作者：The Cognition Team09.10.26——Cognition推出了SWE-2，这是迄今最先进其编码模型。它在Frontier Code 1.1 Main上取得50.0%的成绩，仅比Fable 5.1低一个百分点，但成本要低64%。不同于以往的模型，SWE-2利用一种在一次运行中同时训练所有推理投入等级的算法，将强化学习扩展至数万亿参数规模，从而推进整个成本—性能前沿。在Frontier Code 1.1 Main和Deep SWE 1.1上，SWE-2在得分和成本两方面均超过SWE-1.7和Grok 4.6；其价格仅为GPT-5.6 Sol和Fable 5/5.1的一小部分，却能达到相同的水平；而成本仅为GPT-6 Astra的四分之一，成绩也只相差几个百分点。SWE-2建立在拥有2.8T参数的Kimi K33模型之上，采用针对局部帕累托前沿斜率调优的成本惩罚、改进的奖励基线，以及经过优化的RL rollout服务。该模型今天已在Devin Desktop和CLI中提供，并将登陆Devin Web和Fusion。该模型展现出更强的工程判断力，能写出更完整的解决方案，且少绕弯路——相比SWE-1.7，它得分更高，却减少了58%的轮次，成本也低81%。