Cognition 的 SWE-2 在 Terminal-Bench 2.1 上获得 92.8 分

模型/SWE-2 SWE-2 MoE 首要 Cognition → 为我的硬件查找 2.8T 总参数，每个令牌 104B 活跃值 (MoE) - Kimi K3 基础，Cognition 的后训练位于顶部，Cognition 首次将 RL 扩展到数万亿参数范围。基础已经是 RL 重的代理编码； Cognition 在大多数基准测试中的通过率又提高了 5 到 6 分。服务堆栈：通过量化感知训练对 NVFP4 和 FP8 内核进行 MoE 推理； FP8 在 MLA 层中进行 K、Q、V 和分数计算。使用 SpecForge 重新训练的草稿模型可将接受长度延长 15%，预填充延迟器将每个 GPU 的 TPM 和每个请求的每秒令牌数提高 10% 到 20%（TTFT 受到影响）。努力水平：每次运行的平均步数为 53（中）、80（高）、98（最大），而 SWE-1.7 为 127。 Medium 发布的 FrontierCode 分数比 SWE-1.7 更高，转弯次数减少了 58%，平均成本降低了 81%，并且其首次真正编辑的步数中位数为 18（SWE-1.7：48）。基准（认知自我报告）：FrontierCode 1.1 Main 50.0、DeepSWE 1.1 73.0、Terminal-Bench 2.1 92.8、Terminal-Bench 4.0 27.3。标题是：FrontierCode 上的 50.0 比 Claude Fable 5.1 (50.9) 落后 1 个百分点，比 GPT-6 Astra (53.3) 落后 3.3 个百分点 - 据称比 Fable 5.1 的成本低 64%，比 Astra 的四分之一低。 Terminal-Bench 2.1 是已发布表格中的最高数字。最软的地方是 Terminal-Bench 4.0，其中 SWE-2 的 27.3 远远落后于 Fable 5.1 (55.8) 和 GPT-6 Astra (57.9) - 长期代理工作是与前沿的差距仍然存在的地方。专有重量，无需本地运行。 Cognition 尚未发布 SWE-2 权重，因此无需下载任何内容，也无需等待量化阶梯。它现已在 Devin Desktop 和 CLI 中提供，并在 Devin Web 和 Fusion 上推出。 Cognition 没有为 SWE-2 发布每个代币的 API，因此每个任务的成本比较（按 FrontierCode 平价比 Fable 5.1 便宜 64%）是定价表面，而不是每 100 万美元的价目表。这里的每个数字都是 Cognition 自己的数字，等待独立复制。编码代理参数 2800.0B 许可证专有开发人员 Cognition Origin 🇺🇸 美国于 2026 年 9 月发布人们正在使用 SWE-2 构建什么 X 发布后的真实演示：SWE-2，从 Kimi K3 进行后训练 - FrontierCode 1.1 Main 50.0，Terminal-Bench 2.1 92.8 在 X 上查看 → 基准分数 供应商报告 - 来自开发人员自己的模型卡/技术报告 DeepSWE 73.0 FrontierCode 1.1 Main 50.0 Terminal-Bench 2.1 92.8 Terminal-Bench 4.0 27.3 供应商报告 - 来自开发人员自己的模型卡/技术报告 或在云中运行 SWE-2 尚未跟踪每个代币 API 提供商的定价。有关旗舰产品的标价，请参阅计算器。价格历史记录 随着时间的推移推理成本数据从第一次每日同步开始累积 - 随着时间的推移填充更长的范围。价格来自 OpenRouter 快照，而不是历史 API。正在加载价格历史记录...