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

 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，能不能和付费 Codex 在真实工程任务里打得有来有回？过去一年，我们已经习惯了让 Coding Agent 写网页、做应用、修 Bug。但这一次，我们想把它往更底层推一步：让 AI 去优化大模型自己运行时使用的算子。所谓“算子”，可以简单理解为大模型运行时反复执行的一小段底层计算程序。模型每生成一个 Token，都要在 GPU 或其他 AI 芯片上执行大量矩阵计算、注意力计算和数据变换。单个算子看起来很小，但会被模型反复调用。因此，一段高频算子如果能快 10%、20%，最终就可能转化为推理速度、硬件利用率和服务成本上的实际差异。这恰好提供了一种不同于常规 Coding Benchmark 的测试方式：如果 Agent 能够读懂任务、修改算子、适配不同芯片，并最终跑出真实的性能提升，那么它触及的已经不只是应用开发，而是 AI Infra 中一部分真正的工程工作。为了回答这个问题，我们把 AgnesCode + Agnes 3.0 Flash 放进众智 FlagOS 开放计算全球大赛的一道算子优化题：为 DeepSeek-V3 解码阶段使用的底层算子写优化代码，并在 8 款芯片上接受赛事官方自动化评测，同时，选择 Codex + GPT-