Agnes AI 发布 2.5 Pro Beta：智能指数升至 49，智能体能力大幅提升

新加坡 AI 实验室 Agnes AI 近日推出全模态基础模型 2.5 Pro 的 Beta 预览版本。该版本在 Artificial Analysis 智能指数（Intelligence Index）上取得 49 分，较前代 2.5 Pro Alpha 的 40 分提升 9 个点位，已接近前沿梯队，但仍落后于 Gemini 3.5 Flash（high，52）和 GPT-5.6 Luna（max，52），领先于 MiniMax-M3（45）。模型支持文本与图像输入、文本输出，提供免费的全模态 API。

智能体能力是主要拉动项

Agnes 2.5 Pro Beta 最大的进步集中在智能体任务上。Artificial Analysis 智能体指数（Agentic Index）从 25 跃升至 44，仅次于 Gemini 3.7 Flash（high，45），超过 Gemini 3.5 Flash（high，40）和 MiniMax-M3（36）。

• τ³-Banking 得分从 12% 提升至 36%，接近翻三倍。
• GDPval-AA v2 相对人类基线（Elo 1000）的得分从 1171 升至 1456，已超过 MiniMax-M3（1384），逼近 GPT-5.5（xhigh，1489）和 Gemini 3.7 Flash（high，1527）。

相比之下，前沿推理类基准提升幅度较小：Humanity's Last Exam 由 34% 升至 38%，GPQA Diamond 由 88% 升至 91%，CritPt 由 11% 升至 16%。

知识类指标改善源于「拒答」而非准确率

AA-Omniscience 分数由 -25 改善至 -11，但提升主要来自模型更频繁地选择不回答，而非答对更多问题。新版本仅尝试回答 45% 的问题，前代这一比例为 94%；幻觉率从 88% 降至 33%，但 AA-Omniscience 准确率从 33% 降至 17%，近乎腰斩。

智能提升以更多输出 token 为代价

Agnes 2.5 Pro Beta 在每项智能指数任务上平均使用 5 万个输出 token，是 2.5 Pro Alpha（2.4 万）的两倍多，token 消耗高于 Qwen3.8 27B（xhigh，4.7 万）和 GLM-5.3（max，4.1 万）。在算力成本层面，这一变化值得关注。

模型规格与定价

• 上下文窗口：100 万 token
• 最大输出 token：6.5 万
• 输入模态：文本、图像
• 定价：输入 0.10 美元 / 输出 0.30 美元 / 缓存命中 0.01 美元（每百万 token）
• 渠道：Agnes AI 官方 API

综合来看，Agnes 2.5 Pro Beta 是该实验室一次幅度可观的智能体方向升级，使其从「中游」向「准前沿」迈进，但推理效率与知识类准确率方面仍存在权衡。