编码代理公司Cognition推出SWE-2，称其是最接近前沿的自研编码模型
Cognition发布编码模型SWE-2
编码代理公司Cognition推出SWE-2，称其是最接近前沿的自研编码模型，在主流评测上与近期前沿模型相当，成本最多低约七成。官方博文给出更细对照：FrontierCode 1.1 Main得分50.0%，距Fable 5.1的50.9%差1个百分点，价格低约64%。
公司称首次把强化学习做到多万亿参数量级，在SWE-1.7的基础设施上加入可在单次训练中覆盖全部推理强度的算法，以同时推动能力与成本的帕累托曲线。SWE-2从已做过程代理编码强化学习的Kimi K3（约2.8万亿参数）继续后训练，并称仍能再抬5至6分、平移整条成本—性能曲线。
对照表：DeepSWE 1.1上SWE-2为73.0%，高于Kimi K3的68.5%、Grok 4.6的67.5%、Fable 5.1的67.4%，接近GPT-5.6 Sol的72.7%与GPT-6 Astra的74.1%；Terminal-Bench 2.1为92.8%；Terminal-Bench 4为27.3%，显著低于Fable 5.1的55.8%与Astra的57.9%。公司称在FrontierCode与DeepSWE上同时优于SWE-1.7和Grok 4.6的分数与成本，并以约四分之一成本接近Astra。
Cognition以软件工程师代理Devin为产品。近期投资人公开信称，Devin在公司内部生产代码占比已从约13%升至逾90%。SWE-2是模型层更新，服务对象仍是代理写代码的工作负载，而非通用聊天。评测为公司引用的公开基准，Terminal-Bench 4的落差显示长程终端任务仍未与最强前沿对齐。
市场机制上，这是编码推理的价格战。买方是要压token账单的工程团队；卖方是用开源超大底座加自有强化学习卖更便宜分数的应用实验室。资金从调用前沿闭源接口转向可替换的编码专用权重。受益的是已把代理嵌进仓库的Devin客户；承压的是按高价卖相近FrontierCode分数的通用模型。事件由模型发布驱动。
补充层面，推文“最多低70%”与博文“低64%”不是同一句话。K3底座归属与可商用条款需看授权，不在发布帖里写清。
来源：公开信息
ABAB AI 解读
Cognition不训练从零的世界模型，而是在2.8万亿的Kimi K3上继续强化学习，把分数买在更低成本上。这是应用实验室的标准路径：底座已有代理编码能力，RL再挖5到6分，用帕累托曲线而不是第一名海报竞争。FrontierCode咬住Fable，Terminal-Bench 4仍落后Astra近30分，说明便宜的是一类基准，不是所有长程终端任务。
资本路径是“租底座、自训RL、卖代理时长”。Devin已经写掉内部九成代码，模型降价直接变成毛利。a16z把故事写成工程师从砌砖变成带队代理。钱从推理账单进Cognition，再进多数据中心的强化学习。动机是在Astra和Fable把AGI口号喊响时，用价格把编码工作负载切走。
对照DeepSeek用开源底座打价格、以及Windsurf把检索模型单独强化学习：都是把通用模型的溢价拆开。行业阶段从比谁先到万亿，转入比谁能在万亿上便宜地做强化学习。控制权在评测组合，谁选FrontierCode谁就看起来接近前沿，谁选Terminal-Bench 4谁就看到差距。
结构变化属于定价权转移。机制是：编码任务的支付意愿跟通用对话分开后，专用后训练可以把闭源溢价打穿；只要代理已经写进生产仓库，模型可以换，工作流不能换。分数接近时，成本成为唯一决策变量。
ABAB News · 认知定律
接近前沿的第二名，靠价格成为第一选择
万亿底座上再做强化学习，买的是分数不是出身
代理一旦写进仓库，模型就可以被替换成更便宜的权重