Cost Efficiency in AI
搜索文档
速递|Agnes完成数千万美元融资,自研Agnes-Claw模型登榜,1美元即可“养龙虾”
Z Potentials· 2026-03-18 20:47
公司业务与财务数据 - 全球用户规模已突破700万,年度经常性收入接近2000万美元 [1] - 公司于去年底完成千万美元级融资,目前正推进新一轮融资,目标估值约2亿美元 [1] 公司愿景与市场定位 - 公司以AI Inclusion与AI Parity为核心愿景,致力于让先进的AI能力变得更加可及、公平 [2] - 公司希望通过高效的模型体系和产品设计,让全球99.5%的用户都能够真正使用AI [2] - 公司的定价策略针对更广泛的全球用户群体,而不仅仅是高付费能力的专业用户 [11] 核心产品与功能 - Agnes是一款All-in-One智能体应用,集成了搜索、研究、AI PPT、AI表格、生图生视频、角色陪伴、社交、AI新闻等功能 [3] - 即将推出Agnes Claw能力,将AI Agent的部署门槛降至1美元 [3] - AgnesClaw整合了多项能力,包括自动生成PPT、表格处理、图像生成、视频生成、AI搜索、深度与广度研究任务等 [3] - AgnesClaw支持与即时通讯工具连接,已支持绑定Telegram,并计划支持更多平台 [6] - 该工具还提供定时任务、长期记忆、预置skills库、一键部署以及云端运行环境等功能 [6] 技术架构与模型能力 - 公司正在构建完整的自研模型体系,并围绕自研模型能力打造多款AI应用产品 [2] - 通过自研强化学习框架DSPO、通用验证器Universal Verifier和智能路由等技术构建了精细化模型运营体系 [11] - 系统通过智能路由判断用户需求,并将任务分配给最合适的模型处理 [11] - 公司的多模态模型家族可在保证模型效果的同时,仅用10%的成本实现主流SOTA模型90%以上的能力 [11] - 公司已构建覆盖文本、搜索、研究、图像、视频生成的完整多模态模型家族,并在多个关键指标上实现显著的成本和效率优化 [12] - 部分模型在基准测试里达到了SOTA水平 [12] - 8B参数的东南亚小语种模型Agnes-SeaLLM在MMLU等基准测试中表现优于部分同规模或更大规模的模型 [13] - 采用“AI训练AI”的方式,通过RLAF框架让多个AI Agent对模型输出进行自动评估,以减少人工标注,降低训练成本并提升效率 [13] 模型性能与行业地位 - Agnes-Claw-Pro模型在PinchBench榜单准确度评分排名进入全球前十,得分为84.5% [4][5] - 在PinchBench榜单中,Agnes-Claw-Pro的评分与qwen/qwen3.5-122b-a18b并列,高于Claude-Sonnet-4.5等知名模型 [5] 行业趋势与竞争策略 - AI行业的竞争正从模型规模和算力投入,转向成本效率这一新的竞争维度 [14] - 公司选择通过自研模型与产品整合来降低对外部模型的依赖,同时构建自身技术体系,以控制成本并可能形成长期技术壁垒 [14] - 对于绝大多数用户而言,“极致性价比”是当前更重要的因素 [15]