仅用两个月，Agnes AI 打破 Instagram 和 Snapchat 的用户增长纪录。后两个产品都是历史上最成功的应用之一，具备强大的网络效应。
由新加坡国立大学博士团队创立的全民 AI 产品 Agnes，凭借涵盖搜索、研究、图片、视频、PPT、表格等在内的多功能一体化工作流，迅速赢得东南亚、拉美、中东地区知识工作者和年轻用户的青睐，成为消费级 AI 领域的现象级应用。
Agnes AI 于 7 月 14 日正式上线 PC 版，并以核心功能吸引了首批种子用户。9 月移动端 App 推出后，增长势能全面爆发：短短两个月新增注册用户 300 万，日活跃用户突破 20 万。
而作为对比，Instagram 达到首个百万用户用了 2.5 个月，Snapchat 则耗时 10.5 个月。
更令人关注的，是其增长背后呈现出的罕见的高留存率：W4 留存率达 40%，W8 留存率仍保持在 30%。换句话说，每 10 位注册用户中，8 周后仍有 3 人活跃使用。在 AI 产品中，属于比较好的水平。
增长可以靠营销驱动，而留存只能源于产品本身的核心价值。这表明 Agnes 大量涌入的新用户正在形成稳定的使用习惯。
01
现象级应用 Agnes 的增长与留存之道
Agnes 定位「全民 AI 应用」，致力成为普惠的智能基础设施。为了实现这一目标，Agnes 自上线以来一直保持高频功能迭代，不仅整合了用户最常用、最易感知的 AI 功能，还打造出完整的一体化工作流。
在实际体验中，用户可以在统一的上下文环境中完成从 AI 搜索、深度调研、图文、表格到 PPT 输出的全流程任务，而无需反复切换工具或重复交代背景。这不仅降低了用户的使用操作门槛，也让 AI 能更好地理解项目全貌，从而生成更准确清晰、更贴合需求的结果。
客观上，Agnes 的基础功能并不算独特，但其在工程实现与底层优化上投入颇深。据悉，Agnes 拥有业内少见的强大记忆能力：不仅能记忆用户对话内容，还能将多模态的生成物储存为记忆。随着使用频次增加，Agnes 会加深对用户习惯与偏好的理解，使生成内容更加精准个性化，成为其高留存的关键之一。
在媒体横评中，Agnes 在处理 PPT 等复杂任务时，生成速度与输出质量的整体体验已超越不少主流 AI 产品。此外，Agnes 面向所有用户开放其他 AI 产品中常见的付费功能，为免费用户开放了远超行业标准的权益，也成为其快速赢得用户的重要因素。
目前 Agnes 用户主要来自东南亚、拉美、中东等新兴市场，核心用户群体有三类，一类是知识密集型工作者，一类是专业的内容创作者，另一类则是 Z 世代年轻用户群体。
知识密集型用户普遍面临信息过载的困扰，大量时间被消耗在检索、整理和格式调整等低价值工作中，频繁的工具切换更导致工作流程中断与上下文丢失，严重影响效率。Agnes 所提供的一体化工作流与出色的性价比，恰好精准回应了他们的核心诉求。
据 Agnes 营销负责人此前在媒体采访中透露，AI Slides 已被很多知识密集型用户采用。例如教育行业从业者因为需要经常生成课件材料，就会广泛使用 Agnes 的 AI Slides 功能。
在 Facebook、TikTok 等平台，不少教师自发安利、分享自己使用 Agnes 制作课件的视频。一位阿布扎比教师曾发邮件给 Agnes 团队，表示自己原本使用 Gamma，但最终转向了 Agnes，因为 Agnes 生成速度更快、任务额度更充裕，课件效果也令人满意。
除了受到教师等知识工作者的广泛认可以外，内容创作者也对 Agnes 表现出极大好评。无论是流行的 AIGC 短视频、图文创作还是社交媒体内容输出，即使用户提供的只是非常简单的提示词，Agnes 也能保证高质量的视觉输出，这得益于 Agnes 平台独有的 AIGC 生成优化与 Deep Design 功能。
而对于另一部分核心用户群体——东南亚等新兴市场的年轻用户而言，Agnes 的吸引力则在于其 AI 原生的社交娱乐属性，以及在产品早期即同步推出移动端 APP。对这部分用户而言，Agnes 不仅是工具，更是可以自由创作、探索 AI 奇妙世界的数字伙伴。
他们的使用动机主要源自「好玩」和「酷」，出自娱乐社交而非工作需求。由于这些地区 AI 采纳率整体较低，且用户年轻，Agnes 往往成为他们人生中第一个深度使用的 AI 应用，这种「初恋效应」也会带来相对较高的情感认同和用户黏性。
根据第三方数据，Agnes 已多次登上新加坡、越南、印尼、阿根廷等地 Google Play 效率榜前十，显示出其在新兴市场的广泛认可度。
02
技术内核：自研模型与多 Agent 架构
Agnes 团队由一支来自新加坡国立大学的博士团队创办，创始人 Bruce Yang 目前仍在新加坡国立大学攻读博士学位，早期曾在硅谷创业，创办的社交产品下载量曾达千万。
BruceYang（右）
团队其他核心成员也大多来自世界名校，包括麻省理工、斯坦福、加州大学伯克利分校、德克萨斯大学奥斯汀分校、新加坡国立大学、南洋理工大学。
在底层技术方面，Agnes 通过 50% 的流量路由到不同的自研模型用于编排、研究和 PPT 生成，能够在更小模型上实现最先进性能。通过对强化学习的改进保持无塌陷的训练稳定性，并将稳定的奖励优化转化为一致的真实世界泛化效率，从而实现可扩展且高效率的性能增长。用多个自研小模型替代 SOTA 闭源模型，在推理速度、输出质量和 token 成本效率均均表现优异。
团队在多智能体系统领域也持续创新。其论文《CodeAgents: A Token-Efficient Framework for Codified Multi-Agent Reasoning in LLMs》(arxiv 地址：https://arxiv.org/abs/2507.03254) 提出了一种以代码为核心的提示框架（code-first prompting framework），能在多智能体系统中实现结构化且 token 高效的规划。另有关于 Agentic Office System（AOS）与 AIGC 生成优化的研究也已被 ICIS 2025 顶级会议录取。
Agnes 团队自主研发的 7B 参数模型 AgnesR1 已正式投入商用，目前，团队已完成 30B 参数模型的后训练工作，并正积极推进更大规模模型的研发。