2026-09-10 发布 · QCode 不提供

Cognition SWE-2：官方榜单、成本口径与它没写的那部分

Cognition 在 2026-09-10 发布 SWE-2，官方说法是「我们最强的编码模型」，从 Kimi K3（2.8T 参数）继续做 RL，主打能力与推理成本的帕累托前沿：FrontierCode 1.1 Main 50.0%、比 Fable 5.1 低不到 1 个点而便宜 64%。同一张表里 Terminal-Bench 4 只有 27.3%。这页把厂商写了什么、没写什么、以及 QCode 上能怎么做分开摆。

更新于 2026-09-20

#编码 agent#多 effort 档#厂商自报榜#QCode 不提供

官方表里的四个数字

50.0%

FrontierCode 1.1 Main

原文：achieving 50.0% on FrontierCode 1.1 Main, within one point of Fable 5.1 while being 64% cheaper。同一行还有 SWE-1.7 42.0%、Kimi K3 44.2%、Grok 4.6 48.0%、Fable 5.1 50.9%、GPT-6 Astra 53.3% —— 都是厂商表。

64%

相对 Fable 5.1 的自称降幅

官方原话是 being 64% cheaper（比 Fable 5.1 便宜 64%）。这是 Cognition 自己的对照口径，既没有第三方重跑，也没给出具体的每百万 token 单价。

27.3%

Terminal-Bench 4（同一张表的短板列）

同一行：SWE-2 27.3%、Kimi K3 21.5%、Grok 4.6 20.3%、Fable 5.1 55.8%、GPT-5.6 Sol 37.3%、GPT-6 Astra 57.9%、SWE-1.7 7.6%。发布贴自己写了这一行，本页不替它省略。

2.8T

底座参数量（Moonshot 口径）

原文：SWE-2 is post-trained from Kimi K3, a 2.8T-parameter model。2.8T 说的是底座 K3，不是 SWE-2 的总参数；Cognition 另写「把 RL 扩展到多万亿参数规模」。

SWE-2 是什么

SWE-2 是 Cognition（Devin 那家公司）2026-09-10 发布的编码模型，官方定义是「我们最强的编码模型」，卖点是跨多个 effort 档都有竞争力的 agentic coding 表现。技术上它不是从零训的：官方写「post-trained from Kimi K3」，也就是在月之暗面的开放权重模型上做后训练 RL，并说这一轮 RL 在许多榜上再加 5–6 分。发布当天先在 Devin Desktop 与 Devin CLI 里可用，Devin Web 与 Fusion 陆续推。它走的是「产品内订阅 + agent 编排」这条路线，不是「拿一把 API key 自己调」——发布贴里没有公开端点、没有每百万 token 单价、也没有 rate limit。

发布节奏

2026-09-10：Cognition 发布《Introducing SWE-2: Pushing the Pareto Frontier》，页面元数据日期为 2026-09-10；官方原句是 available starting today in Devin Desktop and CLI，Web 与 Fusion 陆续推出。本页核对日是 2026-09-20：那篇发布贴仍是这张表的唯一出处，没有第三方复现版。

三条时间线

2026-09-10

2026-09-10：Cognition 发布 SWE-2，官方表给 FrontierCode 1.1 Main 50.0%、DeepSWE 1.1 73.0%、Terminal-Bench 2.1 92.8%、Terminal-Bench 4 27.3%，并说比 Fable 5.1 便宜 64%。

2026-09-10

2026-09-10 同一篇里另一条：SWE-2 从 Kimi K3（2.8T）post-train 而来，沿用 SWE-1.7 的训练设施与配方，官方称 RL 仍有许多余量，在许多榜上加 5–6 分。

2026-09-20

2026-09-20 本页核对：QCode 公开模型目录里搜 SWE-2 / Devin / Cognition 均 0 命中 ⇒ 本站不提供，页面上任何地方都不写「可用」；对照用的编码能力页都指向在售模型。

官方写明 vs 还不能说

发布贴里写明的

截至 2026-09-20 那页仍然这样写：四项榜分（50.0% / 73.0% / 92.8% / 27.3%）、比 Fable 5.1 便宜 64%、底座是 Kimi K3（2.8T）、发布当天在 Devin Desktop 与 CLI 可用、在多个 effort 档上给分。这些都只是「官方写了」，不是独立测量。

别当成事实写的

截至 2026-09-20 没有的东西：公开 API 端点与模型 id、每百万 token 单价、rate limit、上下文长度、训练数据与许可、是否开放权重、企业条款。检索记录里流传的「订阅档免费用一个月」在抓回的那页正文里找不到 ⇒ 本页不写。「接近 GPT-6 Astra 但只有四分之一的成本」是厂商对照，不是独立评测；所有分数都出自 Cognition 自己那张表，也没有第三方重跑。

SWE-2 与「自己搭编码 agent」差在哪

Cognition SWE-2（产品内）

模型 + Devin 的 agent 编排在同一个产品里，发布当天在 Desktop 与 CLI 可用；代价是走订阅而不是按 token 计费——官方没给端点、单价、限速，所以「这次任务花了多少」只能按它自己的口径算。

在售通用模型 + 自建 harness

把编码任务跑在 QCode 在售的通用模型上：model id 换一行、按 token 计费、限速与账单在自己的控制台里；代价是 agent 编排、上下文管理与验证回路都得自己搭，官方那种「多 effort 档」要自己用采样与重试做近似。

要复刻这类能力，看三件事

第一是任务切分：官方说 SWE-2 跨多个 effort 档给分，自建路线没有这种内建档位，常见做法是把「定位问题 / 改代码 / 跑测试」拆成独立调用，简单步骤走低成本模型。第二是验证回路：发布贴里最实在的一句是「用前几个检查点训练一个迭代强化验证器的模型」，翻译到工程上就是——测试与 lint 必须自动化，否则任何模型的分都会掉。第三是成本口径：64% 是厂商给的对照，不是单价；要比较就在同一份仓库、同一批 issue 上跑，记下 token 数与失败重试次数，再对着账单算，别照抄宣传页。

QCode 上的实际情况

SWE-2 不提供。2026-09-20 查 QCode 公开模型目录，SWE-2 / Devin / Cognition 三个词都是 0 命中，30 天计价用量表里也没有这三项，所以本页不写「可用」、也不给价格。要把编码 agent 落到能计费的调用上，路径是在售通用模型 + schema/工具调用 + 外层校验与重试，按官方价乘服务费率计费；具体单价与限速看 /pricing 与实时目录。

常见问题

SWE-2 能在 QCode 上调用吗？

不能。2026-09-20 核对公开目录没有 SWE-2，也没有 Cognition/Devin 的任何服务；它目前只在 Devin 产品线里给（Desktop、CLI，Web 与 Fusion 陆续）。

那些榜单数字可信吗？

它们是厂商自报：五项分数与 64% 降幅都来自 Cognition 同一篇发布贴，第三方重跑结果截至 2026-09-20 没有。值得注意的是官方连短板也写了：Terminal-Bench 4 只有 27.3%。

它和 Kimi K3 是什么关系？

官方写 SWE-2 is post-trained from Kimi K3（2.8T）——底座是月之暗面的开放权重模型，Cognition 在其上做后训练 RL。所以「K3 的分数」和「SWE-2 的分数」是两回事，同表里 K3 本体在 FrontierCode 1.1 Main 是 44.2%、Terminal-Bench 4 是 21.5%。

有 API、单价、上下文长度吗？

发布贴里没有：没有公开端点与模型 id、没有每百万 token 单价、没有 rate limit，也没写上下文长度。本页不替它推断，需要这些数字的团队只能等官方补或者按产品订阅评估。

那我要做编码 agent，该走哪条路？

看你要的是「一个产品替我把流程跑完」还是「我要能计费、能换模型、能自己控上下文」。后者用在售通用模型 + 工具调用即可落地：改 model id、按 token 计费、日志与限速都在自己控制台。

便宜 64% 这个数能直接用吗？

不能当单价用。它是 Cognition 拿自己的成本口径与 Fable 5.1 比出来的相对值，既没有公开单价也没有第三方复算；同一句话里还夹着「接近 GPT-6 Astra 但只有四分之一的成本」，同样是厂商对照。要比就在自己的仓库上跑同一批任务。

来源

Cognition《Introducing SWE-2: Pushing the Pareto Frontier》，2026-09-10，https://cognition.com/blog/swe-2（2026-09-20 抓取）；QCode 目录与用量为本站内部核对（prod 公开目录页快照 + 30 天计价用量表）。本页所有分数与降幅均为厂商自报。

不买 agent 产品，也能把编码任务跑在能计费的调用上

SWE-2 不在本站目录（2026-09-20 核对）；能用的是在售通用模型 + 工具调用，按 token 计费。

注册拿 key 浏览模型看价格