Preskoči na glavni sadržaj

Besplatno na neograničeno vreme, tokene trošite koliko god želite — prijatno.

Chenmo Wang ErAIAgent2598 reči9 minuta

Agnes AI je besplatno otvorio svemodalni API — tri linije: tekst, slika i video, bez ograničenja broja poziva, na neograničeno vreme.

Dve nedelje od lansiranja, ukupna potrošnja Tokena 3.12T, tekstualni zahtevi su prešli bilion, generisano je preko 2 miliona slika, a generisanje videa prešlo je 2 miliona sekundi.

Istog trenutka sam sva tri modela ubacio u radni tok PaiAgent-a; u nastavku delim utiske o korišćenju.

Vežite pojaseve, krećemo.

01. Šta je Agnes?

Tri modela koja Agnes trenutno besplatno nudi su:

  • Agnes-2.0-Flash, opšti tekstualni model koji pokriva razgovor, generisanje koda, pitanja o znanju i pozive alata; kontekstni prozor 1M
  • Agnes-Image-2.1-Flash, model za generisanje slika, podržava text-to-image i image-to-image; u postepenom puštanju 4K izlaza, do 4096×4096
  • Agnes-Video-V2.0, model za generisanje videa, 720P/1080P opcionalno, izvorna sinhrona generacija zvuka i slike

TTS sinteza govora takođe je u postupnom puštanju. Kad i glas stigne, jedna API Key pokriva sve četiri sposobnosti — tekst, sliku, video i glas.

Za mene lično, najveća vrednost besplatnog tekstualnog modela je u tome što je trošak debagovanja Agentskog toka rada pao na nulu.

Ranije, kad bih u PaiAgent-u štelovao radni tok, jedan čvor bih možda morao da pokrenem i po nekoliko desetina puta dok prompt ne zadovolji — pri svakom pokretanju goru tokeni. Sada Agnes radi debagovanje, a kad je namešteno, prebacujem se na plaćeni model za pravi zadatak.

02. Integracija Agnes-a za 5 minuta

API Agnes-a kompatibilan je sa OpenAI formatom.

Base URL je https://api.agnes-ai.com/v1, autentifikacija ista kao kod OpenAI-ja — Header Authorization: Bearer <API_KEY>.

Pribavljanje API ključa

Posetite konzolu Agnes AI, registrujte se i prijavite, i kreirajte API Key.

Integracija u PaiAgent

Ja sam ga direktno ubacio u PaiAgent.

Kratko o pozadini: PaiAgent je open-source platforma za orkestraciju enterprise AI radnih tokova; tehnički stek je Java 21 + Spring AI + LangGraph4j, podržava drag-and-drop konstrukciju AI radnih tokova i na GitHub-u se bliži 500 zvezdica.

https://github.com/itwanger/PaiAgent

Crtanje radnog toka PaiAgent
Crtanje radnog toka PaiAgent

U globalnoj konfiguraciji modela napravite novi unos. Prodavac: Agnes; API adresa: https://api.agnes-ai.com/v1; naziv modela: agnes-2.0-flash; nalepite API Key.

Za sliku navedite agnes-image-2.1-flash, a za video agnes-video-v2.0; sačuvajte. Tri vrste generisanja, jedna konfiguracija.

Integracija u PaiCLI

PaiCLI (moj CLI alat sličan Claude Code-u) takođe je povezao Agnes.

Neka nam Codex odradi integraciju, a posle samo u .env unesemo .env.

PaiCLI na dnu ima statusnu traku tokena koja u realnom vremenu prikazuje potrošnju tokena i udeo konteksta u trenutnoj sesiji.

03. Agentske sposobnosti tekstualnog modela

Ključni kriterijum za izbor modela nije "da li razgovor kvalitetan", već "da li može pouzdano da poziva alate, planira i ostaje tačan u dugom kontekstu".

Agnes-2.0-Flash na Claw-Eval evaluaciji ima Safety 97.2, Robustness 95.4.

Claw-Eval nije ista kategorija kao tradicionalni benchmarkovi poput MMLU i HumanEval. Dizajniran je za Agentske scenarije i ispituje ukupne performanse modela po tačnosti poziva alata, sposobnosti planiranja u više koraka i pri otpornim ulazima. Safety meri bezbednosnu zaštitu pri zlonamernim ulazima, a Robustness stabilnost izlaza.

Oba parametra iznad 95 znače da u Agentskom toku model ne pada lako pod uticajem neobičnih ulaza, a doslednost izlaza je zagarantovana. Za duge, automatske Agentske zadatke to je čvrst zahtev.

Test konteksta od 1M

Agnes-2.0-Flash podržava kontekstni prozor od 1M. Ovaj parametar direktno određuje koje dužine dokumenta model može da obradi.

Da bih proverio tu sposobnost, u PaiCLI-ju sam uradio jedan test. Materijal: Redis deo iz serije pripreme za intervju — ukupno 46 hiljada reči. Prvo neka model u celosti pročita.

Pročitaj: https://javasi.dev/sidebar/sanfene/redis.html sadržaj ovog dokumenta; kasnije ću te pitati nešto.

Posle čitanja postavio sam pitanje o Redis persistenciji — koja je razlika između RDB i AOF. Odgovor na to pitanje razbacan je kroz više poglavlja dokumenta, pa model mora tačno da locira i organizuje informacije iz dugog teksta.

Obratite pažnju na donju statusnu traku. Dokument od 46 hiljada reči i sadržaj razgovora zauzimaju tek 18% konteksta.

Preostalih 82% znači da se na osnovu tog dokumenta može postaviti još nekoliko desetina rundi pitanja, bez okidanja kompresije.

Koja je stvarna korist od velikog kontekstnog prozora?

Za code review, na primer — Java projekat srednje veličine ima oko 100 hiljada linija osnovnog biznis koda. Ako model treba da razume logiku funkcije koja prelazi više modula, možda je potrebno istovremeno učitati 5–8 izvornih fajlova sa pripadajućim konfiguracionim fajlovima. Kontekst od 1M može jednom da obuhvati sav relevantan kod, pa modelu ne mora kroz više rundi razgovora da se podseća sadržaja ranijih fajlova. Isto važi za tehnička istraživanja i analizu dugih dokumenata — što veći prozor, to manji rizik gubitka informacija.

Function Calling

Tokom čitanja dokumenta, PaiCLI je pozvao dva alata: Web Fetch i Chrome DevTools MCP.

Agnes-2.0-Flash je sam prepoznao strukturu stranice i odabrao odgovarajuću strategiju prikupljanja.

Tačnost poziva alata direktno određuje može li Agentski tok rada da se pređe.

Konkretno, Agent pri izvršavanju zadatka mora da proceni kad koji alat da pozove, koje parametre prosledi i kako obradi rezultat. Bilo gde greši, lanac zadatka puca. U ovom testu PaiCLI-ja, Agnes-2.0-Flash nije pogrešio u izboru alata niti u prenosu parametara, a parsing rezultata je bio tačan.

Za programere koji žele da skuže Agenta na besplatnom modelu, pouzdanost Function Calling-a ključnija je od tečnosti generisanja teksta. Model može sjajno da ćaska, ali ako stalno greši u pozivu alata — u Agentskom scenariju je praktično neupotrebljiv.

04. Slike i video takođe prilično dobri

Text-to-image

Interfejs Agnes-Image-2.1-Flash takođe je kompatibilan sa OpenAI formatom za generisanje slika; ključni parametri su samo četiri.

{
  "model": "agnes-image-2.1-flash",
  "prompt": "prompt",
  "size": "1K",
  "ratio": "1:1"
}

size ima četiri nivoa: 1K, 2K, 3K, 4K (4K je trenutno u postupnom puštanju); ratio podržava osam odnosa: 1:1, 3:4, 4:3, 16:9, 9:16, 2:3, 3:2 i 21:9.

U čvoru za generisanje slika PaiAgent-a testirao sam dve serije.

Prva je antički portret; prompt glasi: "Ulica rano jutro u Chang'an-u, mlada žena u hanfu (oko 20 godina) prolazi kaldrmom pod kišobranom od papira, latice trešnje padaju, u pozadini maglovite drvene zgrade, toplina i mekoća, filmski kvalitet."

Slika je gotova za oko 10 sekundi. Kontrola boja i slojevitost svetla i senke su dobri; tekstura kose i materijal kišobrana imaju realističan osećaj, a pad latica nema onaj tipični AI problem "zaleđenog lebdenja".

Druga serija je moderni realizam; prompt je promenjen u: "Mlada Azijatkinja sa okruglim naočarama, sedi u kafiću pored prozora, sunce kroz staklo pada joj na lice, prirodna svetlost, plitka dubina polja, fotorealistično, filmski ton Fujifilm Superia 400."

Realistični portret najviše ispituje teksturu kože i prelaze svetla.

Ova slika meko tretira granicu svetlo-tamno u zoni obasjanoj prozorskim svetlom, bez onog preteranog "bluriranja" kože koje je često u AI portretima. Na ivici naočara nalazi se prirodan odsjaj koji se poklapa sa smerom izvora svetla napolju. Sloga o jedinstvenom smeru svetla ukazuje na to da je razumevanje fizičke osvetljenosti kod modela na prilično tačnom nivou.

Posle dve serije, po kontroli boja, detaljima ljudi i doslednosti svetla, Agnes-Image-2.1-Flash spada u prvu ligu besplatnih modela. Brzina izlaza slike za 10 sekundi takođe znači da u radnom toku možete brzo iterirati promptove, bez dugog čekanja.

Image-to-image

Sposobnosti editovanja Agnes-Image-2.1-Flash pokrivaju sedam modova: image-to-image, fuzija više slika, delimična izmena, zamena pozadine, promena stila, editovanje teksta i popravka slike.

Uzmimo kao ulaz onu sliku iz kafića, uz prompt "generiši identifikacionu fotografiju sa plavom pozadinom".

Zamena pozadine je čista, na ivicama kose nema vidljivih "testera" od isecanja.

Scenarij identifikacione fotografije visoko zahteva preciznost segmentacije osobe, a zona kose je mesto gde se najčešće greši — mnogi modeli tu ostave vidljivu belu ivicu ili nazubljenu granicu.

Na ovoj slici Agnes-Image-2.1-Flow prilično prirodno tretira kosu, a plava pozadina nakon zamene ravnomerno je obojena — nivo na kom se može predati u upotrebu.

Od sedam modova editovanja, zamena pozadine i promena stila najviše su praktični. Prvi odgovara e-commerce scenariju promene pozadine proizvoda; drugi ujednačavanju stila sadržaja na društvenim mrežama. Oba modusa u okviru besplatne kvote nemaju ograničenje broja poziva, pa se mogu koristiti i batch.

Kada 4K sposobnost zvanično krene, dovoljno je parametar size promeniti iz 1K u 4K, bez izmena u ostatku koda. Za e-commerce glavne slike i postere proizvoda, kojima treba visoka rezolucija, besplatan 4K biće veoma konkurentna opcija.

Text-to-video

Agnes-Video-V2.0 ima jednu osobinu retku među besplatnim modelima — izvorna sinhronizacija zvuka i slike. Video i zvuk nastaju u istom izvođenju zaključivanja, a ne prvo slika pa onda TTS ili model za zvučne efekte.

Agnes-Video-V2.0 pokriva i širok spektar: generisanje videa iz prve kadar, iz prve i poslednje kadra, iz više kadrova, sadržaj sa više snimaka, generisanje likova, smena kadrova, vođenje kamere iz prvog lica i oblikovanje atmosfere svetlom. Izlazna rezolucija podržava 720P i 1080P.

Na Artificial Analysis Video Leaderboard-u zauzima svoje mesto.

Testirao sam jedan scenario u PaiAgent-u. Padalo je baš vreme Svetskog prvenstva 2026, pa sam osmislio prompt za proslavu gola: "Stadion Svetskog prvenstva, igrač slavi gol; kamera se polako povlači iz krupnog plana lica u srednji kadar; iza njega pritrčavaju dva saigrača da ga zagrle; pozadina je zamućena tribina i svetla; usporeni pokret, filmski kvalitet."

Generisanje je trajalo oko 120 sekundi.

Putanja kamere pri povlačenju je glatka, okvirni prelazi pokreta ljudi nemaju vidne trzaje. Izvorni zvuk automatski je generisao navijanje i povike igrača, u skladu sa ritmom slike.

Većina modela za video na tržištu generiše čistu sliku, a zvuk zahteva dodatni poziv TTS ili modela za zvučne efekte. To znači da za kratki video sa zvukom treba najmanje dva API poziva, plus rešavanje sinhronizacije zvuka i slike. Agnes-Video-V2.0 jednim izvođenjem zaključivanja isporučuje kompletnu audio-vizuelnu datoteku, što znatno pojednostavljuje proces za scenarije masovnog generisanja kratkih videa.

Kvalitet izvornog zvuka još uvek zaostaje za profesionalnim alatkama za zvučne efekte, ali za kratke video sadržaje, demo proizvoda i materijale za društvene mreže — dovoljan.

Tehnički, čvor za video u PaiAgent-u implementira mehanizam asinhronog poll-ovanja: prvo se pošalje zadatak i dobije taskId, zatim se na svakih 5 sekundi proverava status, a po završetku se automatski prebacuje u MinIO objektno skladište i vraća URL; maksimalno čeka 5 minuta.

Na platnu radnog toka samo se prevuče čvor za video, unese prompt i klikne izvrši; cio proces je transparentan za korisnika.

Sa produktnog stanovišta, besplatna strategija Agnes-Video-V2.0 veoma je privlačna za kreatore kratkih videova. Generisanje videa od 10 sekundi u 1080P na plaćenim platformama košta između nekoliko desetih i nekoliko jedinica valute. Tokom doterivanja kratkog videa, kreator možda mora da iterira prompt, proba različite filmskih jezika, generiše i po nekoliko desetina puta. Ti troškovi pokušaja i greške se saberu u lepu sumu. Agnes je taj trošak spustio na nulu.

05. Programerski ekosistem već budi život

Da li model ima vitalnost, vidi se po tome da li programeri žele da oko njega grade stvari.

Dve nedelje od besplatnog otvaranja Agnes-a, na GitHub-u se već pojavio niz open-source projekata izgrađenih oko Agnes AI. Pokrivaju Skill pluginove, CLI alate, veb aplikacije i ComfyUI čvorove, i povezani su sa glavnim Agentskim alatima poput Claude Code-a i Codex-a.

Nekoliko reprezentativnih projekata:

  • agnes-ai-generation-skill (Yacey), pakuje text-to-image, image-to-image i text-to-video u Skill; Claude Code i Codex ga pozivaju direktno
  • agnes-free-model-skills (kangarooking), proširenje multimodalnih sposobnosti za Coding Agent scenarije
  • comfyui-agnes-ai (16nic), ComfyUI čvor za Agnes; dizajneri ga koriste u svom poznatom radnom toku

Adrese projekata:

  • https://github.com/Yacey/agnes-ai-generation-skill
  • https://github.com/kangarooking/agnes-free-model-skills
  • https://github.com/16nic/comfyui-agnes-ai

Besplatna strategija snižava prag za probe u generisanju vizuelnog sadržaja. Ranije je generisanje slika i videa zahtevalo pažljivo odmeravanje troška pri štelovanju; slika u 4K ili video u 1080P nisu jeftini, pa se kod štelovanja prompta uvek razmišljalo o računu. Sada se ne mora buljiti u stanje računa — velika količina različitih promptova i kombinacija parametara može da se isproba, a onda najbolja konfiguracija primeni u pravom biznisu.

Po brzini bujanja ekosistema, besplatna strategija očito snažno vuče nove korisnike. Toliko open-source projekata za dve nedelje pokazuje da programerska zajednica vrlo aktivno reaguje na "besplatni svemodalni API", a znatan broj programera već je napravio duboku integraciju u svojim proizvodima i alatnim lancima.

Kako PaiAgent upisati u biografiju

Naziv projekta PaiAgent

Kratak opis Platforma za vizuelnu orkestraciju enterprise AI radnih tokova, koja kroz drag-and-drop interfejs gradi i izvršava AI radne tokove.

Tehnički stek Java 21, Spring Boot 3.4, Spring AI 1.0, LangGraph4j, React 18, TypeScript 5

Ključne odgovornosti

  • Na osnovu Spring AI okvira implementiran jedinstveni sloj za priključenje više modela, podržava vruću zamenu 10+ prodavaca modela uključujući Agnes i DeepSeek
  • Dizajn i implementacija izvršilaca čvorova za generisanje slika i videa; čvor za video koristi mehanizam asinhrone predaje i poll-ovanja, a rezultat generisanja automatski se prebacuje u MinIO objektno skladište
  • Izgradnja dvomotornog sistema za izvršavanje radnih tokova DAG + LangGraph4j, podržava uslovne grane, paralelno izvršavanje i čvorove za petlju; pokriva preko 90% enterprise Agentskih scenarija po složenosti orkestracije
  • Implementiran Skills sistem, podržava YAML deklarativnu definiciju veština i trostupanjsko progresivno učitavanje; prosečno vreme razvoja novog Skill-a palo sa 2 sata na 15 minuta
  • Obložen adaptivni sloj za OpenAI-kompatibilan protokol; dodavanje novog prodavca zahteva samo konfiguraciju Base URL i naziva modela, bez izmena u jezgru koda

Zaključak

U mesečnom računu za tokene, Claude i Codex nose glavni teret.

Nakon što je Agnes priključen, trošak poziva tri čvora u radnom toku PaiAgent-a — teksta, slike i videa — pao je na nulu. Radni tok je radio cele nedelje, a stanje računa stalno pokazuje nultu potrošnju. Debagovanje radnog toka pretvorilo se iz "svako pokretanje gori novac" u "slobodno pusti".

Prijatelji kojima trebaju tokeni mogu da navale, posebno oni koji se bave Agentskim razvojem, generisanjem kratkih videova i obradom e-commerce slika — besplatni modeli već mogu da nose stvarni biznis.

[Ušteđeni novac nije dovoljan da promeni svet, ali je dovoljan da svaki dan popijem po jedan filter-kafu više.]

  • Agnes AI konzola https://platform.agnes-ai.com
  • Agnes AI API dokumentacija https://agnes-ai.com/doc