SWE-2

Cognition

SWE-2 — самая продвинутая модель для кодинга от Cognition, посттренированная обучением с подкреплением на Kimi K3 от Moonshot AI (2,8 трлн параметров) и впервые масштабированная до режима в несколько триллионов параметров. Один прогон RL обучает сразу все уровни усилия рассуждения (среднее, высокое, максимальное) вместе со штрафами за затраты, настроенными под границу Парето базовой модели, — так улучшается вся кривая эффективности, а не отдельная рабочая точка. Результаты: 50,0% на FrontierCode 1.1 Main, что в пределах одного пункта от Claude Fable 5.1 (50,9%), 73,0% на DeepSWE 1.1, 92,8% на Terminal-Bench 2.1 и 27,3% на Terminal-Bench 4.0. С 2026-09-10 доступна в Devin Desktop и Devin CLI, развёртывание в Devin Web и Fusion продолжается; отдельного публичного API, карточки модели и спецификации контекста Cognition не публиковала.

Основные характеристики

Параметры
-
Контекст
-
Дата выпуска
10 сентября 2026 г.
Индекс
46.9

Временная шкала

Ключевые даты в истории модели
Анонс
10 сентября 2026 г.
Последнее обновление
21 ноября 2026 г.

Технические характеристики

Параметры
-
Токены обучения
-
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Другие тесты

Специализированные бенчмарки
DeepSWE 1.1
DeepSWE 1.1; усилие рассуждения не указано в сравнительной таблице. • данные разработчика
73.0%
FrontierCode 1.1
FrontierCode 1.1 Main; взвешенная агрегированная оценка по рубрике; усилие рассуждения не указано в сравнительной таблице. • данные разработчика
50.0%
Terminal-Bench 2.1
Terminal-Bench 2.1; усилие рассуждения не указано в сравнительной таблице. • данные разработчика
92.8%
Terminal-Bench 4.0
Terminal-Bench 4.0; усилие рассуждения не указано в сравнительной таблице. • данные разработчика
27.3%

Лицензия и метаданные

Лицензия
Проприетарная
Дата анонса
10 сентября 2026 г.
Последнее обновление
21 ноября 2026 г.

SWE-2: плюсы и минусы

Плюсы

  • Сильнее всего в тесте Terminal-Bench 2.1 — 92.8%

Минусы

  • Работает только с текстом — картинки не понимает
  • Слабее в тесте Terminal-Bench 4.0 — 27.3%
  • Нет данных о доступе по API

SWE-2 vs другие модели: сравнение

Все сравнения

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.