Компания Cognition представила модель для программирования SWE-2, дообученную на базе Kimi K3. Инструмент доступен исключительно внутри платформы Devin, включая версии для Desktop и CLI, при этом интеграции Web и Fusion находятся в разработке. Открытые веса и API для модели не предусмотрены.
В основе SWE-2 лежит алгоритм обучения с подкреплением, масштабированный до уровня нескольких триллионов параметров. Новая методика позволяет тренировать три уровня интенсивности работы за один проход, что обеспечивает одновременное улучшение показателей производительности и стоимости.
Согласно внутреннему тесту FrontierCode, SWE-2 демонстрирует результаты на уровне Fable 5.1, снижая затраты на 64%. По сравнению с предыдущей версией SWE-1.7, модель в режиме средней интенсивности показывает более высокие баллы, требуя на 58% меньше итераций и сокращая расходы на 81%.
Технические доработки включают использование префилл-задержки, увеличивающей скорость обработки токенов на 10–20%, и применение метода спекулятивного декодирования DSpark. Квантование с использованием ядер NVFP4 и FP8 позволило оптимизировать потребление памяти и снизить расхождения между обучением и выводом.
Cognition в три раза увеличила количество сред для обучения с подкреплением и внедрила систему автоматической корректировки верификаторов. В тестах на доверие модель показала 98% успешных ответов на политически чувствительные вопросы о Китае на английском, упрощенном и традиционном китайском языках.
