Cognition、コーディングのモデル SWE-2 を公開

AI のソフトウェアエンジニア「Devin」を手がける米国の Cognition は 9 月 10 日、同社で最も性能の高いコーディングのモデル「SWE-2」を公開しました。中国の Moonshot AI の Kimi K3(2.8 兆パラメーター)をもとに、強化学習で追加の学習をしたモデルです。Devin のデスクトップのアプリと CLI で使え、Web 版などにも順に広げています。

要点

• Cognition のコーディングの評価 FrontierCode 1.1 Main で 50.0% でした。
• Fable 5.1(50.9%)と 1 ポイント以内の差で、費用は 64% 安いとしています。
• GPT-6 Astra(53.3%)には及びませんが、費用は約 4 分の 1 だとしています。
• 推論の強さ(medium・high・max)のすべてを、1 回の強化学習でまとめて鍛えました。
• 前のモデル SWE-1.7 より、手順の数が少なく、費用も大きく下がりました。

Cognition は、性能と費用の釣り合いを、どの推論の強さでも良くすることを目指したとしています。成功したかどうかから、かかった費用(推論の料金と時間)を差し引いた点数で学習させ、差し引く重みを推論の強さごとに調整しました。SWE-2 の medium は、SWE-1.7 より高い点数を、手順の数を 58% 減らし、費用を平均で 81% 下げて出しています。

使い方の面では、前のモデルについて「簡単な仕事でもコードを調べすぎる」という声があったのに対し、SWE-2 は仕事に関わる部分を見極めて調べるようになったとしています。実装を端から端まで確かめるテストを書く、道が塞がれたら別の手段を探す、利用者の仮説をうのみにせず確かめ直すといった振る舞いも挙げています。

評価の FrontierCode は Cognition が作ったもので、ほかの会社のモデルとの比較も Cognition が示した数字です。Artificial Analysis も FrontierCode の結果を公開しています(Artificial Analysis、FrontierCode の結果を公開)。

日本の利用者にとって

SWE-2 は Devin の中で使うモデルで、ほかのサービスから API で呼ぶ形の提供は発表されていません。発表では日本語での性能には触れていません。

YOBITSUGI AI で使えるか

現時点では YOBITSUGI AI からは使えません。