Cognition revela o swe-2: um modelo de codificação de baixo custo que supera o fable 5.1 no frontiercode

A Cognition, a empresa por trás do agente de codificação Devin, lançou o SWE-2, seu modelo de codificação mais avançado até o momento. O SWE-2 foi treinado posteriormente usando aprendizado por reforço a partir do modelo Kimi K3 da Moonshot AI, com 2,8T de parâmetros. Ele alcança uma pontuação de 50,0% no FrontierCode 1.1 Main, quase igualando o Fable 5.1 com 64% menos custo. O modelo também apresenta níveis selecionáveis de esforço de raciocínio, todos treinados em uma única execução de RL. O SWE-2 se baseia na infraestrutura do SWE-1.7, que foi treinado no Kimi K2.7. A Cognition escalou o RL para o regime de trilhões de parâmetros, usando um modelo base com quase três vezes mais parâmetros. O algoritmo de RL do modelo treina todos os três níveis de esforço em uma única execução, com cada nível tendo sua própria penalidade de custo. A Cognition relata que o SWE-2 supera seu modelo base K3 em todas as avaliações, embora fique atrás do Fable 5.1 e do GPT-6 Astra em cerca de 30 pontos na Terminal-Bench 4. O modelo também demonstra melhor eficiência, com o SWE-2 médio obtendo pontuações mais altas do que o SWE-1.7, enquanto utiliza 58% menos turnos e custa 81% menos. A Cognition destaca melhorias comportamentais, como maior cobertura de testes, capacidade de lidar com ferramentas bloqueadas e disciplina de verificação. A empresa também detalha inovações técnicas, como penalidades de custo informadas por Pareto e linhas de base de recompensa ponderadas por comprimento, para melhorar o desempenho e a estabilidade do treinamento.