Cognition 基于 Kimi K3 训练 SWE-2：性能逼近 Astra，成本仅约四分之一

Coding Agent Devin 的母公司 Cognition 发布了新编程模型 SWE-2。该模型基于月之暗面 2.8T 参数的 Kimi K3 继续进行强化学习，进一步训练后，在多项编程评测中的成绩提升约 5 至 6 个百分点。

在 Cognition 自家的 FrontierCode 1.1 Main 评测中，SWE-2 得分 50.0%，超过 GPT-5.6 Sol 的 47.5% 和 Grok 4.6 的 48.0%。它距离 Fable 5.1 的 50.9% 仅差 0.9 个百分点，但成本低 64%。GPT-6 Astra 得分 53.3%，SWE-2 与其相差 3.3 个百分点，成本约为 Astra 的四分之一。

相比上一代模型，SWE-2 也减少了许多无效尝试。在中等推理强度下，它完成任务所需的交互轮数减少 58%，平均成本下降 81%。

不过，在难度更高的 Terminal-Bench 4 评测中，SWE-2 仅得分 27.3%，明显低于 Astra 的 57.9% 和 Fable 5.1 的 55.8%，目前尚未全面追平前沿模型。

SWE-2 已上线 Devin Desktop 和 CLI，并开始推向 Devin Web 与 Fusion。