Cognition'dan yeni kodlama modeli: rakibinin ucte biri fiyatina

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.