白色人形机器人的机械手臂特写

Cognition 发布了新编码模型 SWE-2，官方定位很明确：不是冲榜单第一名，而是把 "能力—成本" 这条帕累托前沿整体往前推。在 FrontierCode 1.1 Main 上它拿到 50.0%，距离榜首的 Fable 5.1 只差不到一个点，但便宜 64%。

三个关键数字说明它变了什么

FrontierCode 1.1 Main 得分 50.0%，比同门 SWE-1.7 的 42.0% 有明显跨越；Terminal-Bench 2.1 上达到 92.8%，是参评模型中最高的；DeepSWE 1.1 拿到 73.0%。更值得注意的是行为层面的变化：

SWE-2 中档配置在 FrontierCode 上得分高于 SWE-1.7，但平均轮次少了 58%，单任务成本低 81%。它不是靠想得更久、跑得更多换来的提升，而是靠判断更准——少绕路、少重复读文件、一次把方案写完整。

技术路线：把强化学习推到万亿参数级

SWE-2 的基座是 Kimi K3，一个 2.8 万亿参数、已经为智能体编码做过大量强化学习的模型。Cognition 在这之上继续做 RL，还能再挤出 5 到 6 个基准点的提升，并整体抬升了 K3 的成本—性能前沿。几个训练细节值得记录：

一是成本惩罚：单次 RL 训练里给每个推理投入档位加一个线性成本惩罚，系数按基座模型的局部前沿斜率来定，一次性推进整条前沿而不改变其形状。二是长度加权奖励基线：显著稳定训练。三是推理侧优化：改进调度、训练在线草稿模型提升解码吞吐，配合 NVFP4/FP8 内核与量化感知训练，在参数量接近三倍于上一代的情况下把显存占用降了下来。四是数据飞轮：RL 环境数量翻三倍，并用 SWE-2 自身的历史检查点加固验证器。

对中国开发者与企业的实际启示

选模型要按 "单任务成本乘以成功率" 算账，而不是看排行榜名次。SWE-2 的价值就在于它在中等投入档位上就能压过上一代的顶配，实际采购成本差异是数量级的。

基座与后训练的分工已经成型。一个中国团队开源的大模型，被海外公司通过后训练做成顶级编码智能体——这说明开放的模型权重正在成为全球产业链的公共底座，掌握落地工程能力和领域数据的一方，仍有稳定的增值空间。

智能体的效率问题，最终是判断力问题。轮次少 58% 意味着更少的 token、更少的等待、更少的上下文污染。评估自家智能体产品时，把 "完成任务所需的往返次数" 作为核心指标，往往比单看准确率更能反映真实体验。

写在最后

编码模型竞争的焦点正在从 "谁更聪明" 转到 "谁在同等成本下更可靠"。当头部模型的能力差距收敛到几个点，决定企业能不能规模化用起来的，就是每一次调用的价格和每一次任务需要来回几次。前沿往下走，产业才真正接得住。