SWE-2

概述

SWE-2 是 Cognition 在 2026 年 9 月 10 日发布的编程模型，官方定位是「把能力与成本的帕累托前沿往前推」。它的路线很特别：不训基座，只做后训练——基座是月之暗面的 Kimi K3（2.8T 参数，本身已做过大量 agentic coding 强化学习），Cognition 在其上再做一轮 RL。这与上一代 SWE-1.7 后训练自 Kimi K2.7 是同一打法，只是基座参数量接近 3 倍。

一句话判断：这不是一个「给你用的模型」，而是 Devin 产品线的一次单价下探。 它没有开源权重、没有独立 API，只随 Devin Desktop / CLI 提供（Devin Web 与 Fusion 逐步推送），所以评估它的正确单位不是「分数」，而是**「Devin 里跑成一个任务要花多少钱」**。

数值口径提醒：本文所有基准来自 Cognition 官方博客 自报，其中 FrontierCode 是 Cognition 自有基准，对手分数也出自 Cognition 的评测。目前尚无第三方独立复现（本站检索至 2026-09-23），请按「厂商自报区间」而非「榜单事实」使用。

核心能力

性价比：这张卡真正的卖点

在 FrontierCode 1.1 Main（考察「维护者会不会真的合并这个 PR」）上，SWE-2 拿到 50.0%，与 Claude Fable 5.1 的 50.9% 只差不到 1 分，官方称成本低 64%；相比 GPT-6 Astra 的 53.3% 落后几分，但价格约为其四分之一。

两张 Terminal-Bench 的落差是这张卡最该被盯住的地方：2.1 登顶、4.0 掉队。原因不难理解——2.1 任务偏短程、边界清晰，4.0 是重标定后的长程任务集（详见 Terminal-Bench）。别用 92.8% 去推断长程表现。

推理强度分档：一次 RL 训三档

SWE-2 是 Cognition 首个支持 medium / high / max 三档推理强度的模型，而且三档是同一次 RL 训练产出的——每个档位带一个线性成本惩罚项，惩罚系数按基座帕累托曲线的局部斜率设定，让等收益线与前沿相切，从而整条前沿一起外推，而不是单点优化。

官方同时给了「轨迹变短」的实测：

• 平均步数：SWE-1.7 127 步 → SWE-2 medium 53 步（high 80、max 98）；
• 首次实质编辑：SWE-1.7 中位数 48 步 → SWE-2 medium 18 步；
• FrontierCode 上 medium 档比 SWE-1.7 少 58% 轮次、成本低 81%。

针对 SWE-1.7 被吐槽的「简单任务也过度探索」，这一代主打 focused exploration。官方另总结三个行为特征：端到端测试覆盖更完整、工具被拦时更会绕路、结论被质疑时会重新推导而不是重复断言。

训练侧：首次把 RL 推到多万亿参数

除分档外，这轮训练还有几处工程变化：RL 环境数量增至三倍、加入指令遵循 overlay、用 SWE-2 自身 checkpoint 驱动 verifier 飞轮；rollout serving 侧改进调度并训练在线 draft model 提升解码吞吐，配合 NVFP4/FP8 kernel 与量化感知训练，在参数量近 3 倍的情况下仍把显存压下来、训练-推理失配低于 SWE-1.7。

获取方式与可用性

也就是说：你要用 SWE-2，就得用 Devin。这与 OpenAI Agents API 那种「把 harness 当 API 卖」的路线正好相反——Cognition 卖的是端到端席位，模型只是其中的成本变量。

适合 / 不适合

适合：

• 已经在用 Devin Desktop / CLI 的团队——这是一次免费的能力与单价升级，切换成本为零
• 按「每成功任务成本」而不是「模型分数」核算的 agentic coding 场景
• 需要按难度分档控成本的场景：日常改动压到 medium，硬骨头再切 max

不适合：

• 想自建集成、接自家 harness 的团队（无 API、无权重）
• 长程终端自主任务为主的工作流——Terminal-Bench 4 的 27.3% 说明这块明显落后于 GPT-6 Astra 与 Claude Fable 5.1
• 需要第三方可复现基准做选型背书的采购流程（目前只有厂商自报数据）

相关阅读

• 承载产品：Devin 工具卡
• 基座模型：Kimi K3
• 同档对比：Claude Fable 5.1 / GPT-6 Astra / GPT-5.6
• 相关资讯：Windsurf 更名 Devin Desktop
• 概念：Terminal-Bench 怎么读 / 智能体编程

来源

• Introducing SWE-2: Pushing the Pareto Frontier（Cognition 官方博客，一手来源）
• Terminal-Bench 官方榜单与 4.0 说明（用于核对 2.1 与 4.0 难度差异）

本卡片由 AI 之家 编辑部根据 Cognition 官方公开资料整理，非厂商付费内容。文中基准为厂商自报值，尚无第三方独立复现；如与最新官方信息不一致，欢迎通过 反馈邮箱 反馈。