2026 年 9 月 10 日，Cognition 发布了新的编程模型 SWE-2，一同发布的还有一件更值得琢磨的事：它没有价目表。这家做出 Devin 的公司既没有开放独立 API，也没有放出权重，而是把模型直接塞进了 Devin 的订阅里——每月 20 美元起的 Pro+ 可以无限使用 SWE-2，当月的 Pro 用户还能拿到免费额度。过去两年，编程模型领域的竞争一直是同一套叙事：谁在基准上多出两三个点，谁就更聪明，谁就配得上更高的每百万 token 单价。SWE-2 换了一个问题来问，它不再争「最聪明」，而是争「在离前沿只差一点点的前提下，谁更便宜」。如果这句话成立，接下来一年整个赛道的定价方式都得重写。

01发生了什么：SWE-2 到底是什么

SWE-2 的底座不是 Cognition 自研的，而是月之暗面（Moonshot AI）的 Kimi K3——一个 2.8 万亿参数、开源权重的中国模型。Cognition 在它之上做后训练（post-training），按官方说法，这是第一次有人把强化学习真正扩展到万亿参数级别的底座上。

训练过程里，单次 RL 同时覆盖 medium、high、max 三档推理努力（effort）级别，而不是分三次训出三个模型。工程侧配套了 NVFP4/FP8 的量化感知内核、用于提升吞吐的在线 draft 模型，训练环境数量翻了三倍，其中还加入了指令跟随覆盖和专门对抗旧 checkpoint 的自动验证器。

把这些细节摆在一起看，它不是一次「换个开源底座蹭一波」的投机，而是围绕成本和稳定性重做的一整条训练管线——尤其是那个「对抗旧 checkpoint 的自动验证器」，这是吃过能力回退的亏的团队才会写进方案里的东西。

分发方式同样反常：不卖独立 API、不放权重，只捆绑进 Devin 订阅。这意味着 Cognition 要的不是 token 调用费，而是订阅留存和高频使用。

02数字里的「性价比」：离前沿多远，便宜多少

Cognition 自报的成绩单是这样的（均为官方数据，待独立复现）：

• FrontierCode 1.1 Main：SWE-2 = 50.0%；Fable 5.1 = 50.9%；GPT-6 Astra = 53.3%；再往下是 Grok 4.6 的 48.0%、GPT-5.6 Sol 的 47.5%、Kimi K3 的 44.2%，以及自家上一代 SWE-1.7 的 42.0%。
• DeepSWE 1.1：SWE-2 = 73.0%，高于 Kimi K3 的 68.5% 和 Sol 的 72.7%，略低于 Astra 的 74.1%。
• Terminal-Bench 2.1：SWE-2 = 92.8%，是全场最高，超过 Fable 5.1 的 91.4% 和 Astra 的 89.9%。
• Terminal-Bench 4.0（更难的长程 agentic 任务）：SWE-2 = 27.3%，而 Fable 5.1 = 55.8%、Astra = 57.9%。

换算成性价比口径：SWE-2 距 Fable 5.1 只差 0.9 分，成本却低约 64%；距 Astra 差 3.3 分，成本大约只有四分之一。

SWE-2 落在帕累托前沿的左上角：便宜且接近前沿，但在最难的长程任务上仍有代差

效率侧的变化更陡：medium 档平均 53 步，而 SWE-1.7 是 127 步，步数少 58%、成本降 81%；从接手任务到第一次真正改动代码，中位步数从 48 步降到 18 步。这组数字意味着一件事——它不只是便宜，它是靠「少绕路」变便宜的。

但同一份成绩单里，藏着一句必须读的小字。在 Terminal-Bench 4.0 上，SWE-2 只有 27.3%，而 Fable/Astra 约 56。这不是差一点，是差了一倍多。50.0 对 53.3 看起来只是 3.3 分的距离，27.3 对 55.8 才是真实的能力断层：前者衡量「能不能把常规任务做对」，后者衡量「能不能在一个需要连续跑几十分钟、中途靠自己发现偏航并纠回来的任务里不迷路」。只看 FrontierCode 那一栏就下单的团队，会买到一个跟自己预期不符的东西。

03真正的拐点：护城河从「预训练」挪到了「后训练 + harness」

即便如此，SWE-2 依然是这两年编程模型领域信号意义最强的一次发布，因为它把护城河的位置挪走了。

Cognition 是一家两百人量级的公司，没有自己的预训练底座，用的是一个开源权重的中国模型，然后靠后训练把 Kimi K3 的 44.2% 推到 50.0%，同时把单次任务的成本压到前沿模型的三分之一上下。「谁拥有最好的模型」这个问题正在失效，取而代之的是「谁拥有最好的 loop」——后训练的 RL 配方、托住模型的 harness、以及真实用户任务回流构成的数据飞轮。

护城河转移：商品化的底座之外，真正决定交付价值的是后训练、harness 与数据飞轮

所谓「harness 才是新的编程单位」，说的就是这件事：模型的理论上限由底座决定，但它在你的产品里实际交付多少价值，由套在它外面那一层决定；而那一层的差距，恰恰是 44.2 到 50.0 这 5.8 分。Cognition 能同时调度三档努力级别、能用自动验证器去对抗自己上一版 checkpoint 的退步、能把训练环境铺到三倍规模，这些能力既读不进模型卡，也不写在参数表里。

04成本惩罚式 RL：竞争进入「帕累托前沿」阶段

最能说明竞争阶段变化的，是它的奖励函数设计。SWE-2 的训练目标是 R = S − λ·C，其中 S 是任务成功率，C 是运行时与 API 的综合成本，λ 则随底座在该努力级别上的帕累托前沿切线斜率来缩放。翻译成人话：模型不只因为「做对了」得分，还要为「做得省」负责，而这个「省」的尺度不是拍脑袋定的，是从当前前沿的成本—效果曲线上量出来的。

当一个团队开始用帕累托前沿的切线斜率设定训练超参，说明它已经接受天花板短期内摸不到，转而经营那条曲线本身的形状。这是工程上的成熟信号：行业从「追 ceiling」进入「追前沿的形状」，而形状是可以被工程优化、可以被复用的。

05一条产品逻辑：不卖 API，卖订阅

分发方式同样是判断的一部分。不卖独立 API、不放权重，只捆绑进 Devin 订阅，意味着 Cognition 要的不是 token 调用费，而是订阅留存和高频使用。这和 OpenAI 把 Astra 连同工具链一起推向终端是同一个动作的两个版本：模型厂自己做工具，工具商被迫自建模型能力，中间那层靠信息差吃饭的独立「套壳」生意被两头挤压。

对 Cognition 而言，SWE-2 的低价不是让利，而是获客成本——用每月 20 美元换一个天天在用编程 agent 的用户，比按 token 卖给他更划算，前提是成本真的降得下来。所以那组「步数少 58%、成本降 81%」不是商业模型的副产品，而是商业模型得以成立的地基。

06冷思考：别被 50.0% 骗了

冷水也该泼。以上所有数字都是 Cognition 自报，尚无独立复现；由于不提供独立 API 与公开价目表，所谓「便宜 64%」「成本约四分之一」是拿自家系统与竞品 API 价格做的相对换算，不是一张能照着采购的报价单——基准的运行配置、批量折扣、缓存命中率任何一项变动，都会让这个比例漂移。

更关键的是 Terminal-Bench 4.0 那 28.5 分的落差：在最难的长程任务上，前沿依然领先，而且领先得不体面。便宜能买到的是「把八十分的任务做得同样好、成本低得多」，买不到的是「把最难那一类任务做出来」。对大多数团队来说前者已经足够，但如果你指望 agent 独立扛下跨仓库、跨会话的大型重构，SWE-2 现在还不是那个答案——它把性价比的天花板抬高了，没有把能力的天花板抬到同一高度。

编程模型的竞争已经从「谁更聪明」翻篇到「在离前沿足够近的地方谁更便宜」，而便宜这件事本身，正在从一种模型能力变成一种工程能力。

 其他动态

• DeepSeek 发布 V4.1 Flash：552B 非对称 CED 架构，输入侧仅激活 8B、输出侧 16B，KV Cache 降至上一代的 1/4，缓存命中价 0.02 元/百万 token（降幅 60%），V4 Pro 将于 9 月 14 日下线。
• OpenAI 推出 Agents API 公测：把沙箱、工具调用与环境隔离打包成标准化 API，云端智能体的基础设施层开始收敛。
• 宇树科技开源 UnifoLM-WLA-1.0 通用人形机器人基座模型：6B 参数、约 2500 小时真机数据，单模型统筹 64 个任务（10 全身移动 + 54 桌面），具备跨末端执行器泛化能力。
• 高德发布 ABot-Earth 0.7：称全球首个 3D 原生城市世界模型，消费级 GPU 上约 10 分钟可生成公里级 3D 城市。
• 甲骨文与 OpenAI 签下约 5 年、3000 亿美元算力采购协议；受此推动，甲骨文 RPO 达 4550 亿美元，同比增长 359%。
• 蚂蚁灵波开源 LingBot-World 2.0 三款模型（最小 1.3B 可单卡运行）；面壁智能 MiniCPM5-2B 登上 Hugging Face Trending 榜首。
• Atlassian 发布 agentic engineering 系统：在 Jira 与 DX 侧推出 Code Context、Agent loops、AI Review、DX for Agentic Development 等能力。
• 乐聚联合安徽电信、华为发布全国首个 5G-A 具身智能套餐「具身翼联」，把机器人接入运营商网络资费体系。

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。