Cognition发布SWE-2 Flash：276B小钢炮跑到200 tok/s，价格砍到SWE-2的1/5，编程Agent账本要重算

Devin背后的公司Cognition，11月4日扔出一颗重磅炸弹：SWE-2 Flash正式上线。这是一款纯美国血统的编程模型，价格只有SWE-2的五分之一，速度快三倍。对于每天指挥AI写代码的开发者来说，成本结构正在被改写。

基座换了，这才是真正的新闻

SWE-2 Flash的参数规模是276B总参数、12B激活。基座来自Mira Murati的Thinking Machines Lab，今年7月以Apache 2.0协议开源的Inkling-Small。

这个选择很关键。八个星期前发布的SWE-2有2.8万亿参数、104B激活，基座是月之暗面的Kimi K3。SWE-2 Flash直接砍掉八分之九的激活参数，价格能压到五分之一，逻辑上完全站得住——推理成本主要跟着激活参数量和生成Token数走，跟榜单分数关系不大。

Cognition在公告第一句话就强调”fully American coding model”。供应链确实换了：美国实验室的基座权重，加上美国公司的后训练。不过Inkling-Small是Apache 2.0开放权重，谁都能下载，这层叙事的实际护城河有限。Cognition真正握在手里的，是中训练和强化学习那部分，而这恰恰是他们暂不公开的部分。

中训练立了大功：Terminal-Bench 4.0从0.9%拉到20.0%

Cognition这次在训练配方里首次加入mid-training阶段，放在强化学习之前。效果立竿见影：

• Terminal-Bench 4.0：从基座的0.9%提升到20.0%
• FrontierCode 2.0：从3.2%提升到24.0%

方法是先用Token效率曲线筛选数据配比——测量每种候选数据达到同样验证损失需要多少Token，再和基线对比。最终的中训练数据集由几万亿Token的高质量科学文章、博客、代码组成，分三个阶段训练，让最稀缺、最高质量的数据出现在训练后期。

中训练之后是大规模强化学习。Cognition表示，相比SWE-2，配方改动不大，收益主要来自RL任务质量和多样性的提升：逐条审计指令、环境配置和验证器，同时新增多种任务类型，覆盖Devin真实工作里需要的通用推理能力。

榜单成绩：逼平三倍大的模型

官方公布的基准数据里，几项成绩值得细看：

• Terminal-Bench 2.1：89.2
• SWE-Bench Pro v2 Hard：89.9
• DeepSWE 1.1：60.1
• ExploitBench：34.8（基座只有11.3%）

Cognition的表述是：SWE-2 Flash超越所有美国开放权重模型，包括体量大三倍的对手。对照表里，Muse Spark Open（816B-A42B）在Terminal-Bench 4.0只有8.0，Beam 1.0（501B-A23B）只有4.0，而SWE-2 Flash拿到20.0。

和头部模型的差距也要说清楚。DeepSeek V4.1 Flash 1017在Terminal-Bench 4.0拿到42.3，GLM 5.3 Flash拿到41.8，都明显高于20.0。SWE-2 Flash打的是性价比牌，不是天花板牌。

怎么用、多少钱、哪些坑

发行渠道是第一道门槛：SWE-2 Flash目前只在Devin Desktop和Devin CLI里可用，没有公开API，没有Hugging Face仓库，也没有按百万Token计价的费率表。”五分之一的价格”指的是Devin产品内跑任务的综合成本，把模型、脚手架和Cognition的推理栈折成一张账单，没法直接换算成Token单价去和DeepSeek、GLM对比。

价格福利有时限：11月30日之前免费。想试的开发者，窗口还剩几周。

权重暂时拿不到。Cognition在网络安全上做了专项训练，ExploitBench从11.3%提到34.8%，同一批能力攻击者也能用，加上近期的网络攻击激增，他们选择暂不公开权重，改为在几周内启动一个面向可信行业伙伴和研究机构的安全共享计划。企业客户可以申请本地部署、可微调的版本，学术界也能研究模型行为——透明和风险之间，Cognition选了第三条路。

开发者该怎么看

三个信号值得记下。

其一，激活参数才是成本主宰。276B总参数听起来吓人，12B激活决定了它跑得快、卖得便宜。选模型先看A后缀的数字。

其二，中小型模型接管日常工程活的趋势在加速。Cognition自己就说，自动化、代码审查、功能开发、文档更新这类工作，小模型已经能承担很大一部分。旗舰模型留给硬骨头，杂活交给Flash，这是2026年AI Agent成本优化的标准打法。

其三，基座采购多元化了。从Kimi K3到Inkling-Small，Cognition证明了顶级编程Agent的基座不必绑定某一家。后训练和数据工程的价值正在超过基座本身。

账本重算的时间到了。同样的编码任务，用SWE-2 Flash在Devin里跑，成本可能是原来的五分之一，等待时间缩短三分之二。你的Agent流水线里，有多少任务还养着不该养的大模型？