2026-09-10 公開 · QCode では提供なし

Cognition SWE-2：公式ベンチ表、コスト主張、そして書かれていない部分

Cognition が 2026-09-10 に公開した SWE-2 は「最も強力な自社エンコーディングモデル」とされ、Kimi K3（2.8T パラメータ）から後学習 RL したという。売り物は能力と推論コストのパレート最前線で、公式表では FrontierCode 1.1 Main 50.0%、Fable 5.1 と 1 差点ながら 64% 安い。同じ表の Terminal-Bench 4 は 27.3%。ベンダーが書いたこと／書いていないこと／当サイトでできることを分けて載せる。

更新日 2026-09-20

#エンコーディング agent#複数 effort 段階#ベンダー自己申告#QCode 未提供

公式表の四つの数字

50.0%

FrontierCode 1.1 Main

原文は achieving 50.0% on FrontierCode 1.1 Main, within one point of Fable 5.1 while being 64% cheaper。同じ行に SWE-1.7 42.0%、Kimi K3 44.2%、Grok 4.6 48.0%、Fable 5.1 50.9%、GPT-6 Astra 53.3% — すべてベンダー表。

64%

Fable 5.1 比の自己申告低下幅

公式の言い回しは being 64% cheaper。第三者の再実行は無く、根拠となる 100 万トークン単価も出ていない。

27.3%

Terminal-Bench 4（同じ表の弱い列）

同じ行：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%。この行を Cognition 自身が公開しているので省略しない。

2.8T

土台モデルのパラメータ（Moonshot の説明）

原文は SWE-2 is post-trained from Kimi K3, a 2.8T-parameter model。2.8T は土台 K3 の値で SWE-2 全体の規模ではない。Cognition は「RL を数兆パラメータ規模まで拡大した」とも書く。

SWE-2 は何か

SWE-2 は Devin の会社 Cognition が 2026-09-10 に公開したエンコーディングモデルで、公式の定義は「最も強力な自社エンコーディングモデル」。複数の effort 段階で競合する agentic coding を売りにする。一から学習したわけではなく、公式は「Kimi K3 から post-train」と書き、Moonshotのオープンウェイトモデルに RL を載せた構成。多くのベンチマークで 5–6 点上がったとも述べる。公開当日から Devin Desktop と Devin CLI で使え、Web と Fusion は順次。路線は「製品内サブスクリプション + agent 制御」で、公開エンドポイント・100 万トークン単価・レート制限は発表文に無い。

公開の経緯

2026-09-10：Cognition が《Introducing SWE-2: Pushing the Pareto Frontier》を公開。ページのメタデータ日付も 2026-09-10、本文は available starting today in Devin Desktop and CLI、Web と Fusion は順次となる。本ページの照合日は 2026-09-20：あの表の出所は今もこの 1 本だけで、第三者の再現版は出ていない。

三つのタイムライン

2026-09-10

2026-09-10：Cognition が SWE-2 を公開。公式表は FrontierCode 1.1 Main 50.0%、DeepSWE 1.1 73.0%、Terminal-Bench 2.1 92.8%、Terminal-Bench 4 27.3%、Fable 5.1 より 64% 安いを掲げる。

2026-09-10

同じ 2026-09-10 の投稿でもう一点：SWE-2 は Kimi K3（2.8T）から post-train で、SWE-1.7 の訓練基盤と処方を使い、RL にはまだ余裕があり多くのベンチマークで 5–6 点加分と公式は述べる。

2026-09-20

2026-09-20 に本ページが照合：QCode の公開モデルカタログで SWE-2 / Devin / Cognition は 0 件 ⇒ 当サイトは提供せず、どこにも「使える」とは書かない。比較用のエンコーディングページは販売中のモデルを指す。

公式に書かれたこと vs まだ言えないこと

発表文に明記済み

2026-09-20 時点でもあのページは同じことを書いている：四つのベンチマーク点（50.0% / 73.0% / 92.8% / 27.3%）、Fable 5.1 より 64% 安い、土台は Kimi K3（2.8T）、公開当日から Devin Desktop と CLI で利用可、複数 effort 段階で評価。これは全部「公式が書いた」ことで、独立測定ではない。

事実として書かないもの

2026-09-20 時点で無いもの：公開 API エンドポイントとモデル id、100 万トークン単価、レート制限、コンテキスト長、学習データとライセンス、オープンウェイトか否か、企業条件。検索で回る「Pro/Max/Teams 1 か月無料」は取得した本文に該当箇所が無い ⇒ 本ページでは書かない。「GPT-6 Astra に数点差・コスト 4 分の 1」もベンダー比較。全スコアは Cognition 自身の表で、第三者の再実行は無い。

SWE-2 と「自前でエンコーディング agent を組む」違い

Cognition SWE-2（製品内）

モデルと Devin の agent 制御が同一製品に乗り、初日から Desktop と CLI で利用可。代償は従量でなくサブスク側で見るという点 — エンドポイント・単価・制限が公開されていないので、1 タスクの費用は相手の基準でしか計算できない。

販売中の汎用モデル + 自前ハーネス

エンコーディング作業を QCode で売っている汎用モデルで回す：model id を 1 行変え、トークン課金、レート制限と請求は自コンソール。代償は agent 制御・コンテキスト管理・検証ループが自己責任で、公式の「複数 effort 段階」はサンプリングと再試行で近似する必要がある。

同じ形を作るなら見る三点

第一はタスク分割：公式は SWE-2 を複数 effort 段階で出す。自前構成に内部段階は無いので「問題特定 / 修正 /テスト実行」を別呼び出しに分解し、単純工程は安いティアへ逃がすのが定石。第二は検証ループ：発表文で一番具体的なのは「以前のチェックポイントで、検証器を反復的に強化するモデルを鍛える」という文で、技術的にはテストと lint の自動化 — これが無いとどのモデルもスコアが落ちる。第三は費用の基準：64% はベンダー比較で単価ではない。同じリポジトリ・同じ issue 群で走らせ、トークン数と失敗再試行を記録し、そのうえで請求書を読むこと。宣伝文の数字を写さない。

QCode 側の実際

SWE-2 は提供しない。2026-09-20 に公開モデルカタログを照合すると SWE-2 / Devin / Cognition は 0 件、直近 30 日の課金用量表にもこの三語は無い ⇒ 「可用」とも価格も書かない。従量課金のある呼び出しに落とす経路は、販売中の汎用モデル + schema/ツール呼び出し + 外側検証と再試行で、公式価格×サービス料金の課金。単価とレート制限は /pricing とライブ一覧に従う。

よくある質問

SWE-2 を QCode から呼べますか？

無理です。2026-09-20 のカタログ照合では SWE-2 無く、Cognition/Devin のサービスも無い。現状は Devin 製品ライン（Desktop、CLI、Web と Fusion は順次）でだけ提供される。

あのベンチマークの数字は信用できますか？

ベンダー自己申告。五つのスコアと 64% はいずれも同じ Cognition の発表文由来で、2026-09-20 時点で第三者の再実行版は出ていない。ただ公式が弱点列も載せている：Terminal-Bench 4 は 27.3%。

Kimi K3 とは何の関係？

公式は SWE-2 is post-trained from Kimi K3（2.8T）と書く。土台はMoonshotのオープンウェイトモデルで、Cognition が後学習 RL を載せる構成。だから「K3 の点」と「SWE-2 の点」は別物で、同じ表の K3 本体は FrontierCode 1.1 Main 44.2%、Terminal-Bench 4 21.5%。

API・単価・コンテキスト長は？

発表文には無い：公開エンドポイントとモデル id、100 万トークン単価、レート制限、コンテキスト長のいずれも記載なし。本ページは推測しない。必要なら公式の追加を待つか、製品サブスクで評価する。

自前でエンコーディング agent を作るならどの道？

「製品が流程ごとやってくれる」が必要か、「課金でき、モデルを換え、コンテキストを自分で制御できる」が必要かで決まる。後者なら販売中の汎用モデル + ツール呼び出しで今すぐ載せられる：model id を変え、トークン課金、ログと制限は自コンソール。

64% 安い、をそのまま使える？

単価としては使えない。Cognition が自社コストと Fable 5.1 を比較した相対値で、公開単価も第三者の再計算も無い。同じ文には「GPT-6 Astra に数点差、コスト 4 分の 1」も混ざる — これもベンダー比較だ。自分のリポジトリで同じタスクを走らせて測ること。

出典

Cognition《Introducing SWE-2: Pushing the Pareto Frontier》2026-09-10、https://cognition.com/blog/swe-2（2026-09-20 取得）。QCode のカタログと用量は当サイトの内部照合（公開カタログのスナップショットと30 日課金用量表）。このページの全スコア・全比率はベンダー自己申告。

agent 製品を買わなくても、エンコーディング作業は課金ある呼び出しで回せる

SWE-2 は当サイトカタログに無い（2026-09-20 照合）。使えるのは販売中の汎用モデル + ツール呼び出し、トークン課金。

キーを取るモデル一覧価格を見る