MODEL VARLIĞI
SWE-2
SWE-2, Cognition'ın 10 Eylül 2026'da yayımladığı en yetenekli kodlama modeli. Taban olarak Moonshot AI'nin 2,8 trilyon parametreli Kimi K3'ünü kullanıyor. Ölçütlerde SWE-1.7'nin belirgin üstünde: FrontierCode 1.1 Main %50,0 (SWE-1.7: %42,0), DeepSWE 1.1 %73,0 (%37,7), Terminal-Bench 2.1 %92,8 (%81,5), Terminal-Bench 4 %27,3 (%7,6). Ayırt edici yanı verimlilik: SWE-2 Medium aynı işi %58 daha az turda ve ortalama %81 daha düşük maliyetle bitiriyor, ilk anlamlı kod düzenlemesine medyan 18 adımda ulaşıyor (SWE-1.7'de 48). Cognition, FrontierCode'da Claude Fable 5.1'in bir puan içinde kalırken %64 daha ucuz olduğunu bildiriyor.
Künye
Kapalı- Geliştirici
- Cognition
- Model tipi
- Kodlama LLM
- Modaliteler
- metin · kod
- Açık ağırlık
- Yok
- Lisans
- Tescilli
- Yayın
- 2026-09-10
Son doğrulama: 12 Eylül 2026
Yetenekler
- FrontierCode 1.1 Main %50,0; Terminal-Bench 2.1 %92,8; Terminal-Bench 4 %27,3; DeepSWE 1.1 %73,0
- SWE-1.7'ye göre %58 daha az tur, ortalama %81 daha düşük maliyet
- İlk anlamlı kod düzenlemesine medyan 18 adımda ulaşma (SWE-1.7: 48)
- Üç efor seviyesi: medium, high, max
- Moonshot AI Kimi K3 (2,8T parametre) tabanı üzerine eğitim
Sınırlılıklar
- Yayın günü itibarıyla yalnızca Devin Desktop ve CLI'da; Devin Web ve Fusion'a yayılım henüz tamamlanmamış
- Cognition duyuruda birim token fiyatı vermiyor; yalnızca göreli maliyet (Fable 5.1'e göre %64 daha ucuz) bildiriliyor
- Bağlam penceresi duyuruda belirtilmiyor
- Ölçütlerde GPT-6 Astra (%53,3) ve Claude Fable 5.1'in (%50,9) gerisinde
- Terminal-Bench 4'te %27,3 — mutlak başarı oranı hâlâ düşük, en zor uzun ufuklu görevlerde güvenilmez
- Ölçüt sonuçları Cognition'ın kendi ölçümlerine dayanıyor
Tipik kullanım alanları
- Devin üzerinde uzun ufuklu ajanik yazılım geliştirme
- Terminal tabanlı çok adımlı görev otomasyonu
- Maliyet/performans dengesi gereken yoğun ajan kullanımı
- Çok dilli kod tabanlarında değişiklik
Benchmark politikası
Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji
BUILD
Hangi modeli seçeceğinize karar veremiyor musunuz?
Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.