大数跨境
首页
>
对比 Codex，免费的 AgnesCode 也能在底层算子优化任务中打得有来有回
>

对比 Codex，免费的 AgnesCode 也能在底层算子优化任务中打得有来有回

对比 Codex，免费的 AgnesCode 也能在底层算子优化任务中打得有来有回 AI科技评论
2026-09-14
7
导读：AgnesCode在部分芯片上跑出更高性能，免费模型完成专业级交付。
AgnesCode 在部分芯片上跑出更高性能，免费模型完成专业级交付。

    作者丨吴海明 曹 PP

    编辑丨李娜

免费的 AI Coding Agent 能否在真实工程任务中与付费的 Codex 抗衡？过去一年，Coding Agent 已能胜任网页生成与应用开发，但本次测试将其推向更底层：让 AI 优化大模型运行时使用的算子。
所谓“算子”，即大模型运行时反复执行的底层计算程序。模型每生成一个 Token，均需执行大量矩阵与注意力计算。单个算子若提升 10%-20% 的效率，将直接转化为推理速度、硬件利用率及服务成本的显著差异。
本次测试将 AgnesCode 搭配免费模型 Agnes 3.0 Flash，投入众智 FlagOS 开放计算全球大赛的算子优化赛道，以 DeepSeek-V3 解码阶段算子为考题，在 8 款芯片上进行自动化评测。对照组采用 Codex 搭配 GPT-5.6 Sol。两组在相同环境下编写代码并提交官方系统评测。
测试结果显示：Codex 组合耗时 8 分 57 秒完成，AgnesCode 组合耗时 20 分 36 秒。在通过率上，Codex 通过 7 款芯片，AgnesCode 通过 6 款。但在双方共同通过的 5 款芯片中，AgnesCode 有 4 项加速比更高。其中在国际通用芯片 B 上，AgnesCode 加速比达 4.81×，优于 Codex 的 3.71×，性能提升约 29.6%；此外，昆仑芯仅 AgnesCode 通过测试。
这证明当任务边界与评测闭环清晰时，免费 Agent 已能进入底层工程任务并交付具备性能收益的产物。Agent 时代，模型低价仅是入场券，能将任务执行到底才是分水岭。

01

一道题：优化 DeepSeek-V3 底层算子

为避免数据泄露导致模型“作弊”，本次测试跳过常规应用场景，直接挑战大模型推理算子优化。算子是模型运行的基础，其优化正成为 AI 自进化的关键一环：从依赖人工经验转向由 Coding Agent 自主读题、写码、测试与迭代。
所选测试题来源截图 1: 众智 FlagOS 开放计算全球大赛赛季二的赛道一
测试题目源自众智 FlagOS 开放计算全球大赛赛季二赛道一：SGLang 框架算子在多款芯片的性能优化。该赛事每周发布新题，涵盖 200 余道算子任务，确保测试数据未被模型预先学习，相当于一次严格的“摸底考试”。
所选测试题来源截图 2: 200+ 算子的多芯片优化任务
具体赛题为 DeepSeek-V3 解码阶段使用的融合 QKV-A 下投影算子（Task66: dsv3_fused_a_gemm）。真正的挑战在于生成的优化代码需同时适配 8 款芯片，包括国际通用芯片及天数智芯、沐曦、燧原、海光信息、昆仑芯和华为等国产芯片。
所选测试题来源截图 3: Task66-dsv3_fused_a_gemm 赛题

02

对打 Codex：入口名翻车，但性能结果并不弱

测试中，AgnesCode 使用免费模型 Agnes 3.0 Flash，对照组 Codex 使用 GPT-5.6 Sol。双方基于相同的标准化 Skill 信息，在相同环境下先编写 NVIDIA 芯片版本代码，再适配其他芯片。
运行过程显示，AgnesCode 组合在第二阶段生成代码时，经催促后最终耗时 20 分 36 秒完成任务，涵盖了语法检查、依赖校验、打包及记录更新全流程。相比之下，Codex 组合仅用 8 分 57 秒，推进更为流畅。
AgnesCode + Agnes 3.0 Flash 组合运行截图
Codex+GPT-5.6 Sol 组合运行截图
官方自动化评测结果表明：虽然 AgnesCode 在芯片适配数量上少一款（通过 6 款），但在共同通过的 5 款芯片中表现优异。在天数智芯上，AgnesCode 加速比为 2.16×（Codex 为 1.72×）；在国际通用芯片 B 上达到 4.81×，高出对照组约 29.6%；昆仑芯更是仅有 AgnesCode 通过，加速比达 2.56×。
评测结果截图：第一行为 AgnesCode + Agnes 3.0 Flash 测评结果，第二行为 Codex+ GPT-5.6 Sol 测评结果。
成本方面，AgnesCode 组合完全免费。在需要多轮问答、文件读取及反复迭代的真实业务场景中，免费模型大幅降低了试错门槛，避免了闭源模型高昂的计费压力。

03

AA 榜单揭示 Agnes 3.0 Flash 的能力边界

AgnesCode 的表现是个例还是普遍现象？Artificial Analysis (AA 榜单) 数据显示，Agnes 3.0 Flash 的 Intelligence Index 得分为 36 分，接近 GPT-5.6 Luna (max) 的 38 分，表明其基础能力已与主流模型相当。
Artificial Analysis (AA 榜单) 公布数据截图
在智能表现与 Token 价格对比图中，Agnes 3.0 Flash 以约 0.03 美元/百万 Token 的价格位于帕累托前沿。其价格显著低于同等智能表现的模型，而在相近价格带中智能表现更优，极具性价比。
Artificial Analysis (AA 榜单) 的智能表现 × Token 价格对比数据截图
对于长任务的 Agent 工作流而言，这一优势至关重要。模型成本的降低直接决定了用户是否愿意让其持续读文件、改代码及反复迭代。

04

免费又不失性能，为 AI 进化带来更多探索空间

测试证明，AgnesCode + Agnes 3.0 Flash 已能自动化生成可验收、可迭代且成本可控的交付物。随着 AI 发展，用户需求已从生成应用转向让 AI 优化自身底层架构。
AgnesCode 展示了两个关键信号：首先，在明确工作流与评测反馈下，它能推进跨芯片算子适配并实现更高加速比；其次，Agent 可能在入口命名、提交规范等“最后一公里”细节犯错，这直接影响成果的系统接收度。
模型能力决定上限，工作台能力决定稳定性。AgnesCode 的优势在于将模型、项目文件、Skill 及评测反馈整合至同一工作流，帮助用户高效完成任务。对于国产 AI 芯片生态，Agent 有望将依赖人工经验的优化工作转化为可持续迭代的工程流程。
尽管 Codex 在流畅度上仍占优，但 AgnesCode 证明了免费模型同样可进入专业工作流。免费模型的真正价值，正从“让 AI 变便宜”转向“让更多真实任务有机会被反复尝试”。当试错成本下降，谁能将专业要求稳定写入执行过程，谁就将掌握下一代 AI 工作台的入口。
【声明】内容源于网络
0
0
AI科技评论
聚焦AI前沿研究，关注AI工程落地。
内容 8950
粉丝 0
AI科技评论 聚焦AI前沿研究，关注AI工程落地。
总阅读243.5k
粉丝0
内容8.9k