba8e5cdd.

png)

Questa interfaccia presenta un suggerimento che invita altri assistenti a esportare informazioni strutturate, come ad esempio:

• Istruzioni persistenti
• Contesto di lavoro
• Descrizione del progetto
• Preferenze sugli strumenti
• Preferenze di scrittura
• Impostazioni personali correlate

Il testo esportato può essere esaminato e incollato in Agnes.

Ciò riduce l'attrito nella migrazione, ma l'utente dovrebbe verificare attentamente il contenuto esportato. La memoria potrebbe contenere informazioni private, ipotesi obsolete, nomi interni di progetti o dati sensibili che non dovrebbero essere trasferiti ad altri servizi.

Accesso gratuito: importante, ma non illimitato

Capacità di capacità

Agnes AI dichiara pubblicamente che la sua missione è rendere l'intelligenza artificiale di livello mondiale accessibile a tutti. L'azienda ha adottato l'accesso gratuito ai servizi di testo, immagini e video come strategia di prodotto centrale.

Per Agnes-2.5-Flash, l'annuncio afferma che il modello rimarrà gratuito, senza passare a un modello a pagamento dopo un periodo di prova limitato.

Questa affermazione richiede un chiarimento pratico: l'accesso gratuito non implica necessariamente una capacità illimitata.

La documentazione pubblica di Agnes descrive limiti di richiesta, limiti di velocità e quote per piano. Questi valori potrebbero cambiare, e il catalogo dei modelli pubblicato durante la fase di preparazione registra ancora il modello di testo precedente, non Agnes-2.5-Flash.

Gli sviluppatori dovrebbero verificare:

• Se il proprio account ha abilitato Agnes-2.5-Flash
• L'identificatore esatto del modello
• Il numero di richieste al minuto
• I limiti di contesto e output
• I limiti di richieste concorrenti
• Le quote settimanali o giornaliere
• I termini di utilizzo commerciale
• Le impostazioni di conservazione dei dati e privacy
• Se l'accesso gratuito si applica all'API, all'app desktop o a entrambi

L'accesso gratuito può semplificare notevolmente la fase di sperimentazione. L'affidabilità in produzione dipende comunque dai limiti pubblicati, dalla disponibilità del servizio, dal supporto e da una documentazione stabile.

Utilizzo dell'API Agnes AI

Agnes AI fornisce un gateway compatibile con OpenAI al seguente indirizzo:

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

La documentazione pubblica suggerisce di salvare la chiave API in una variabile d'ambiente e di utilizzare il formato standard Bearer Token.

L'esempio seguente mostra un modello di integrazione. I nomi dei modelli sono ancora segnaposto, poiché al momento della stesura di questo testo gli identificatori ufficiali del modello 2.5 non sono stati confermati nella documentazione consultata.

import os
from openai import OpenAI

api_key = os.environ.get("AGNES_API_KEY")
if not api_key:
    raise RuntimeError("Imposta prima la variabile d'ambiente AGNES_API_KEY.")

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

response = client.chat.completions.create(
    model="Confermare l'attuale AGNES_2_5_FLASH_MODEL_ID",
    messages=[
        {
            "role": "user",
            "content": "Controlla questo rapporto di errore e proponi una soluzione minima verificabile.",
        }
    ],
)

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

Prima di utilizzarlo in produzione:

1. Confermare l'ID del modello corrente nella piattaforma Agnes.
2. Non esporre mai la chiave API nel codice lato browser.
3. Aggiungere timeout delle richieste e meccanismi di backoff esponenziale.
4. Registrare l'uso dei token o delle richieste in base alle quote dell'account.
5. Verificare le chiamate agli strumenti prima dell'esecuzione.
6. Richiedere l'approvazione umana per operazioni distruttive su file o distribuzioni.
7. Bloccare la versione quando la piattaforma offre alias di modello con data o stabili.

Domande frequenti

Cos'è Agnes-2.5-Flash?

Agnes-2.5-Flash è un modello di testo rilasciato da Agnes AI, ottimizzato per coding, flussi di lavoro di agenti, ragionamento e attività di sviluppo quotidiane. È il successore di Agnes-2.0-Flash ed è posizionato come modello comune nella serie di coding di Agnes.

Agnes-2.5-Flash è gratuito?

Agnes AI ha annunciato che Flash rimarrà gratuito, senza essere limitato a promozioni temporanee. L'uso effettivo potrebbe comunque essere soggetto a quote di richiesta, limiti di velocità, piani dell'account, disponibilità regionale e regole di utilizzo equo.

È

Agnes-2.5-Flash è disponibile tramite API?

I rapporti indicano che l'accesso più ampio all'API sarà disponibile nella settimana successiva al lancio della versione desktop. Al momento della stesura di questo testo, la documentazione pubblica non ha ancora confermato il nuovo ID del modello, quindi gli sviluppatori dovrebbero consultare la piattaforma ufficiale prima di integrarlo.

Come si confronta Agnes-2.5-Flash con Agnes-2.0-Flash?

Le valutazioni interne di Agnes AI mostrano che 2.5 Flash ha ottenuto punteggi più alti in tutti e sette i test di programmazione pubblicati. I miglioramenti più significativi si sono registrati nelle sezioni di risposta a domande sul codice sorgente di SWE Atlas, refactoring e scrittura di test.

Agnes-2.5-Flash può modificare il codice sorgente esistente?

Test pratici dimostrano che può diagnosticare bug nascosti e implementare funzionalità come una modalità di gioco multiplayer a due giocatori su più file in un codice sorgente esistente di piccole dimensioni. Tuttavia, i grandi codebase di produzione richiedono ancora test, revisione delle patch, gestione delle autorizzazioni e supervisione umana.

Cos'è Agnes Code?

Agnes Code è uno spazio di lavoro desktop per agenti, dedicato a progetti locali e attività di produttività generiche. Supporta contesto di progetto, provider di modelli, attività pianificate, integrazioni personalizzate e output oltre il codice sorgente.

Agnes Code può utilizzare modelli di altri provider?

L'interfaccia desktop esaminata supporta provider personalizzati compatibili con OpenAI, Anthropic e Ollama. L'elenco completo dei provider integrati e delle opzioni di abbonamento deve essere confermato nell'applicazione più recente.

I punteggi dei benchmark di Agnes sono verificati in modo indipendente?

I grafici dei benchmark discussi in questo testo sono contrassegnati come valutazioni interne di Agnes AI. I test indipendenti delle classifiche potrebbero utilizzare diversi agenti, framework, prompt, budget di calcolo e processi di verifica, quindi il confronto diretto richiede cautela.

Strumenti correlati

• Agnes AI: Sito ufficiale per l'accesso ai modelli Agnes, ai servizi creativi e ai prodotti.
• Agnes Code: Pagina ufficiale del prodotto per lo spazio di lavoro desktop Agnes.
• Documentazione di AgnesCode: Documentazione per l'app desktop, CLI, API, estensioni, competenze, supporto MCP e ACP.
• Piattaforma Agnes AI: Console ufficiale per account, chiavi API, piani e accesso ai modelli.
• Catalogo dei modelli Agnes AI: Repository ufficiale con esempi di gateway compatibili con OpenAI e documentazione pubblica dei modelli.
• Clumsy Bird: Gioco open source archiviato utilizzato per test di correzione di bug e modifica di più file.

Link correlati

• Panoramica API di Agnes AI: Informazioni ufficiali su compatibilità API, autenticazione, funzionalità e sicurezza.
• Organizzazione GitHub di Agnes AI: Repository ufficiali e risorse per sviluppatori di Agnes AI Labs.
• SWE-bench Verified: Sottoinsieme selezionato manualmente di SWE-bench per valutare la capacità di risolvere problemi reali su GitHub.

Terminal-Bench: Il benchmark ufficiale per valutare gli agenti nell'esecuzione di compiti reali in ambienti terminale.

• Articolo accademico su SWE Atlas: Il paper scientifico che descrive SWE Atlas. La suite di benchmark copre domande e risposte su codebase, scrittura di test e refactoring del codice.
• SWE Atlas su GitHub: Il codice ufficiale e le risorse del benchmark forniti da Scale AI.

Riepilogo

Agnes-2.5-Flash combina un modello di codifica più potente con un agente desktop progettato per progetti locali, flussi di lavoro ripetitivi e produttività multimodale. Nei test pratici originali, ha diagnosticato vulnerabilità inserite manualmente, creato applicazioni monofile funzionanti per il confronto e completato modifiche collaborative su più file per videogiochi.

I risultati dei benchmark interni mostrano miglioramenti rispetto ad Agnes-2.0-Flash in sette valutazioni di codifica, con progressi particolarmente significativi nel percorso SWE Atlas. Tuttavia, questi risultati devono ancora essere considerati come interni e non come classifiche universalmente valide e riproducibili in modo indipendente.

La promessa di utilizzo gratuito è il vantaggio più evidente del prodotto, ma gli sviluppatori dovrebbero distinguere tra prezzi gratuiti e capacità illimitate. La disponibilità del modello, i limiti di velocità, le quote e l'identificatore API esatto per la versione 2.5 devono essere verificati sulla piattaforma ufficiale.

Il fascino di Agnes-2.5-Flash non sta nel dimostrare che i modelli premium a pagamento siano superflui, ma nel coprire la maggior parte degli scenari di codifica quotidiana senza imporre una barriera di prezzo.