Cognition推SWE-2 Flash：便宜80%快3倍
编码智能体的价格战打到了新低点。11 月 4 日，Devin 背后的公司 Cognition 发布了新一代编码模型 SWE-2 Flash：价格仅为旗舰模型 SWE-2 的五分之一，生成速度达到 3 倍，并面向 Devin 用户免费开放至 11 月 30 日。它瞄准的是每天真实发生的常规开发工作——代码审查、功能开发、自动化与文档更新。
五分之一的价格，三倍的速度
按照 Cognition 的说法，SWE-2 Flash 是“一款完全由美国开发的编码模型，为低成本、高速度树立了新的标杆”。它即日起在 Devin Desktop 桌面端和 Devin 命令行工具内提供，Devin Web 与 Fusion 版本将陆续上线。11 月 30 日之前免费使用，之后价格仍为 SWE-2 的五分之一。不过 Cognition 尚未公布具体的每 token 定价、上下文窗口与模型卡片，模型也没有独立 API，只能通过 Devin 使用。至于“3 倍”速度，那是演示中的模拟速率，并非实测吞吐量基准。
站在 Inkling-Small 肩膀上的小模型
SWE-2 Flash 的底座来自 Thinking Machines Lab 的 Inkling-Small：一款总参数 2760 亿、每次推理激活 120 亿参数的混合专家模型（MoE），其完整权重已于今年 7 月 30 日以 Apache 2.0 协议开源。相比之下，旗舰模型 SWE-2 的规模要大得多，总参数 2.8 万亿，激活参数 1040 亿。
Cognition 在训练流程上做了一处新尝试：首次在强化学习之前加入中期训练（mid-training）阶段，用数万亿 token 资料分三阶段继续训练基座模型，再做大规模强化学习。效果直接体现在评测分数上：Terminal-Bench 4.0 从基座的 0.9% 跃升至 20.0%，FrontierCode 2.0 从 3.2% 升至 24.0%。
跑分有亮点，也有保留
在 Cognition 公布的自测成绩中，SWE-2 Flash 的主要分数如下：
- FrontierCode 2.0：24.0%，略高于 SWE-2 的 23.8%
- Terminal-Bench 4.0：20.0%，低于 SWE-2 的 27.3%
- FrontierCode 1.1 Main：45.5%；DeepSWE 1.1：60.1%
- Terminal-Bench 2.1：89.2%；SWE-Bench Pro v2 Hard：89.9%
在同一张 FrontierCode 2.0 对比表中，Flash 高于 GLM 5.3 Flash（14.2%）、DeepSeek V4.1 Flash（19.3%）和 GPT-6 Luna（21.9%），低于 Claude Haiku 5.5（27.7%）。Cognition 由此宣称，Flash 在所列评测中优于所有美国开源权重模型。但以上均为厂商自测，尚无独立第三方评测，且 Flash 自身的权重并不公开。
权重不公开：安全理由与开放性质疑
本次发布最具争议的决定，是 Cognition 扣下了 SWE-2 Flash 的权重。针对性网络安全训练让模型在 ExploitBench（漏洞利用能力评测）上的得分从基座的 11.3% 升至 34.8%，公司认为同样的能力也可能被攻击者利用，因此暂不公开权重，改为建立面向可信合作伙伴与研究机构的安全共享计划。
这一决定难免引发讨论：基座本身是开源的，训练成果却以安全为由封闭，开发者无法自行部署或微调，只能通过 Devin 租用；外界也无法独立验证跑分与安全训练的效果。
背景：编码模型正在分出“日常档”
上一代 SWE-2 发布于今年 9 月 10 日，定位是 Cognition“迄今最先进的编码模型”，在 FrontierCode 1.1 Main 上拿到 50.0%。不到两个月，Cognition 就补上了一款更便宜、更快的日常版本，说明编码智能体的竞争焦点正在从“谁最强”转向“谁最划算”。GLM、DeepSeek 等厂商的 Flash 系列走的也是同一条路：旗舰模型负责攻坚复杂任务，轻量模型接走高频低难度的日常工作。
影响与展望
对 Devin 用户而言，价值很明确：11 月 30 日前免费试用，之后仍比 SWE-2 便宜八成，适合把日常编码任务从旗舰模型上卸载下来。如果实际体验与宣传接近，它可能成为 Devin 里的默认“日常档”选择。
更长远地看，这次发布折射出两条趋势：编码模型分层已经定型，比拼的是每档的性价比；安全与开放的张力也在加剧，模型越强，厂商扣留权重的理由越充分，独立验证的空间越小。SWE-2 Flash 能否在“便宜够用”的同时赢得信任，免费期后的留存数据会给出答案。