Cognition 于 9 月 10 日发布了代号 SWE-2 的编程模型，称其为公司迄今能力最强的一代。在自研基准 FrontierCode 1.1 Main 上，SWE-2 取得 50.0% 的成绩，与通常被归入顶级梯队的 Fable 5.1 差距不足 1 分，而达到同一水平所需的费用低 64%。这次发布的主线并不是分数本身，而是能力与成本之间的平衡还能被推到多远。

把目标从更高分转向更便宜的同分

整场发布反复出现的视角，是连接成本与能力的那条边界被向外推了多少。压缩开支则分数下滑，抬高分数则开支膨胀，Cognition 强调的是这条边界本身被推动了，而不是孤立地罗列绝对分数。

具体比较是这样的。在 FrontierCode 1.1 Main 与 DeepSWE 1.1 两项测试中，SWE-2 在分数和成本上同时超过上一代 SWE-1.7 以及 Grok 4.6。与 GPT-5.6 Sol、Fable 5、Fable 5.1 分数持平，费用却明显更低；面对位居顶端的 GPT-6 Astra，差距收窄到几分之内，费用只有对方的四分之一。作为参照，Fable 5.1 在中等档位的数据为 50.9%、每个任务 3.28 美元（约 500 日元）。

※1 美元 = 154 日元（截至 2026 年 9 月 10 日）

少走弯路才是省钱的来源

成本下降中最容易理解的一部分，是模型处理任务的方式变了。SWE-2 中等档位的分数高于上一代 SWE-1.7，交互轮数却少 58%，平均费用低 81%。

SWE-1.7 有一个习惯：动手改代码之前会把周边读得很细，用户反馈指出，即便是简单任务它也探索过头。SWE-2 更擅长判断代码库中哪些部分真正相关，首次真实修改出现在第 18 步（中位数），而 SWE-1.7 需要 48 步，差距超过一半。

判断质量方面也有变化：能写出端到端验证实现的测试；在常规路径被堵住时愿意另寻办法；被质疑时不再重复原有主张，而是重新取证推导。按官方的说法，速度提升并没有以粗糙为代价。

底座是 2.8 万亿参数的 Kimi K3

值得注意的是，SWE-2 并非从零训练。它的底座是 Moonshot AI 公开的 2.8 万亿参数模型 Kimi K3，这也是目前权重公开的模型中规模最大的一个。该起点此前已经针对自主编程做过强化学习，Cognition 在此之上继续训练。

这一层加成让多项基准提升了 5 到 6 分，说明即便从公开模型出发，成本与能力的边界仍有可推动的空间。对于没有财力自行预训练超大模型的团队来说，通过聚焦用途的后训练挤进第一梯队，也因此有了可行路径。

一次训练同时打磨所有努力档位

降低成本的核心机制，是把若干推理努力档位放进同一轮强化学习里一起训练。

奖励函数中加入了与单次运行花费成正比的扣分，扣分强度按档位区分。强度并非靠反复试错确定，而是与底座模型成本能力曲线在该点的斜率对齐。扣分过重时，高档位会表现得像低档位，开支下降、表面奖励上升，实际却没有任何改进。让扣分强度匹配斜率，奖励上升与边界外移才会指向同一件事。

训练素材同样在扩张。强化学习环境数量增加到三倍，加入了在多条指令并存时不丢失原任务的训练，并用 SWE-2 自身的早期检查点反复加固评分器，防止奖励被钻空子。推理侧，改进后的投机解码把接受长度延长了 15%，把到达的预填充请求合并处理则让单卡吞吐提升 10% 到 20%。

以中国开源模型为底座的部分做了自查

以公开权重为底座，输出偏向是绕不开的问题，Cognition 就此公布了两项检验结果。

其一，用英语、简体中文、繁体中文分别提交 145 个涉及中国敏感议题的问题，考察模型是否把官方立场当作自己的立场。SWE-2 总体通过率 98.0%，其中英语 99.8%，简体中文 95.2%，繁体中文 99.1%。

其二，考察委托方身份或请求语言是否会让模型更容易接受危险实现。对 SWE-2、Kimi K3、GLM 5.3、GPT 5.6、Fable 5.1、Opus 5 六个模型的测试显示，任何一种设定都没有产生统计意义上的差异。

先从 Devin 环境提供

SWE-2 自发布起可在 Devin Desktop 与命令行版本中使用，Devin Web 和 Fusion 随后陆续开放。它并不是作为独立 API 广泛售卖，而是替换掉自家编程智能体产品的内核。由于费用随档位大幅波动，实际使用的前提是按任务难度区分档位。

数字该怎么读

不过，把这些数字直接照单全收之前，仍有几点值得确认。作为主要比较轴的 FrontierCode 是 Cognition 自建的基准，对没有公开成绩的模型则由该公司自己的评测环境测量。围绕自身工作负载设计的指标让自家模型表现出色并不意外，后续能否被第三方复现才是关键。

成本比较也明确以标价为前提。实际支出会随折扣、用量以及常用档位而变化。先测算自己的工作中哪个档位承担主力，再进入价格比较，才是务实的顺序。

总结

Cognition 于 9 月 10 日发布 SWE-2，在 FrontierCode 1.1 Main 上取得 50.0%，与顶级梯队差距控制在 1 分以内，费用下降 64%。相较上一代，交互轮数减少 58%，平均费用下降 81%。它以 Moonshot AI 的 Kimi K3 为底座，通过一次训练覆盖全部努力档位的强化学习把成本能力边界向外推。这次发布给出的，是一条不必自建超大模型也能逼近顶级水平的路线。