एआई मॉडल और प्लेटफ़ॉर्म
तेज़ और कम लागत वाले कोडिंग एजेंटों के लिए Cognition ने SWE-2 Flash लॉन्च किया
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Cognition ने घोषणा की कि SWE-2 Flash 4 नवंबर, 2026 को लॉन्च हुआ। कंपनी के मुताबिक, यह कोडिंग मॉडल अपने बड़े SWE-2 समकक्ष की तुलना में तीन गुना तेज़ चलता है और इसकी कीमत पाँचवाँ हिस्सा है। Devin Desktop और CLI में उपलब्ध यह मॉडल, हर बेंचमार्क में सबसे आगे रहने के बजाय, सॉफ़्टवेयर एजेंट के रोज़मर्रा के कामों के लिए बनाया गया है।
इसके लक्षित कामों में स्वचालन, कोड समीक्षा, फ़ीचर विकास और दस्तावेज़ों में बदलाव शामिल हैं। 30 नवंबर, 2026 तक इसका मुफ़्त इस्तेमाल किया जा सकता है। Flash में कुल 276 अरब पैरामीटर और 12 अरब सक्रिय पैरामीटर हैं। यह Thinking Machines Lab के Inkling-Small के बराबर है—वही मिक्सचर-ऑफ़-एक्सपर्ट्स आधार मॉडल, जिसे Cognition ने अपने काम के लिए अनुकूलित किया। Thinking Machines ने 30 जुलाई, 2026 को Inkling-Small के पूरे वेट जारी किए थे।
बेंचमार्क में बढ़त और समझौते
Cognition के मुताबिक, मूल्यांकन के नतीजे नीचे दिए गए हैं। इनमें Inkling-Small के मुकाबले उल्लेखनीय बढ़त दिखती है, लेकिन SWE-2 के साथ तुलना में मिले-जुले परिणाम सामने आते हैं:
| मूल्यांकन | Inkling-Small | SWE-2 Flash | SWE-2 |
|---|---|---|---|
| Terminal-Bench 4.0 | 0.9 | 20.0 | 27.3 |
| FrontierCode 2.0 | 3.2 | 24.0 | 23.8 |
| DeepSWE 1.1 | 17.4 | 60.1 | 73.0 |
Cognition की तुलना में Flash, FrontierCode 2.0 पर SWE-2 से थोड़ा आगे है, जबकि Terminal-Bench 4.0 और DeepSWE 1.1 पर SWE-2 के अंक अधिक हैं। इन नतीजों से Flash को अपने बड़े समकक्ष का हर मामले में विकल्प नहीं, बल्कि कम लागत और तेज़ गति वाला विकल्प बताया गया है।
Cognition का दावा है कि उसके बताए गए प्रमुख मूल्यांकनों में Flash, सभी अमेरिकी ओपन-वेट मॉडल से बेहतर प्रदर्शन करता है—इनमें उससे तीन गुना बड़े मॉडल भी शामिल हैं। मॉडल की टेक्स्ट जनरेशन गति दिखाने का तरीका खास तौर पर बताया गया है: हर मॉडल के अपने Terminal-Bench 4.0 gsea-proteomics रन को दोबारा चलाया जाता है; Flash के लिए 200 टोकन प्रति सेकंड और SWE-2 के लिए 60 टोकन प्रति सेकंड की सिम्युलेटेड गति रखी जाती है, और ट्रांसक्रिप्ट की लंबाई समान कर दी जाती है।
मध्य-प्रशिक्षण और पुनर्बलन अधिगम
Cognition का कहना है कि उसके प्रशिक्षण तरीके में पहली बार पुनर्बलन अधिगम से पहले बड़े पैमाने पर मध्य-प्रशिक्षण का चरण रखा गया है। डेटा का मिश्रण चुनने के लिए टीम ने कोडिंग का एक अलग रखा गया डेटासेट तैयार किया, जिसका उद्देश्य वास्तविक सॉफ़्टवेयर इंजीनियरिंग परिदृश्यों का प्रतिनिधित्व करना था। अलग-अलग संभावित मिश्रणों की तुलना इस आधार पर की गई कि आधारभूत प्रशिक्षण रन के सत्यापन हानि स्तर तक पहुँचने के लिए हर मिश्रण में कितने टोकन चाहिए। इस तरह, टोकन दक्षता भी चयन का एक मानदंड बनी।
अंतिम मिश्रण में वैज्ञानिक लेखों, ब्लॉगों, कोड और अन्य स्रोतों से लिए गए कुछ ट्रिलियन टोकन थे। प्रशिक्षण तीन चरणों में हुआ, ताकि सबसे दुर्लभ और उच्चतम गुणवत्ता वाला डेटा बाद के चरणों में शामिल हो। Cognition के मुताबिक, इन चरणों के दौरान अलग रखे गए सत्यापन डेटा पर हानि स्थिर लॉग-लीनियर दर से कम हुई।
इसके बाद बड़े पैमाने पर पुनर्बलन अधिगम किया गया। Cognition के अनुसार, SWE-2 की प्रशिक्षण विधि के मुकाबले हुए अधिकांश सुधार का श्रेय विधि में बदलावों को नहीं, बल्कि उच्च गुणवत्ता वाले और अधिक विविध कार्यों को जाता है। टीम ने कार्य-निर्देशों, परिवेश के सेटअप और सत्यापन प्रणालियों की जाँच की। साथ ही, वास्तविक Devin वर्कफ़्लो के लिए व्यापक तर्क और समस्या-समाधान क्षमता विकसित करने के मकसद से नए प्रकार के कार्य जोड़े।
वेट तक सीमित पहुँच
Flash के वेट अभी सार्वजनिक रूप से साझा नहीं किए जा रहे हैं। Cognition भरोसेमंद उद्योग भागीदारों और शोध प्रयोगशालाओं के लिए सुरक्षित साझाकरण कार्यक्रम बना रहा है और उसने आगे जानकारी देने का वादा किया है। प्रस्तावित पहुँच से स्वीकृत भागीदार मॉडल को फ़ाइन-ट्यून कर सकेंगे और उसे संवेदनशील, ग्राहक-नियंत्रित परिवेशों में चला सकेंगे, जिनमें ऑन-प्रिमाइज़ ढाँचा भी शामिल है। वहीं, शोधकर्ता इसके व्यवहार और संभावित दुरुपयोग का अध्ययन कर सकेंगे।
Cognition के मुताबिक, साइबर सुरक्षा पर केंद्रित प्रशिक्षण से ExploitBench पर Inkling-Small का स्कोर 11.3% से बढ़कर 34.8% हो गया। लेकिन कंपनी ने चेताया कि इन्हीं क्षमताओं से दुर्भावनापूर्ण हमलावरों को भी मदद मिल सकती है; इसी कारण वेट को सार्वजनिक रूप से जारी न करने का निर्णय लिया गया।
Cognition की 26 अक्टूबर, 2026 की सुरक्षा पोस्ट में बताया गया है कि AI हमलावरों और बचावकर्ताओं, दोनों के काम की गति बढ़ा रहा है। इसमें 21 अक्टूबर, 2026 को उजागर की गई PHP और Node.js की रिमोट कोड एक्ज़ीक्यूशन संबंधी कमज़ोरियों पर भी चर्चा की गई है।
इस रिलीज़ में तात्कालिक उपयोगिता और व्यापक पहुँच को अलग-अलग रखा गया है। Devin के भीतर Flash को रोज़मर्रा के इंजीनियरिंग कामों के लिए कम लागत और तेज़ गति वाला विकल्प बताया गया है। इस उत्पाद से बाहर उद्यमों और शोधकर्ताओं के लिए इसकी उपयोगिता इस बात पर निर्भर करेगी कि प्रस्तावित कार्यक्रम Cognition द्वारा तय सुरक्षा पाबंदियों के तहत फ़ाइन-ट्यूनिंग और ग्राहक-नियंत्रित तैनाती उपलब्ध करा पाता है या नहीं।
