> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Cognition'dan yeni kodlama modeli: rakibinin ucte biri fiyatina
- URL: https://globalfeed.ai/cognitiondan-swe-2-frontiercode-testinde-50-skor-fable-5-1den-64-daha-ucuz/
- Published: 2026-09-11T17:56:51.000Z
- Updated: 2026-09-11T17:56:51.000Z
- Description: Cognition, kodlama modeli SWE-2'yi duyurdu; şirkete göre model FrontierCode 1.1 Main'de %50,0 aldı ve Fable 5.1'in bir puan altında kalırken %64 daha ucuz.
- Author: GlobalFeed Editor
- Tags: Cognition, SWE-2, yapay zeka, x-cognition_labs, dil-tr, denetim-gerekli, video

Cognition, kodlama odaklı yeni modeli **SWE-2**'yi yayınladı. Şirketin blog yazısına göre model, FrontierCode 1.1 Main değerlendirmesinde %50,0 skor aldı; bu sonuç Fable 5.1'in bir puan altında kalırken maliyeti %64 daha düşük.

SWE-2, 2,8 trilyon parametreli **Kimi K3** üzerinden son eğitimle (post-training) üretildi. Cognition, K3'ün ajan tabanlı kodlama için zaten kapsamlı pekiştirmeli öğrenmeden (RL) geçmiş olmasına rağmen kendi RL aşamasının birçok kıyaslamada 5-6 puan daha eklediğini söylüyor. Şirket, RL'i ilk kez çok trilyon parametre ölçeğine taşıdığını belirtiyor.

## Maliyet ve davranış

Cognition'ın aktardığı karşılaştırmalar şöyle: FrontierCode 1.1 Main ve DeepSWE 1.1'de SWE-2, hem skor hem maliyet açısından SWE-1.7 ve Grok 4.6'yı geçiyor; GPT-5.6 Sol ile Fable 5/5.1 seviyesine çok daha düşük fiyatla ulaşıyor ve GPT-6 Astra'nın birkaç puan gerisinde, maliyetinin dörtte biriyle kalıyor.

Verimlilik tarafında şirket, SWE-2 medium'un SWE-1.7'den yüksek puan alırken %58 daha az tur kullandığını ve ortalamada %81 daha az maliyet çıkardığını bildiriyor. SWE-2 medium ilk gerçek düzenlemeye medyan 18 adımda geçiyor; SWE-1.7'de bu sayı 48\. Cognition, önceki modelin basit görevlerde aşırı keşif yaptığı yönünde kullanıcı geri bildirimi aldıklarını, SWE-2'deki kazancın büyük bölümünün odaklı keşiften geldiğini yazıyor. Yüksek ve maksimum efor seviyeleri ise karmaşık görevlerde daha çok planlama ve doğrulama yapıyor.

## Tek koşuda tüm efor seviyeleri

Yöntem tarafındaki temel değişiklik, bütün akıl yürütme efor seviyelerini tek bir RL koşusunda eğiten bir algoritma. Cognition, R = S - λ\_e C biçiminde maliyet cezalı bir ödül fonksiyonu kullanıyor: S başarıyı, C rollout maliyetini (dolar cinsinden çıkarım maliyeti ve süre karışımı) gösteriyor, λ\_e ise temel modelin ilgili efor seviyesindeki Pareto eğrisinin eğimine göre ayarlanıyor. Şirket, doğrusal cezanın bu hedef için zorunlu olduğunu iddia ediyor.

SWE-2 bugünden itibaren Devin Desktop ve CLI'da kullanılabiliyor, Devin Web ile Fusion'a dağıtımı sürüyor. Ayrıntılar [Cognition'ın duyurusunda](https://cognition.com/blog/swe-2?ref=globalfeed.ai).