一个给日常工程活用的小号 SWE-2
Devin 背后的 Cognition 于 11 月 4 日在官方博客发布 SWE-2 Flash。定位很直接：自动化脚本、代码审查、功能开发、更新文档这类软件智能体日常要做的大部分工作，越来越多可以交给小模型，难活仍留给大号的 SWE-2。SWE-2 Flash 当天在 Devin Desktop 和 CLI 上线，官方给出的口径是价格为 SWE-2 的五分之一、速度约为三倍；博客里的演示按每秒 200 个 token 对比 SWE-2 的 60 个回放同一道 Terminal-Bench 4.0 任务。页面没有列出按 token 计的价格，11 月 30 日前可免费使用。
基座换成 Inkling-Small，第一次加中期训练
SWE-2 Flash 的基座是 Thinking Machines 的 Inkling-Small，总参数 276B、每个 token 激活 12B；作为对比，SWE-2 是 2.8T 总参数、104B 激活。Cognition 称这是一个「完全美国产」的编程模型。训练配方的变化在于，Cognition 第一次在强化学习之前加了一个大规模中期训练阶段：先用一套留出的真实软件工程数据集比较不同数据配比的 token 效率，最终选定由几万亿 token 的高质量科学文章、博客、代码等组成的数据，分三个阶段训练，最稀缺、质量最高的数据放在后面。随后的强化学习配方只做了小改，提升主要来自任务本身的质量和多样性。
按官方数据，中期训练加强化学习让 Terminal-Bench 4.0 从基座的 0.9% 升到 20.0%，FrontierCode 2.0 从 3.2% 升到 24.0%。
「超过美国开源模型」之外的那几列
Cognition 的说法是，SWE-2 Flash 在主流评测上超过所有美国开源权重模型，包括大三倍的模型（表中的 Muse Spark Open 为 816B 总参数）。同一张对比表也列出了其他模型：Terminal-Bench 4.0 上，GLM 5.3 Flash 为 41.8、DeepSeek V4.1 Flash 1017 为 42.3、Claude Haiku 5.5 为 39.2，都明显高于 SWE-2 Flash 的 20.0；FrontierCode 2.0 上 Claude Haiku 5.5 为 27.7，也高于它。SWE-Bench Pro v2 Hard 上 SWE-2 Flash 为 89.9，与 SWE-2 的 90.6 接近。以上分数均为 Cognition 自己公布，暂无第三方复现。
权重为什么不放
训练中 Cognition 专门加强了网络安全任务，ExploitBench 从基座的 11.3% 升到 34.8%。官方称这类能力同样可被攻击者利用，因此暂不公开权重，而是在搭建一个向可信行业伙伴和研究机构安全共享权重的计划，细节「几周后」公布。对开发者来说，眼下 SWE-2 Flash 只能在 Devin 的产品里用；它更值得关注的是两点：头部编程智能体公司开始用小模型承接日常流量，以及「先中期训练、再强化学习」把一个基础分很低的基座拉到了可用水平。