Cognition SWE-2: новая модель для программирования стала мощнее и дешевле

Компания Cognition представила SWE-2 — свою новейшую и наиболее производительную модель, специально оптимизированную для решения сложных задач в области разработки программного обеспечения. Релиз знаменует собой важный этап в развитии автономных ИИ-агентов: разработчикам удалось не только повысить точность написания кода, но и радикально снизить стоимость эксплуатации модели, сделав технологию более доступной для коммерческого использования в рамках платформы Devin.

Производительность на уровне лидеров индустрии

SWE-2 демонстрирует впечатляющие результаты в ключевых отраслевых бенчмарках, подтверждая свою способность справляться с реальными инженерными вызовами. На тесте FrontierCode 1.1 модель набрала 50%, практически сравнявшись по эффективности с признанным лидером сегмента — Fable 5.1. При этом SWE-2 обходит конкурента по экономической эффективности, работая на 64% дешевле.

Другие специализированные тесты также подтверждают высокую квалификацию новой модели:

• DeepSWE: результат 73%, что указывает на глубокое понимание структуры программных проектов.
• Terminal-Bench 2.1: модель достигла показателя 92,8%, демонстрируя исключительную точность при работе с командной строкой и системными операциями.

Экономическая эффективность и оптимизация рабочих процессов

Одним из главных достижений Cognition стало качественное изменение логики работы ИИ. Основной упор при создании SWE-2 был сделан на операционную эффективность. По сравнению с предыдущей версией SWE-1.7, модификация SWE-2 medium использует на 58% меньше итерационных шагов для достижения результата. Это напрямую отразилось на бюджете разработки: средняя стоимость выполнения одной задачи снизилась на рекордные 81%.

Такая оптимизация стала возможной благодаря улучшенным алгоритмам навигации по кодовой базе. Модель SWE-2 быстрее анализирует структуру проекта, точнее определяет релевантные фрагменты кода, требующие изучения, и значительно раньше переходит от этапа планирования к непосредственному написанию и отладке кода. Это сокращает время ожидания для пользователя и снижает потребление вычислительных ресурсов.

Техническая база и архитектурные инновации

В основе SWE-2 лежит мощный фундамент — модель Kimi K3, обладающая 2,8 триллионами параметров. Для адаптации этой базы под нужды программирования специалисты Cognition применили ряд продвинутых техник обучения. В частности, было использовано глубокое обучение с подкреплением (Reinforcement Learning), что позволило модели лучше ориентироваться в сценариях с открытым финалом.

Инженеры в три раза увеличили количество тренировочных окружений, что расширило «кругозор» нейросети и подготовило её к работе с самыми разными технологическими стеками. Одной из уникальных особенностей процесса обучения стала возможность тренировать разные уровни глубины рассуждений (reasoning steps) в рамках единого цикла. Это позволяет модели гибко переключаться между простыми исправлениями и сложным архитектурным проектированием без потери контекста.

Доступность и интеграция

На текущий момент новая модель SWE-2 уже интегрирована и доступна для использования в Devin Desktop и через интерфейс командной строки (CLI). Разработчики сообщают, что внедрение модели в облачную версию Devin Web и среду Fusion будет происходить постепенно в ближайшее время. Обновление открывает новые возможности для команд, стремящихся автоматизировать рутинные процессы разработки и внедрить автономных ИИ-агентов в свой производственный цикл без чрезмерных затрат на API.