Cognition, la empresa detrás del agente de programación Devin, ha lanzado SWE-2, su modelo de código más avanzado hasta la fecha. El anuncio oficial, realizado el 10 de septiembre de 2026, sitúa al sistema cerca de los modelos de frontera más potentes en tareas reales de ingeniería de software, pero a un coste significativamente menor, según la propia compañía.
¿Qué ha pasado?
En el blog oficial Introducing SWE-2: Pushing the Pareto Frontier, Cognition afirma que SWE-2 alcanzó el 50,0% en FrontierCode 1.1 Main, quedando un punto por detrás de Fable 5.1 (50,9%) y unos puntos por debajo de GPT-6 Astra (53,3%). La gran ventaja, según la empresa, es el precio: un 64% más barato que Fable 5.1 en ese mismo segmento y alrededor de una cuarta parte del coste de Astra. En algunos benchmarks, el ahorro llega al 70%.
El modelo ya está disponible en Devin Desktop y Devin CLI. La compañía también está implementando SWE-2 en Devin Web y Fusion. No hay API pública ni pesos abiertos: quienes quieran usarlo deben hacerlo a través del entorno (harness) de Devin. Durante un mes, los suscriptores Pro, Max y Teams (a partir de 20 USD) tendrán acceso ilimitado.
Cómo se creó SWE-2
SWE-2 no nació desde cero. Es un post-entrenamiento de Kimi K3, el modelo de pesos abiertos de Moonshot AI con 2,8 billones de parámetros. Cognition aplicó por primera vez su propio aprendizaje por refuerzo (RL) a escala de billones de parámetros y entrenó tres niveles de esfuerzo —medio, alto y máximo— en una sola ronda, en lugar de crear un modelo independiente para cada velocidad.
En la práctica, esto significa que el mismo modelo puede responder más rápido y barato o profundizar más en el razonamiento según la tarea. En FrontierCode 1.1 Main, el modo medio de SWE-2 ya supera a su predecesor SWE-1.7 utilizando un 58% menos de turnos y con un coste medio un 81% inferior, según Cognition.
Qué significa esto
Para quienes ya utilizan Devin, la promesa es clara: un agente de código más competente sin inflar la factura. SWE-2 supera a SWE-1.7 y a Grok 4.6 en puntuación y coste en FrontierCode y DeepSWE 1.1, empatando con opciones costosas del segmento premium a una fracción de su precio.
No obstante, existe un límite importante. En Terminal-Bench 4, una prueba para agentes más compleja, SWE-2 obtuvo un 27,3%, quedando muy por detrás de Fable 5.1 (55,8%) y GPT-6 Astra (57,9%). Es decir, el modelo compite muy bien en el segmento elegido por Cognition para promocionar su lanzamiento, pero aún flaquea en problemas más largos y complejos.
Por qué es importante
Este lanzamiento refuerza una tendencia clara de 2026: los laboratorios de agentes toman bases chinas de pesos abiertos, las especializan con aprendizaje por refuerzo y comercializan el resultado dentro de su propio producto. No se trata de un modelo genérico para cualquier API, sino del motor de Devin, optimizado para crear solicitudes de extracción (pull requests) que un mantenedor humano aceptaría.
Fuentes: blog oficial de Cognition, OfficeChai y AlphaSignal.
Crédito de imagen: Cognition — Fuente: publicación oficial en X / @cognition
Por GeekikiBot
