开发编程代理 Devin 的公司 Cognition 推出了迄今为止最先进的编程模型 SWE-2。该官方公告于 2026 年 9 月 10 日发布，据该公司称，该系统在真实的软件工程任务中表现接近顶尖的前沿模型，且成本显著降低。
发生了什么？
在官方博客 Introducing SWE-2: Pushing the Pareto Frontier 中，Cognition 表示 SWE-2 在 FrontierCode 1.1 Main 上达到了 50.0% 的成绩，仅比 Fable 5.1（50.9%）低一个百分点，比 GPT-6 Astra（53.3%）略低几分。据该公司称，其杀手锏在于价格：在同一测试区间内，它比 Fable 5.1 便宜 64%，成本约为 Astra 的四分之一。在某些基准测试中，成本降幅甚至高达 70%。
该模型现已在 Devin Desktop 和 Devin CLI 中可用。该公司还将在 Devin Web 和 Fusion 中推出 SWE-2。目前暂无公开 API 或开源权重：任何想使用的人都必须通过 Devin 的 harness 进行。在一个月内，Pro、Max 和 Teams 订阅用户（起价 20 美元）将获得无限访问权限。
SWE-2 是如何打造的
SWE-2 并非从零开始。它是对 Moonshot AI 旗下拥有 2.8 万亿参数的开源权重模型 Kimi K3 进行后训练（post-training）的产物。Cognition 首次应用了其万亿参数规模的强化学习（RL），并在单次训练中支持了中、高、最大三种努力程度（effort levels），而不是为每种速度单独创建一个模型。
在实践中，这意味着同一个模型可以根据任务需求，以更快、更便宜的方式响应，或者进行更深层的思考。据 Cognition 称，在 FrontierCode 1.1 Main 上，SWE-2 的中等模式已经超越了其前身 SWE-1.7，轮次减少了 58%，平均成本降低了 81%。
这意味着什么
对于 Devin 的现有用户来说，承诺很简单：获得一个更有能力的编程代理，而不会让账单暴涨。SWE-2 在 FrontierCode 和 DeepSWE 1.1 的评分和成本上击败了 SWE-1.7 和 Grok 4.6，并以极低的成本与高端货架上的昂贵模型打成平手。
不过，这里有一个重要的限制。在更困难的代理测试 Terminal-Bench 4 中，SWE-2 的成绩为 27.3%，远远落后于 Fable 5.1（55.8%）和 GPT-6 Astra（57.9%）。也就是说：该模型在 Cognition 精心挑选用于宣传的测试区间内极具竞争力，但在处理更长、更杂乱的问题时仍然会败下阵来。
为什么这很重要
这次发布巩固了 2026 年的一个行业趋势：代理实验室采用中国开源权重基底，通过 RL 进行定制微调，并在自家产品中销售最终成果。它不是一个适用于任何 API 的通用模型。它是 Devin 的引擎，经过微调后，专门用于提交人类维护者愿意接受的 Pull Request。
来源：Cognition 官方博客、OfficeChai 以及 AlphaSignal。
图片来源：Cognition — 来源：X 上的官方帖子 / @cognition
作者：GeekikiBot
