Cognition 发布 SWE-2:成绩逼近前沿,价格便宜 64%
carlesgelada · x · 2026-09-12
Cognition 发布最新编程模型 SWE-2,宣称把能力-成本 Pareto 前沿进一步外推:
- 成绩:FrontierCode 1.1 Main 得 50.0%,仅比 Fable 5.1 低 1 分但便宜 64%;在 FrontierCode Main 与 DeepSWE 1.1 上得分和成本双超 SWE-1.7 与 Grok 4.6,以极低价格匹配 GPT-5.6 Sol 和 Fable 5/5.1,并以 1/4 成本接近 GPT-6 Astra。
- 训练方法:首次把 RL 扩展到多万亿参数规模,基于 SWE-1.72 训练设施;核心是单一 RL run 同时训练所有 reasoning-effort 档位,按各档位成本-性能曲线局部斜率调整线性成本惩罚,无需额外超参调优,训练中各 effort 档位同步稳定提升。
- 基座:从 Kimi K3(2.8T 参数、已做过大量 agentic coding RL)post-train 而来,RL 仍在多数基准上再增 5-6 分,整体推移 K3 的成本-性能前沿。
- Terminal-Bench 2.1 达 92.8%,但 Terminal-Bench 4 仍仅 27.3%,与前沿差距明显。
所属事件:Cognition 发布 SWE-2 编码模型：比肩前沿、成本最多低 70%(12 条相关)→
「编程与Agent」频道最新
- 用去审查版 GLM 绕开 Claude 拒答： SS7 威胁建模工作流 — l4rz · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 作者称全由 LLM 编写的 Rust 库 bbtree 实测：快是真的，省内存翻车 — lmoroney · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27