Cognition, perusahaan di balik insinyur perangkat lunak Devin AI, meluncurkan SWE-2 pada hari Kamis, menggambarkannya sebagai model pengkodean paling canggih yang pernah ada. Dalam postingan blog yang dipublikasikan tanggal 10 September, perusahaan tersebut mengatakan bahwa model baru ini mendorong apa yang mereka sebut sebagai batas kemampuan dan biaya Pareto, dengan skor sebesar 50,0% pada benchmark Utama FrontierCode 1.1, sementara biayanya 64% lebih murah dibandingkan Fable 5.1, model Anthropic yang hanya unggul satu poin darinya yaitu sebesar 50,9%.
Peluncuran ini dilakukan hanya sehari setelah Cognition mengkonfirmasi putaran pendanaan sebesar $2 miliar dengan valuasi $48 miliar, dan ini menandakan betapa agresifnya startup pengkodean agen ini berinvestasi dalam pengembangan modelnya sendiri dibandingkan hanya mengandalkan model frontier pihak ketiga. Untuk liputan berkelanjutan mengenai perlombaan coding AI dan hal-hal lain yang menggerakkan industri ini, tandai AI Buzz Wire, sumber harian Anda untuk berita terkini tentang AI.
Dimana SWE-2 Mendapat Tolok Ukur
Menurut hasil Cognition yang dipublikasikan, SWE-2 memposting 50,0% di FrontierCode 1.1 Main, di depan Grok 4.6 sebesar 48,0% dan GPT-5.6 Sol sebesar 47,5%, dan dalam jarak serangan dari GPT-6 Astra, yang memimpin lapangan dengan 53,3%. Pada benchmark DeepSWE 1.1, SWE-2 mencapai 73,0%, kedua setelah Astra yang 74,1% di antara daftar model Cognition.
Pertunjukan terkuat muncul di Terminal-Bench 2.1, di mana SWE-2 mendapat skor 92,8%, angka tertinggi dalam tabel perbandingan Cognition dan mengungguli Fable 5.1 sebesar 91,4% dan GPT-6 Astra sebesar 89,9%. Gambarannya berubah pada Terminal-Bench 4 yang lebih sulit, di mana SWE-2 mengelola 27,3% dibandingkan 57,9% untuk GPT-6 Astra dan 55,8% untuk Fable 5.1, sebuah pengingat bahwa desain model yang mengutamakan efisiensi memberikan ruang kepala pada tingkat kesulitan tugas paling atas.
Cognition merangkum posisinya secara blak-blakan: pada FrontierCode 1.1 Main dan DeepSWE 1.1, SWE-2 mengalahkan model sebelumnya SWE-1.7 dan Grok 4.6 dalam hal skor dan biaya, menyamai GPT-5.6 Sol dan Fable 5/5.1 dengan harga yang lebih murah, dan berada dalam beberapa poin dari GPT-6 Astra dengan seperempat biaya.
Pasca Pelatihan Dari Kimi K3 pada Skala Multi-Triliun
SWE-2 tidak dibangun dari awal. Kognisi melatih model dari Kimi K3, model dasar 2,8 triliun parameter dari Moonshot AI yang telah menjalani pembelajaran penguatan ekstensif untuk pengkodean agen. Selain landasan tersebut, Cognition mengatakan proses RL-nya menambahkan lima hingga enam poin pada banyak tolok ukur dan menggeser seluruh batas kinerja biaya K3.
Perusahaan mengatakan SWE-2 adalah pertama kalinya mereka memperluas pembelajaran penguatan ke rezim multi-triliun parameter, memanfaatkan infrastruktur pelatihan dan resep yang dikembangkan untuk SWE-1.7. Penambahan utamanya adalah algoritme RL yang melatih semua tingkat upaya penalaran dalam satu kali proses, dibandingkan memperlakukan upaya rendah, sedang, dan tinggi sebagai target pelatihan terpisah.
Denda Biaya Membentuk Seluruh Perbatasan
Ide utama dalam pelatihan SWE-2 adalah penalti biaya linier yang diterapkan per tingkat upaya dalam satu kali lari RL, dengan masing-masing penalti disesuaikan dengan kemiringan lokal dari garis depan Pareto model dasar. Cognition mengatakan pendekatan ini, yang berasal dari prinsip pertama, memajukan seluruh batasan kinerja biaya model sambil mempertahankan bentuknya dan mencerminkan biaya pengguna sebenarnya secara langsung dalam pelatihan.
Perusahaan juga merinci dasar imbalan berbobot panjang yang telah digunakan sejak SWE-1.6, yang dianggap telah menstabilkan pelatihan secara signifikan, serta peningkatan pada penayangan peluncuran RL yang mencakup model draf online untuk meningkatkan throughput decoding. Dengan kernel NVFP4 dan FP8 serta pelatihan sadar kuantisasi, Cognition mengatakan hal ini mengurangi penggunaan memori secara keseluruhan meskipun model dasar memiliki parameter hampir tiga kali lipat dari pendahulunya.
Saluran data pelatihan juga diperluas: Kognisi melipatgandakan jumlah lingkungan RL, menambahkan overlay yang mengikuti instruksi, dan membangun roda gila yang didukung oleh pos pemeriksaan SWE-2 sebelumnya yang secara berulang memperkuat verifikator yang digunakan untuk menilai model.
Efisiensi dan Kecerdasan
Kognisi membingkai kemajuan SWE-2 terkait erat dengan efisiensi. Penilaian teknik yang lebih kuat, kata perusahaan, memungkinkan agen menulis solusi yang lebih lengkap dengan lebih sedikit jalan memutar dan pembacaan yang berlebihan. Pada FrontierCode 1.1 Main, konfigurasi SWE-2 dengan upaya sedang mendapat skor lebih tinggi daripada SWE-1.7 dengan putaran 58% lebih sedikit dan biaya 81% lebih sedikit.
Pembingkaian itu penting bagi bisnis Cognition. Devin dijual sebagai insinyur perangkat lunak otonom, dan biaya inferensi merupakan masukan langsung ke harga dan margin. Model yang mempertahankan kualitas yang berdekatan dengan batas sambil memotong giliran dan token per tugas mengubah keekonomian setiap sesi Devin yang dilayani perusahaan.
Ketersediaan
SWE-2 tersedia mulai hari ini di Devin Desktop dan Devin CLI, dengan peluncuran di Devin Web dan Fusion sedang berlangsung, menurut perusahaan. Cognition mengatakan pengguna akan melihat model tersebut muncul di seluruh permukaan dalam beberapa hari mendatang.
Apa Artinya bagi Pasar Model Pengkodean
Pelepasan ini memperketat kelompok yang sudah ramai di belakang GPT-6 Astra. Cognition kini memiliki model yang mampu bertukar pukulan dengan penawaran dari Anthropic, OpenAI, dan xAI dengan biaya yang jauh lebih rendah, dan mengontrol keseluruhan model hingga produk agen. Pesaing akan menghadapi tekanan untuk merespons harga dan kemampuan, terutama untuk tugas-tugas bervolume tinggi dan tingkat kesulitan sedang dimana profil biaya SWE-2 paling kuat.
Bagi pembeli alat pengkodean AI, manfaat praktisnya adalah bahwa bantuan pengkodean tingkat terdepan tidak lagi memerlukan harga tingkat terdepan. Bagi industri lainnya, SWE-2 adalah bukti bahwa efisiensi pasca pelatihan dan infrastruktur, bukan hanya skala model dasar, telah menjadi faktor penentu persaingan.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
