Cognition、SWE-2 Flash公開 料金は5分の1で3倍速く

料金は5分の1、速さは3倍。Devinを手がけるCognitionは11月4日（米国時間）、SWE-2の弟分にあたるコーディングのモデル「SWE-2 Flash」を公開しました。1秒に200トークンを出し、SWE-2の60トークンを大きく上回ります。DevinのデスクトップアプリとCLIで使え、11月30日までは無料です。

もとになったのは、Thinking MachinesのInkling-Smallです。総パラメーター2,760億、アクティブパラメーター120億のモデルで、Cognitionは強化学習の前に、科学の論文やブログ、コードなど数兆トークンで追加の事前学習（mid-training）を入れました。Terminal-Bench 4.0は0.9%から20.0%に、FrontierCode 2.0は3.2%から24.0%に上がったとしています。

米国の公開モデルより上、中国の公開モデルには届かない評価も

モデル総パラメーター	FC 2.0	TB 4.0	Deep SWE
SWE-2 Flash2,760億	24.0	20.0	60.1
Muse Spark Open8,160億・公開	6.2	8.0	60.0
Beam 1.05,010億・公開	2.9	4.0	43.3
GLM 5.3 Flash3,200億・公開	14.2	41.8	63.4
DeepSeek V4.1 Flash7,630億・公開	19.3	42.3	77.0
GPT-6 Luna非公開	21.9	16.4	66.6
Claude Haiku 5.5非公開	27.7	39.2	59.3
SWE-22.8兆	23.8	27.3	73.0

FCはFrontierCode 2.0、TBはTerminal-Bench 4.0、Deep SWEはDeepSWE 1.1です。「公開」は重みが公開されたモデルを指します。値はCognitionが発表したもので、FrontierCodeはCognition自身の評価です。Cognitionは「米国の公開モデルをすべて上回る」と説明し、3倍の大きさのMuse Spark Openとの比較でも、表の3つの評価では上です。ただ、発表の8つの評価のうちSWE-Atlas QAでは、Muse Spark Openの54.0に対し50.0でした。

中国の公開モデルとの比べ方は、評価で分かれます。FrontierCode 2.0では、GLM 5.3 FlashやDeepSeek V4.1 Flashを上回ります。一方、Terminal-Bench 4.0やDeepSWE 1.1では下回りました。OpenAIとAnthropicのモデルでは、FrontierCode 2.0でClaude Haiku 5.5の27.7に届きません。

重みは、まだ公開しない

セキュリティの仕事も学習で鍛え、攻撃コードを書く力を測るExploitBenchは11.3%から34.8%に上がりました。防御側の役に立つ一方で、攻撃にも使えるため、重みは一般には公開しません。信頼できる企業や研究機関に安全に共有する仕組みを作り、数週間のうちに詳しく知らせるとしています。

ここからは編集部の見方です。コードの見直しやドキュメントの更新のように、量が多く1件ずつは軽い仕事向けのモデルです。Devinを使っている人は、無料の期間に、ふだんの課題でSWE-2との差を確かめておくとよさそうです。発表は日本語での性能や、Devinの外からAPIで使う方法には触れていません。

SWE-2 Flashは、現時点ではYOBITSUGI AIからは使えません。