Cognition's SWE-2 Cognition 推出的编程大模型，为 Devin 等 AI 编程工具提供代码生成与多步工程能力，成本比同级竞品低约六成，适合开发团队降本提效。 热门评论 PH 用户SWE-2 是 Cognition 的新编程模型，目标是接近前沿水平，但不用前沿定价。问题是：编程智能体越聪明就越贵，还经常狂烧 token。他们自己的 SWE-1.7 就有这个问题，用户说它在简单任务上过度探索。他们的做法：用 RL 对 Kimi K3 做后训练，把一次运行的实际美元成本放进训练奖励里，并且一次性训练 medium、high、max 三档 effort，而不是把不同模型拼起来。所以整条性价比曲线都往上移，不只是最顶端。数据：在 FrontierCode 1.1 Main 上 50.0%，跟 Fable 5.1 只差一个点，成本却低 64%；价格只有 GPT-6 Astra 的四分之一，分数只差几个点；在 Terminal-Bench 2.1 上 92.8%，排在他们对比表第一。对比 SWE-1.7：轮次少 58%，便宜 81%，分数还更高。第一次代码编辑在第 18 步完成，而不是 48 步。还有一点值得注意：端到端测试写得更好，而且你反驳它时，它会重新推导结论，而不是一味顺着你。如果你在大规模跑编程智能体，而且单任务成本是实打实的一项支出，那会很合适。现在已在 Devin Desktop 和 CLI 提供，正在逐步上线 Web 和 Fusion。试试看：SWE-2 详细介绍P.S. 我专门挖掘科技、SaaS 和 AI 领域最新最棒的发布，关注我获取通知 → @rohanrecommendsPH 用户“轮次少 58%”这个数字，是我最想在 benchmark 套件之外看到压力测试的——在精心挑选的 eval 上，更快到达第一次能用的编辑当然很好，但真实 repo 的上下文更乱（遗留代码、文档不全的内部 API），一个每步推理更少的模型也可能更早卡住，需要人来解围。有没有消息说它在更乱、更不像 benchmark 的代码库上表现如何？ 热门产品Rohan Chaubey2026-09-13原文 打开互动版
问题是：编程智能体越聪明就越贵，还经常狂烧 token。他们自己的 SWE-1.7 就有这个问题，用户说它在简单任务上过度探索。
他们的做法：用 RL 对 Kimi K3 做后训练，把一次运行的实际美元成本放进训练奖励里，并且一次性训练 medium、high、max 三档 effort，而不是把不同模型拼起来。所以整条性价比曲线都往上移，不只是最顶端。
数据：在 FrontierCode 1.1 Main 上 50.0%，跟 Fable 5.1 只差一个点，成本却低 64%；价格只有 GPT-6 Astra 的四分之一，分数只差几个点；在 Terminal-Bench 2.1 上 92.8%，排在他们对比表第一。对比 SWE-1.7：轮次少 58%，便宜 81%，分数还更高。第一次代码编辑在第 18 步完成，而不是 48 步。还有一点值得注意：端到端测试写得更好，而且你反驳它时，它会重新推导结论，而不是一味顺着你。
如果你在大规模跑编程智能体，而且单任务成本是实打实的一项支出，那会很合适。现在已在 Devin Desktop 和 CLI 提供，正在逐步上线 Web 和 Fusion。
试试看：SWE-2 详细介绍
P.S. 我专门挖掘科技、SaaS 和 AI 领域最新最棒的发布，关注我获取通知 → @rohanrecommends