Cognition, das Unternehmen hinter dem KI-Softwareentwickler Devin, stellte am Donnerstag SWE-2 vor und beschrieb es als sein bisher fortschrittlichstes Codierungsmodell. In einem am 10. September veröffentlichten Blogbeitrag erklärte das Unternehmen, dass das neue Modell die Pareto-Grenze in Bezug auf Leistungsfähigkeit und Kosten verschiebt und im Hauptbenchmark von FrontierCode 1.1 einen Wert von 50,0 % erreicht, während es 64 % weniger kostet als Fable 5.1, das Anthropic-Modell, das mit 50,9 % nur einen Punkt vor ihm liegt.

Der Start erfolgt kaum einen Tag, nachdem Cognition eine Finanzierungsrunde in Höhe von 2 Milliarden US-Dollar mit einer Bewertung von 48 Milliarden US-Dollar bestätigt hat, und zeigt, wie aggressiv das Agentencodierungs-Startup in die eigene Modellentwicklung investiert, anstatt sich ausschließlich auf Frontier-Modelle von Drittanbietern zu verlassen. Für eine kontinuierliche Berichterstattung über den KI-Coding-Wettbewerb und alles andere, was die Branche bewegt, setzen Sie ein Lesezeichen auf AI Buzz Wire, Ihre tägliche Quelle für aktuelle KI-Nachrichten.

Wo SWE-2 auf den Benchmarks landet

Den veröffentlichten Ergebnissen von Cognition zufolge erreicht SWE-2 50,0 % auf FrontierCode 1.1 Main, vor Grok 4,6 mit 48,0 % und GPT-5,6 Sol mit 47,5 % und in Schlagdistanz zu GPT-6 Astra, das mit 53,3 % das Feld anführt. Beim DeepSWE 1.1-Benchmark erreicht SWE-2 73,0 % und liegt damit nach Astra mit 74,1 % an zweiter Stelle unter den Modellen, die Cognition auflistet.

Das stärkste Ergebnis erzielt Terminal-Bench 2.1, wo SWE-2 92,8 % erreicht, den höchsten Wert in der Vergleichstabelle von Cognition und vor Fable 5.1 mit 91,4 % und GPT-6 Astra mit 89,9 %. Das Bild ändert sich auf dem härteren Terminal-Bench 4, wo SWE-2 27,3 % schafft, gegenüber 57,9 % für GPT-6 Astra und 55,8 % für Fable 5.1, eine Erinnerung daran, dass das Effizienz-First-Design des Modells Spielraum am obersten Ende der Aufgabenschwierigkeit lässt.

Cognition bringt die Positionierung unverblümt auf den Punkt: Auf FrontierCode 1.1 Main und DeepSWE 1.1 übertrifft SWE-2 seine Vorgängermodelle SWE-1.7 und Grok 4.6 sowohl bei der Punktzahl als auch bei den Kosten, erreicht GPT-5.6 Sol und Fable 5/5.1 zu einem Bruchteil ihres Preises und kommt bei einem Viertel der Kosten nur wenige Punkte an GPT-6 Astra heran.

Nach dem Training von Kimi K3 im Multi-Billionen-Maßstab

SWE-2 ist nicht von Grund auf neu gebaut. Cognition hat das Modell von Kimi K3 nachtrainiert, einem Basismodell mit 2,8 Billionen Parametern von Moonshot AI, das bereits umfangreiches Verstärkungslernen für die Agentencodierung durchlaufen hatte. Darüber hinaus sagt Cognition, dass sein RL-Prozess bei vielen Benchmarks fünf bis sechs Punkte hinzugefügt und die gesamte Kosten-Leistungs-Grenze von K3 verschoben hat.

Das Unternehmen gibt an, dass SWE-2 das erste Mal ist, dass es Reinforcement Learning auf das Multi-Billionen-Parameter-Regime skaliert und dabei auf der Trainingsinfrastruktur und dem Rezept aufbaut, die für SWE-1.7 entwickelt wurden. Die wichtigste Ergänzung ist ein RL-Algorithmus, der alle Ebenen des Denkaufwands in einem einzigen Durchgang trainiert, anstatt niedrige, mittlere und hohe Anstrengung als separate Trainingsziele zu behandeln.

Kosteneinbußen prägen die gesamte Grenze

Eine zentrale Idee im Training von SWE-2 ist eine lineare Kostenstrafe, die pro Aufwandsstufe innerhalb eines einzelnen RL-Laufs angewendet wird, wobei jede Strafe auf die lokale Steigung der Pareto-Grenze des Basismodells abgestimmt ist. Cognition sagt, dass dieser Ansatz, der auf ersten Prinzipien basiert, die gesamte Kosten-Leistungs-Grenze des Modells erweitert, dabei seine Form beibehält und die tatsächlichen Benutzerkosten so direkt wie möglich im Training widerspiegelt.

Das Unternehmen hat außerdem eine längengewichtete Belohnungsbasislinie detailliert beschrieben, die es seit SWE-1.6 verwendet hat und der es eine deutlich stabilisierende Ausbildung zuschreibt, zusammen mit Verbesserungen bei der Bereitstellung von RL-Rollouts, zu denen ein Online-Entwurfsmodell zur Erhöhung des Decodierungsdurchsatzes gehört. Mit NVFP4- und FP8-Kerneln und quantisierungsbewusstem Training konnte laut Cognition die Gesamtspeichernutzung reduziert werden, obwohl das Basismodell fast dreimal so viele Parameter wie sein Vorgänger hatte.

Auch die Trainingsdatenpipeline wurde erweitert: Cognition verdreifachte die Anzahl der RL-Umgebungen, fügte Overlays zur Befehlsfolge hinzu und baute ein Schwungrad auf, das auf früheren SWE-2-Prüfpunkten basiert und die zur Bewertung des Modells verwendeten Prüfer iterativ härtet.

Effizienz ebenso wie Intelligenz

Die Erkenntnis geht davon aus, dass die Vorteile von SWE-2 eng mit der Effizienz verknüpft sind. Ein stärkeres technisches Urteilsvermögen, so das Unternehmen, ermöglicht es dem Agenten, umfassendere Lösungen mit weniger Umwegen und redundanten Lesevorgängen zu schreiben. Auf FrontierCode 1.1 Main schneidet die Konfiguration mit mittlerem Aufwand von SWE-2 besser ab als SWE-1.7, erfordert aber 58 % weniger Abbiegevorgänge und kostet 81 % weniger.

Dieser Rahmen ist für das Geschäft von Cognition wichtig. Devin wird als autonomer Softwareentwickler verkauft und die Inferenzkosten sind ein direkter Faktor für die Preisgestaltung und Margen. Ein Modell, das grenzüberschreitende Qualität bietet und gleichzeitig Runden und Token pro Aufgabe reduziert, verändert die Wirtschaftlichkeit jeder Devin-Sitzung, die das Unternehmen bedient.

Verfügbarkeit

Nach Angaben des Unternehmens ist SWE-2 ab heute in Devin Desktop und Devin CLI verfügbar, ein Rollout auf Devin Web und Fusion ist im Gange. Laut Cognition sollten Benutzer das Modell in den kommenden Tagen auf allen Oberflächen sehen.

Was es für den Codierungsmodellmarkt bedeutet

Die Veröffentlichung verdichtet die ohnehin schon überfüllte Gruppe hinter GPT-6 Astra. Cognition verfügt nun über ein Modell, das zu deutlich geringeren Kosten mit Angeboten von Anthropic, OpenAI und xAI konkurriert und den gesamten Stack vom Modell bis zum Agentenprodukt kontrolliert. Die Konkurrenten werden unter dem Druck stehen, sowohl auf den Preis als auch auf die Leistungsfähigkeit zu reagieren, insbesondere bei Aufgaben mit hohem Volumen und mittlerem Schwierigkeitsgrad, bei denen das Kostenprofil von SWE-2 am stärksten ist.

Für Käufer von KI-Codierungstools besteht die praktische Erkenntnis darin, dass Codierungshilfe auf Frontier-Ebene keine Preise auf Frontier-Ebene mehr erfordert. Für den Rest der Branche ist SWE-2 ein Beweis dafür, dass Post-Training und Infrastruktureffizienz, nicht nur der Maßstab des Basismodells, zu einem entscheidenden Wettbewerbshebel geworden sind.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →