Agnes 3.0 Pro升级：AGH开源，打通软硬件执行链路

新智元报道  

物理AI眼下是人工智能产业里热度最高的赛道之一。可要让AI从屏幕里走出来，得凑齐三样东西：一颗靠得住的大脑、一套能把它组织起来持续干活的执行系统，再加上一个能接上物理设备的身体。模型本事在涨，Agent执行框架也在不断补齐，问题是现实里设备形态千奇百怪，智能体要理解它们、调用它们，依旧不容易。

Agnes AI这次的新进展，就是冲着模型能力、Agent执行和物理设备连接这三块来的。面向真实任务的Agent执行基础设施Agnes Harness（AGH）已经正式开源，它能支撑持续任务执行、工具调用、状态管理和结果反馈。跟着一起放出来的还有AGH体系里的MHS（Model Hardware Standard）设备交互协议和相关组件，开发者可以在同一套执行环境里，把软件工具和可编程硬件都接进去。

新一代模型Agnes 3.0 Pro也做了能力升级，API很快上线。

从模型推理，到任务执行，再到接上物理设备，Agnes AI把这些能力收进了同一套技术体系，让AI能插手更复杂的真实任务，也往物理世界多走了一步。

Agnes AI这次开源的东西叫Agnes Harness，简称AGH，定位是面向真实工作场景的Agent Harness。说白了，它要当Agent持续跑下去、往多个终端交付结果的那个执行底座。开发者用它的路子有两条，一是Web工作台，二是命令行；也能把自己的工具接进来，在这个基础上搭不同场景的Agent应用。

AGH眼下已经在GitHub上放出了源码和相关开发文档。开发者可以直接拿源码装起来跑，也能按自己的实际需要接着往下扩。

进到AGH的Web工作台，第一眼看到的是个跑在本地环境里的对话界面。工作目录由开发者指定，任务指令发出去，Agent就去读文件、敲命令；拿到执行结果之后，它再回头改已经存在的工程。

这一串动作靠AGH的Agent Loop撑着往前走。哪一步该干什么由模型来定，调用工具、收回反馈、把结果递回模型这些活归Harness管，一直循环到任务收尾，或者中途需要人来插手。

任务一复杂起来，光盯着对话记录就不太够用了。

举个情形：某个Agent改了十几个文件，命令跑了好几轮，最后还是没过测试。这时候问题出在哪一步？是模型想岔了，还是某个工具没跑成？

AGH有个「轨迹」页面，开发者可以顺着时间轴把任务的执行过程倒回去看。模型调过哪些工具、每一步花了多长时间，界面上都能查到。把具体记录展开，工具的参数和执行状态也能接着翻，方便定位问题。

AGH在扩展能力上放开了插件机制。用户想接自己的业务工具，可以用插件来完成；已有服务则能借MCP接入；面向不同岗位，还能单独开发专属界面。

插件管理页面里，可发现的插件都能浏览，来源、版本和兼容信息一并列出，安装与管理也在同一处完成。那些已经被验证过的任务方法，则能通过Skills存下来，换到别的项目里接着用。

企业场景要做定制，这些能力正好打底。

交付走的是FDE（Forward Deployed Engineering）方式，工程团队会扎进具体的业务现场，依照企业现有系统把接入和适配做完。项目里攒下的工具、任务方法和业务规则，会一点点变成可复用的能力，后面再部署时就少做重复开发。

另一头，AGH用App Server让不同使用界面共用同一套后台任务。开发者在Web工作台里发起任务，之后从命令行把同一会话恢复出来，之前的操作记录不用再重新整理。

从持续执行到业务扩展，AGH给开发者的是一个能深度定制的Agent运行环境。等这些工具再往机器人、实验仪器这类物理设备上延伸，Agent的工作范围也就跟着走进现实世界。

软件工具和企业系统之外，AGH还借MHS把物理设备的接入收进同一套任务执行体系。它本身也从单纯的Agent开发框架，变成面向多模态大模型、智能体与可编程硬件的开放式基础设施平台。MHS支持多类设备接入，大模型和智能体因此能连上真实的物理设备。

Agnes AI团队给AGH派了一项任务：让办公室里的移动小车找到指定书籍，再用语音把书里的内容读出来。

演示当中，小车按任务要求把书找到并做了语音朗读。从接到指令到实际动手，Agent的执行范围已经从软件工具迈向了现实设备。

这背后是另一项同步推进开源的技术——MHS（Model Hardware Standard）。

MHS由Agnes AI自主设计，是一套统一的设备交互协议，面向各类带可编程接口的硬件。设备用统一的交互方式把自己的功能和操作信息交给Agent，智能体即使碰上从没用过的设备，也有机会弄懂它能干什么，再按任务要求调出对应操作。

AGH管的是整个任务怎么组织，MHS管的是具体设备怎么接上。模型先看目标，判断下一步该干什么；AGH把工具调用和执行反馈协调起来，再通过设备接口把对应操作做掉。碰上关键环节，也能按任务需要插进人工确认。

Agnes AI还搭了一个虚拟火星基地，叫Mars World，在里面设了一项救援任务：一名宇航员在基地外失联，Agent得靠基地里的设备把人找出来，再把救援组织起来。这是一次基于虚拟设备的模拟实验，重点看AGH怎么把多设备任务串起来，也看MHS怎么让不同设备用同一套交互方式。放到这个模拟场景里，Agent能调飞行器去搜目标区域，能安排机器人去救援，还能协调基地气闸这些设施。地图、设备状态、任务反馈几路信息得合在一起用，才能把多个操作步骤一步步推下去。

这次开源的还有配套的设备接入和开发工具。Agnes AI一并放出了MHS 1.0设备协议、MOS 1.0感知数据协议、AgnesHub设备连接组件、Python与TypeScript开发库，以及mhs-check一致性测试套件。分工上，设备状态、工具调用和动作请求归MHS管；相机、传感器、地图这些观测数据的传输归MOS管。开发者拿公开的设备开发库就能接自己的硬件，再用一致性测试套件查一遍协议实现得对不对。

眼下官方仓库里已经有一个Mars World示例，里面放了11台虚拟设备，另外还有移动机器人、机械臂、传感器等本地模拟设备。开发者不用先备好实体硬件，也能把设备接入和任务调用的整套流程走一遍。

从办公室里的移动小车，到虚拟火星基地里的多设备救援，AGH和MHS摆出的是从真实设备连接一直到复杂任务协同的几种不同用法。等更多设备完成适配、经过开发和验证，这套开源体系在机器人巡检、科研实验、现场作业这些方向上，也就多了一层可以继续试的基础。

不管是跑在软件环境里完成复杂任务，还是通过接口去操控现实中的设备，Agent都得靠模型来消化信息、做出判断。

Agnes AI同时披露了新一代模型Agnes 3.0 Pro的能力新进展，其API上线在即。六项公开基准测试覆盖科学推理、科研编程、指令遵循、业务任务执行和综合知识等维度，Agnes 3.0 Pro的表现比较全面。GPQA拿到91.11分，SciCode拿到56.13分，与GPT-5.6 Sol（Max）的差距不到1分；Tau3-Banking模拟银行业务评测中，它以48.0分排在这批对比模型的第一位。

高难度科学知识与推理评测GPQA里，Agnes 3.0 Pro的分数是91.11分。这项评测盯的是模型对专业科学问题的理解和推理水平，用来观察模型处理复杂知识任务时能做到什么程度。

科研编程基准SciCode中，Agnes 3.0 Pro得到56.13分，进入本次对比模型前三。SciCode的题目来自科学研究中的真实编程场景，模型得把专业知识、推理和代码实现捏在一起才能完成。这一项里，Agnes 3.0 Pro与GPT-5.6 Sol（Max）的57.1分只差0.97分，在科研编程任务上有一定竞争力。

评测各有各的侧重，反映的只是模型在某类特定任务下的表现。对Agent来说，关键还是这些本事能不能落到实际任务里。为此我们又给Agnes 3.0 Pro安排了一项模拟企业任务：把历史订单服务搬到新版API上，再做100笔订单的资金日结核验。

除了评测成绩，另一项模拟企业任务也交给了Agnes 3.0 Pro，内容同样是历史订单服务迁移至新版API，外加100笔订单的资金日结核验。测试材料里事先埋了重复记录、财务记录缺失等坑，模型得看懂接口文档去改代码，再一笔一笔核对数据。

结果是，Agnes 3.0 Pro找出了3笔金额差异、2笔财务记录缺失和4组未决退款。独立验收阶段，交付代码通过10项测试，100笔订单的逐笔结果跟预设标准答案对得上。碰上证据不足的退款，模型让它留在未决状态，没有自己去挑金额，也没有猜着配订单。

创意开发任务里，Agnes 3.0 Pro搭了一座可交互的热带植物数字温室。从整理植物资料，到生成并组织多张植物插画，再到网页布局和交互开发，中间连着好几个步骤。最后做出来的页面可以旋转浏览植物标本架、查看单株植物资料，还能通过交互去看不同植物的形态特征。

另外，Agnes 3.0 Pro把一篇天文学论文改成了交互式科普网页。模型对论文内容重新做了组织，并借行星凌星模拟等交互设计，把专业研究里那些复杂概念变成了更直观的阅读体验。

无论是处理复杂业务数据，还是开发交互应用，Agnes 3.0 Pro在这些不同类型的任务里都拿出了实际成绩。能力往上走的同时，它的定价也保持了竞争力。调用价格压得更低，开发者长期跑任务、反复调试的开销就更好控制，复杂AI应用从开发到部署，能试的路子也更多。

Agnes 3.0 Pro API很快会正式开放，参考定价如下：

Agnes 3.0 Flash这边则继续免费用。要频繁调试Agent、验证工作流，或者做多轮开发实验的人，免费模型把试错的门槛又往下压了一截，不必再因为Token消耗而缩手缩脚，限制自己尝试和迭代的次数。

一边是有复杂任务处理能力的3.0 Pro，一边是持续免费开放的3.0 Flash，Agnes AI给不同需求的开发者留出了更灵活的选型余地。模型能力和使用成本怎么摆平，同样关系到AI应用能不能从一次性的演示，变成长期跑下去的东西。

3.0 Pro出模型能力，AGH管任务执行怎么组织，MHS则把智能体的触角伸进物理世界。从Coding、Research到企业系统和真实设备，这三者各自对应模型推理、持续执行和硬件连接，给更多Agent应用打了技术底子。

模型还在往前走，可Agent时代的竞争，早就不只是比模型能力了。模型、工具、数据、权限、应用还有物理设备，怎么攒成一套靠得住的系统，正变成下一代智能基础设施绕不开的问题。

大脑、记忆和身体，如今都交到你手上了。