Cognition SWE-2、フロンティアに1ポイント差で64%安い

Cognitionが木曜日、コーディングモデルSWE-2を公開しました。同社の自社ベンチマークFrontierCodeでFable 5.1に1ポイント差まで迫りながら、実行コストは64%低いといいます。より興味深いのは出自です。SWE-2はMoonshot AIの2.8兆パラメータのオープンウェイトモデルKimi K3を事後学習して作られており、中国製のベースモデルの上に築かれたフロンティア近傍の製品ということになります。公開記事は243ポイントを集め、Hacker Newsのトップページに載りました。

要点

• SWE-2はFrontierCode 1.1 Mainで50.0%を記録し、Fable 5.1の50.9%に迫りました。価格は先行するフロンティアモデルのおよそ3分の1です。
• CognitionはMoonshot AIのオープンウェイトモデルKimi K3を事後学習し、自社の強化学習で多くのベンチマークを5〜6ポイント押し上げたとしています。
• SWE-2 mediumは旧モデルSWE-1.7を上回りつつ、ターン数は58%少なく、タスクあたりのコストは81%低くなっています。

フロンティアとの距離

FrontierCode 1.1 MainでCognitionが示したSWE-2のスコアは50.0%。Kimi K3の44.2%、Grok 4.6の48.0%、GPT-5.6 Solの47.5%を上回り、Fable 5.1の50.9%とGPT-6 Astraの53.3%にのみ及びませんでした。DeepSWE 1.1では73.0%で、Astraとの差は約1ポイントです。明確な勝ちはTerminal-Bench 2.1で、92.8%と表の首位に立ちました。

難度の高いTerminal-Bench 4では様相が変わります。SWE-2は27.3%にとどまり、Astraの57.9%、Fable 5.1の55.8%と大きく開きました。この差が、安価なモデルが今なお手放している部分を正直に映しています。長い見通しを要する最難関のエージェント課題では、フロンティアがなお大きく先行しています。

すべての推論強度を一度の学習で

価格を支える技術的な主張は、強化学習の回し方を変えた点にあります。低・中・高の推論モードを別々に学習するのではなく、コストペナルティ付きの報酬を用いて一度のRL実行の中ですべての強度をまとめて学習します。報酬は成功率から、強度ごとの係数とロールアウトコストの積を引いた値で、この係数はベースモデルのコスト・性能曲線の局所的な傾きに合わせて調整されます。

同社は、ペナルティはコストに対して線形でなければならないと説明します。平均を取る前に適用しても後に適用しても同じ答えを返すのは線形項だけだからです。係数を探索すべきハイパーパラメータとして扱わず、曲線の接線に合わせること。それが、高強度モードが知らぬ間に安価な中強度モードへ潰れてしまうのを防ぐ仕掛けです。

残りはサービング側の改良が埋めました。近接するプリフィル要求をまとめてスループットを10〜20%引き上げ、15%長い系列を受け入れる投機的デコーディング用のドラフトモデルを新たに学習し、量子化を織り込んだ学習とともにNVFP4・FP8カーネルへ移行しています。ベースモデルのパラメータが前世代の約3倍にもかかわらず、学習と推論の乖離はSWE-1.7より小さいと報告しています。

回り道を減らし、早く手を入れる

SWE-1.7は単純なタスクでも探索しすぎるという不満を集めました。小さな修正に見合わない量のコードを読んでいたためです。SWE-2はFrontierCode 1.1 Mainで中央値18ステップで最初の実質的な編集に入ります。SWE-1.7は48ステップでした。Cognitionはこれを怠慢ではなく焦点の定まった探索だと位置づけます。リポジトリのどの部分が重要かを見極める力が上がった、というわけです。

同社によれば、SWE-2は反論を受けても引き下がらずに結論を組み立て直し、文章を鵜呑みにせず成果物を実際に走らせて証拠を集めます。SWE-2はDevin DesktopとCLIですでに利用でき、Devin WebとFusionへの展開も進行中です。

コーディングエージェントの価格に何を残すか

Cognitionの読みは、企業価値480億ドルで20億ドルを調達した際の主張と地続きです。大半のエンジニアリング業務に、市場で最も高価なモデルは必要ないという読みです。優れたオープンウェイトのベースを取り、計算資源をタスク特化のRLに注ぐやり方は、いまやフロンティアとの差を1〜2ポイントまで詰める現実的な道筋になりました。しかも数兆パラメータのモデルを一から事前学習する必要がありません。

Cognitionは信頼性の評価結果も公表しました。政治的に微妙なプロンプトの98.0%で、SWE-2が中国当局の公式見解を採らずに回答し、簡体字中国語での質問でも95.2%がそうだったという内容です。ベースモデルがMoonshot AIのものである以上、この評価には意味があります。中国発のオープンモデルの派生を出す側に、購入者が今後当然のように求める数字でもあります。

FAQ

SWE-2はオープンソースですか

いいえ。SWE-2はCognitionのDevin製品群を通じて提供される独自モデルです。ベースであるMoonshot AIのKimi K3はオープンウェイトですが、Cognitionは事後学習した重みを公開していません。

同等モデルと比べてどれだけ安いですか

Cognitionによれば、SWE-2はFrontierCode 1.1 MainでFable 5.1に1ポイント差まで迫りつつコストは64%低く、GPT-6 Astraと比べるとおよそ4分の1です。自社のSWE-1.7との比較では、同じベンチマークでSWE-2 mediumのタスクあたりコストが81%低くなっています。

今どこで使えますか

SWE-2はDevin DesktopとDevin CLIで即座に利用できます。CognitionはDevin WebとFusionへも順次展開中だとしています。