Cognition выпустила SWE-2: кодовая модель на базе Kimi K3 почти догоняет Fable 5.1 с экономией в 64%

Cognition объявила о выходе SWE-2 — новой кодовой модели, созданной на базе Kimi K3 от Moonshot AI (2,8 трлн параметров). Модель дообучена с помощью reinforcement learning (RL) и предназначена для работы исключительно внутри агента Devin. SWE-2 не имеет открытых весов и отдельного API: доступ к ней возможен только через Desktop и CLI Devin, а вскоре — через Devin Web и Fusion.

На собственном бенчмарке Cognition FrontierCode 1.1 Main SWE-2 показала 50,0% — всего на 0,9% меньше, чем у Fable 5.1 (50,9%), при этом затраты на инференс ниже на 64%. Модель лидирует на Terminal-Bench 2.1 (92,8%), обгоняя Fable, GPT-6 Astra и других конкурентов. Слабое место — Terminal-Bench 4 (27,3%), где SWE-2 почти вдвое уступает лидерам (Fable 5.1 — 55,8%, GPT-6 Astra — 57,9%).

В SWE-2 реализовано «сфокусированное исследование»: на FrontierCode 1.1 Main версия SWE-2 medium превосходит SWE-1.7, совершая при этом на 58% меньше шагов и снижая стоимость на 81%. Среднее число шагов упало со 127 (SWE-1.7) до 53 (medium), 80 (high) и 98 (max). В обучении использованы Парето-штраф за стоимость, длина-взвешенный baseline и спекулятивное декодирование DSpark, что повысило эффективность и стабильность.

SWE-2 — первая модель Cognition с выбираемыми уровнями усилий (effort levels), все три уровня обучены в одном RL-запуске. Команда отмечает три ключевых поведенческих улучшения: более сильное end-to-end покрытие тестами, находчивость при блокировке инструментов и дисциплину проверки — модель повторно выводит заключения вместо простого повторения. SWE-2 доступна только в Devin, открытые веса не планируются.