Η Cognition λανσάρει το SWE-2 Flash για ταχύτερους πράκτορες προγραμματισμού με χαμηλότερο κόστος

Η Cognition ανακοίνωσε το SWE-2 Flash στις 4 Νοεμβρίου 2026 και αναφέρει ότι το μοντέλο προγραμματισμού λειτουργεί με τριπλάσια ταχύτητα και στο ένα πέμπτο του κόστους του μεγαλύτερου μοντέλου της, SWE-2. Διατίθεται στο Devin Desktop και μέσω CLI και προορίζεται για συνήθεις εργασίες πρακτόρων λογισμικού, όχι για να υπερέχει σταθερά σε όλα τα benchmarks.

Οι προβλεπόμενες εργασίες περιλαμβάνουν αυτοματισμούς, αναθεώρηση κώδικα, ανάπτυξη λειτουργιών και ενημερώσεις τεκμηρίωσης, ενώ η δωρεάν χρήση προσφέρεται έως τις 30 Νοεμβρίου 2026. Το Flash έχει συνολικά 276 δισεκατομμύρια παραμέτρους, εκ των οποίων οι 12 δισεκατομμύρια είναι ενεργές, αριθμούς που αντιστοιχούν σε εκείνους του Inkling-Small της Thinking Machines Lab, του βασικού μοντέλου με μείγμα ειδικών που προσάρμοσε η Cognition. Η Thinking Machines δημοσίευσε τα πλήρη βάρη του Inkling-Small στις 30 Ιουλίου 2026.

Βελτιώσεις και συμβιβασμοί στα benchmarks

Η Cognition αναφέρει τις ακόλουθες βαθμολογίες αξιολόγησης, οι οποίες δείχνουν σημαντικές βελτιώσεις σε σύγκριση με το Inkling-Small, αλλά ανάμεικτα αποτελέσματα έναντι του SWE-2:

Στη σύγκριση της Cognition, το Flash ξεπερνά οριακά το SWE-2 στο FrontierCode 2.0, ενώ το SWE-2 σημειώνει υψηλότερες βαθμολογίες στα Terminal-Bench 4.0 και DeepSWE 1.1. Τα αποτελέσματα παρουσιάζουν το Flash ως εναλλακτική με χαμηλότερο κόστος και μεγαλύτερη ταχύτητα, όχι ως πλήρη αντικαταστάτη του μεγαλύτερου αδελφού μοντέλου του.

Η Cognition αναφέρει ότι το Flash υπερέχει έναντι όλων των αμερικανικών μοντέλων ανοικτών βαρών στις κορυφαίες αξιολογήσεις που δημοσιεύει, ακόμη και έναντι μοντέλων τριπλάσιου μεγέθους. Η απεικόνιση της ταχύτητας παραγωγής κειμένου προσδιορίζει με ακρίβεια τη μέθοδο: η εκτέλεση gsea-proteomics του Terminal-Bench 4.0 για κάθε μοντέλο αναπαράγεται με προσομοιωμένες ταχύτητες 200 token ανά δευτερόλεπτο για το Flash και 60 για το SWE-2, ενώ τα απομαγνητοφωνημένα κείμενα περικόπτονται ώστε να έχουν το ίδιο μήκος.

Ενδιάμεση εκπαίδευση και ενισχυτική μάθηση

Η Cognition αναφέρει ότι αυτή είναι η πρώτη φορά που η μεθοδολογία της τοποθετεί μια ενδιάμεση φάση εκπαίδευσης μεγάλης κλίμακας πριν από την ενισχυτική μάθηση. Για να επιλέξει το μείγμα δεδομένων, η ομάδα επιμελήθηκε ένα σύνολο δεδομένων προγραμματισμού που κρατήθηκε εκτός εκπαίδευσης και προοριζόταν να αναπαριστά πραγματικά σενάρια μηχανικής λογισμικού. Τα υποψήφια μείγματα συγκρίθηκαν με βάση τον αριθμό των token που απαιτούσε το καθένα για να φτάσει στην απώλεια επικύρωσης της βασικής εκτέλεσης, καθιστώντας την αποδοτικότητα ως προς τα token κριτήριο επιλογής.

Το τελικό μείγμα περιείχε λίγα τρισεκατομμύρια token από επιστημονικά άρθρα, ιστολόγια, κώδικα και άλλες πηγές. Η εκπαίδευση πραγματοποιήθηκε σε τρία στάδια, ώστε τα σπανιότερα και υψηλότερης ποιότητας δεδομένα να χρησιμοποιηθούν αργότερα. Η Cognition αναφέρει ότι η απώλεια επικύρωσης στο σύνολο δεδομένων που είχε κρατηθεί εκτός εκπαίδευσης βελτιωνόταν με σταθερό λογαριθμογραμμικό ρυθμό σε όλα τα στάδια.

Ακολούθησε ενισχυτική μάθηση μεγάλης κλίμακας. Η Cognition αποδίδει το μεγαλύτερο μέρος της βελτίωσης σε σχέση με τη μεθοδολογία του SWE-2 στην υψηλότερη ποιότητα και τη μεγαλύτερη ποικιλία των εργασιών, όχι σε προσαρμογές της μεθοδολογίας. Η ομάδα έλεγξε τις οδηγίες των εργασιών, τη ρύθμιση των περιβαλλόντων και τους επαληθευτές, ενώ πρόσθεσε τύπους εργασιών που αποσκοπούν στην ανάπτυξη ευρύτερης συλλογιστικής και ικανότητας επίλυσης προβλημάτων για πραγματικές ροές εργασίας του Devin.

Περιορισμένη πρόσβαση στα βάρη

Τα βάρη του Flash δεν διατίθενται ακόμη δημόσια. Η Cognition αναπτύσσει ένα ασφαλές πρόγραμμα κοινοποίησής τους για έμπιστους βιομηχανικούς εταίρους και ερευνητικά εργαστήρια, με περισσότερες λεπτομέρειες να αναμένονται. Η προβλεπόμενη πρόσβαση θα επέτρεπε στους εγκεκριμένους εταίρους να προσαρμόζουν περαιτέρω το μοντέλο και να το εκτελούν σε ευαίσθητα περιβάλλοντα που ελέγχονται από τους πελάτες, μεταξύ άλλων σε υποδομές εντός των εγκαταστάσεών τους, ενώ οι ερευνητές θα μπορούσαν να μελετούν τη συμπεριφορά του και την πιθανή κακόβουλη χρήση του.

Η Cognition αναφέρει ότι η στοχευμένη εκπαίδευση στον τομέα της κυβερνοασφάλειας αύξησε τη βαθμολογία στο ExploitBench από 11,3% για το Inkling-Small σε 34,8%, αλλά προειδοποιεί ότι οι ίδιες δυνατότητες θα μπορούσαν να βοηθήσουν κακόβουλους επιτιθέμενους, γεγονός που οδήγησε στην απόφαση να μην κυκλοφορήσουν δημόσια τα βάρη.

Η ανάρτηση της Cognition για την ασφάλεια, στις 26 Οκτωβρίου 2026, περιγράφει πώς η ΤΝ επιταχύνει το έργο τόσο των επιτιθέμενων όσο και των αμυνομένων και εξετάζει τις ευπάθειες απομακρυσμένης εκτέλεσης κώδικα σε PHP και Node.js, οι οποίες γνωστοποιήθηκαν στις 21 Οκτωβρίου 2026.

Η κυκλοφορία διαχωρίζει την άμεση χρησιμότητα από την ευρύτερη πρόσβαση. Στο Devin, το Flash αποτελεί, σύμφωνα με την Cognition, μια επιλογή χαμηλότερου κόστους και μεγαλύτερης ταχύτητας για καθημερινές εργασίες μηχανικής λογισμικού. Πέρα από αυτό το προϊόν, η αξία του για τις επιχειρήσεις και τους ερευνητές εξαρτάται από το κατά πόσο το σχεδιαζόμενο πρόγραμμα θα μπορεί να προσφέρει προσαρμογή του μοντέλου και ανάπτυξη σε περιβάλλοντα που ελέγχονται από τους πελάτες, τηρώντας τους περιορισμούς ασφαλείας που έχει θέσει η Cognition.