Cognition 发布代码模型 SWE-2：基于 Kimi K3 强化学习后训练，推理成本降低 64%

Cognition 于 2026 年 9 月 12 日正式发布编程模型 SWE-2，基于开源模型 Kimi K3 进行多万亿参数规模的强化学习后训练，聚焦优化代码智能体的性能与成本平衡。

• 官方数据显示，SWE-2 在 FrontierCode 1.1 基准测试中取得 50.0% 的得分，性能接近 Fable 5.1，同时官方评估其运行成本降低约 64%。
• 该模型在单一强化学习训练过程中引入基于帕累托前沿的线性成本惩罚机制，实现了多级推理强度的联合优化。
• 行为分析表明，该模型减少了在简单任务上的冗余代码探索，并采用投机解码与量化技术提升推理吞吐率。
• SWE-2 暂未开放权重与独立 API，仅集成于 Devin 客户端与相关工作流中。
• 影响/看点：这表明智能体后训练正向精细化成本控制与探索效率优化转变，但其实际效益仍需在更多真实工程场景中验证。
• 资料依据：
• Cognition 官方博客（2026-09-12）：https://cognition.ai/blog/swe-2
• MarkTechPost（2026-09-12）：https://www.marktechpost.com/2026/09/12/cognition-releases-swe-2-a-kimi-k3-post-trained-coding-model-that-matches-fable-5-1-on-frontiercode-at-64-lower-cost/

本内容由 AI 生成，仅供参考，请注意甄别