Cognition 基于 Inkling-Small 的编程模型,总参数 276B、激活 12B,已在 Devin 提供,公开权重暂未发布。
数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法
模型基本信息
开源和体验地址
官方介绍与博客
API接口信息
评测结果
SWE-2 Flash 当前已收录的代表性评测结果包括 Terminal-Bench 2.1(7 / 71,得分 89.20)、SWE-Bench Pro V2 Hard(6 / 21,得分 89.90)、FrontierCode 1.1 Main(19 / 54,得分 45.50)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。
自主开发与终端任务
共 2 项评测仓库修复与多文件工程
共 3 项评测程序生成与编辑
共 1 项评测发布机构
模型解读
SWE-2 Flash 是 Cognition 于 2026 年 11 月 4 日发布的编程模型,基于 Thinking Machines 的 Inkling-Small,具有 276B 总参数和 12B 激活参数。它强调日常软件工程的成本与速度,但发布时尚未公开权重,不能因其与开放权重模型比较就把它列为开源模型。
中期训练与强化学习改善了基座表现
Cognition 在 Inkling-Small 之上加入中期训练,再进行大规模强化学习。训练材料涵盖代码、科学文章与博客,分阶段让稀缺高质量数据更晚出现。官方认为本轮增益主要来自更高质量、更多样化的强化学习任务,而非只调整强化学习配方。
官方表格显示提升,也显示与 SWE-2 的差距
厂商自报 Terminal-Bench 4.0 为 20.0%,基座为 0.9%,SWE-2 为 27.3%;FrontierCode 2.0 为 24.0%,基座 3.2%,SWE-2 23.8%;DeepSWE 1.1 为 60.1%,基座 17.4%,SWE-2 73.0%。其他自报成绩为 FrontierCode 1.1 Main 45.5%、Terminal-Bench 2.1 89.2%、SWE-Atlas QA 50.0%、SWE-Bench Pro v2 Hard 89.9%、ExploitBench 34.8%。这些是 Cognition 的评测,不是本站独立复测;不同版本和 harness 的结果不能直接混排。
三倍速度不是完整任务耗时的承诺
官方称成本为 SWE-2 的五分之一、速度约三倍。网页示例将同一 Terminal-Bench 任务的两次运行按模拟 200 与 60 token/s 回放,比值约 3.33;展示已截到相同 token 长度,不能据此声称真实任务完成时间普遍缩短三倍。官方没有提供每百万 token 的美元 API 价,因此本页不将相对成本换算为固定报价。
已能在 Devin 使用,权重仍等待受控计划
发布时可在 Devin Desktop 与 Devin CLI 使用,Pro、Max、Teams 用户免费至 2026 年 11 月 30 日。限时权益不等于模型永久免费,也不等于独立 API 零价格。Cognition 以网络安全风险为由暂不公开权重,计划向可信合作伙伴和研究机构提供受控访问;公开下载、许可及访问条件尚未落实。上下文长度、最大输出与完整语种清单未披露。
适用边界与来源
日常代码审查、文档更新和自动化任务可利用当前 Devin 试用窗口;复杂任务仍需与 SWE-2 比较,要求公开权重本地部署时尚不能选择它。Cognition 官方发布与完整评测表;Inkling-Small 官方基座说明。本次未找到已公布原始数据的独立复测。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送
