Cognition's SWE-2 achieves 92.8 on Terminal-Bench 2.1
20 days ago
- SWE-2 是一个 MoE 模型，总参数 2.8 万亿，每 token 激活 1040 亿参数，基于 Kimi K3 基础，结合 Cognition 的后训练和强化学习扩展至数万亿参数规模。
- 服务栈使用 NVFP4 和 FP8 内核，并进行量化感知训练；FP8 处理 MLA 层中的 K、Q、V 和得分计算；SpecForge 草案模型使接受长度延长 15%；预填充延迟器将每个 GPU 的 TPM 和每个请求的 token/秒提高了 10-20%，但增加了 TTFT。
- 努力级别：中等（平均 53 步），高（80 步），最大（98 步）；中等级别的 FrontierCode 得分高于 SWE-1.7，且步数减少 58%，成本降低 81%，首次实际编辑的中位步数为 18，而 SWE-1.7 为 48。
- 基准测试（Cognition 自行报告）：FrontierCode 50.0, DeepSWE 73.0, Terminal-Bench 2.1 92.8, Terminal-Bench 4.0 27.3；FrontierCode 落后于 Claude Fable 5.1 (50.9) 和 GPT-6 Astra (53.3)，但成本比 Fable 低 64%，仅为 Astra 的四分之一；Terminal-Bench 4.0 在长期智能体工作中显示出显著差距。
- SWE-2 具有专有权重，不支持本地下载；可在 Devin Desktop 和 CLI 中使用，并逐步推广到 Devin Web 和 Fusion；无逐 token API；每个任务的成本比较由供应商报告，有待独立验证。