AREX Feed Article
Cognition 发布 SWE-2 Flash：成本降至 SWE-2 的 1/5、速度升至 200 token/s，以网络攻击风险为由暂不公开权重
AI 编程公司 Cognition 于 11 月 4 日（美国时间）在发布新模型 SWE-2 Flash：相比上一代 SWE-2，使用成本降至约五分之一，生成速度从每秒约 60 个 token 提升到 200 个，模型当天上线 Devin Desktop 与 CLI。据（转引 ），这家公司目前估值 800 亿美元。
这次发布换掉了上一代的底座。SWE-2 Flash 不再基于月之暗面 2.8 万亿参数的 Kimi K3，而是改用 Thinking Machines 的 Inkling-Small——总参数 2760 亿，每次生成约激活 120 亿。官方公布的成绩一升一降：FrontierCode 2.0 拿到 24.0 分，略超 SWE-2 的 23.8 分；Terminal-Bench 4.0 却只有 20.0%，明显低于上一代的 27.3%。权重方面，Cognition 以网络攻击风险为由暂不公开，只计划向经审核的行业伙伴和研究者开放访问。需要说明的是，文中基准数字均为 Cognition 自述口径，未经独立验证。
底座换成 Inkling-Small 后，训练配方新增中训练阶段
Inkling-Small 是 Thinking Machines 今年 7 月 30 日发布的，在 NVIDIA GB300 NVL72 系统上训练，支持最长 100 万 token 的上下文，官方称其以四分之一的体量做到与同门大模型 Inkling 相当的性能。Cognition 在这个底座上调整了训练配方：官方博客称这是他们首次在强化学习之前加入中训练（mid-training）阶段，先让模型学习数万亿 token 的高质量科研文章、博客、代码等数据，再进入大规模强化学习。
数据配比是中训练的关键决策。Cognition 构建了一套反映真实软件工程场景的高质量留出（held-out）编码数据集，用 token 效率曲线比较候选数据组合——即测量每种组合达到与基线相同的验证损失各需要多少 token——据此筛选来源和比例，最终收敛为一套分三个阶段推进的配比，最稀缺、质量最高的数据安排在训练后期出现。
随后的强化学习阶段，Cognition 称配方相对 SWE-2 只做了少量调整，大部分提升来自任务本身的质量和多样性：团队逐项审核任务的指令、环境搭建和结果校验器，并新增了覆盖面更广的任务类型，用来训练 Devin 真实工作所需的通用推理和问题解决能力。作为参照，上一代 SWE-2 于 9 月发布，由 Kimi K3 经强化学习后训练而来，当时就未开放权重、没有独立 API，只能在 Devin 内运行，如此记录。
官方成绩单：主要评测胜过所有美国开放权重模型，Terminal-Bench 4.0 不及 DeepSeek V4.1 Flash 的一半
官方表格把 SWE-2 Flash 的强项和短板都摆了出来。FrontierCode 2.0 上它拿到 24.0 分，高于上一代 SWE-2 的 23.8 和底座的 3.2，也高于 GPT-6 Luna 的 21.9 和 DeepSeek V4.1 Flash 的 19.3，但低于表中最高的 Claude Haiku 5.5（27.7）。官方博客据此宣称，SWE-2 Flash 在主要评测上超过所有美国开放权重模型，甚至包括参数量大 3 倍的模型。
短板在 Terminal-Bench 4.0：新模型 20.0%，低于上一代的 27.3%，与 DeepSeek V4.1 Flash 的 42.3%、GLM 5.3 Flash 的 41.8% 差距更大；不过这个成绩已经把底座从 0.9% 拉了上来。其余评测有上有下：SWE-Bench Pro v2 Hard 上 89.9%，与 SWE-2 的 90.6% 几乎持平；DeepSWE 1.1 为 60.1%，低于上一代的 73.0%。
这些对照数字全部出自 Cognition 自己的评估。其中 FrontierCode 是 Cognition 自家基准——MarkTechPost 在 9 月 SWE-2 发布时的报道就指出这一点。
ExploitBench 从 11.3% 升至 34.8% 之后，权重暂不公开
权重不公开的理由落在网络安全上。Cognition 称，为帮助防御者，这次训练专门加入了网络安全方向的工作，把模型在漏洞利用评测 ExploitBench 上的得分从 11.3% 提升到 34.8%；但同样的能力也能被恶意攻击者使用，博客称近期网络攻击激增即是例证，并链接到其 10 月 26 日发布的 。那篇博文记录了 10 月 21 日 PHP 与 Node.js 项目披露远程代码执行漏洞后的局面：据博文转述的 Wiz 报告，前沿模型帮助其研究员在数小时内开发并改造出可用的利用代码；curl 项目 2026 年截至 10 月 22 日已收到 356 份安全报告，超过 2025 年全年的 181 份。
因此，Cognition 这次暂不公开权重，改为着手建立一个向受信任的行业伙伴和研究实验室安全共享权重的项目。公司列出的需求侧理由是：企业与政府客户需要在自己掌控的基础设施（包括本地部署）上运行模型并保持可观测，学术界和产业界的研究者则需要研究模型的行为与被滥用的方式。它的底座 Inkling-Small 本身，就是 Thinking Machines 以开放权重发布的模型。
Pro/Max/Teams 免费至 11 月 30 日
官方博客用一段回放演示展示速度差：两个模型在 Terminal-Bench 4.0 的 gsea-proteomics 任务上的运行记录，分别按每秒 200 和 60 个 token 回放，并截成等长对比。Cognition 给出的定位判断是：更小的模型如今已能承担软件智能体工作的相当一部分，例如自动化任务、代码审查、功能开发和文档更新，SWE-2 Flash 正是为此类需求而做。
Pro、Max 和 Teams 订阅用户可免费使用至 11 月 30 日。至于权重共享计划覆盖哪些伙伴、如何审核，Cognition 称数周内公布细节。