Qué ha lanzado Cognition
Cognition lanzó el 10 de septiembre SWE-2, un modelo de programación que sucede a SWE-1.7 y funciona dentro de su agente Devin. En su anuncio, la empresa afirmó que SWE-2 obtiene un 50,0 % en FrontierCode 1.1 Main, a un punto de Claude Fable 5.1 de Anthropic, con un coste un 64 % menor.
Todas las cifras de rendimiento de esta noticia proceden de la evaluación de la propia Cognition. Al cierre de esta edición no se había publicado ningún resultado independiente sobre SWE-2, y las primeras informaciones, como la de OfficeChai, repiten los números de la empresa sin ponerlos a prueba.
SWE-2 no se ha entrenado desde cero. Cognition explica que se ha postentrenado a partir de Kimi K3, un modelo de 2,8 billones de parámetros que OfficeChai describe como un modelo abierto de Moonshot AI. Cognition aplicó aprendizaje por refuerzo a esa escala de varios billones de parámetros y asegura que un único entrenamiento produce tres niveles de esfuerzo, medio, alto y máximo, en lugar de modelos separados para el trabajo rápido y el minucioso.
Las cifras, según Cognition
En FrontierCode 1.1 Main, SWE-2 obtiene un 50,0 % frente al 42,0 % de SWE-1.7. El salto es mayor en DeepSWE 1.1, donde Cognition declara un 73,0 % frente al 37,7 %. En Terminal-Bench 2.1 el modelo alcanza el 92,8 %, frente al 81,5 %, la cifra más alta de la tabla comparativa de la empresa.
Cognition afirma que SWE-2 supera a SWE-1.7 y a Grok 4.6 tanto en puntuación como en coste, y que iguala a GPT-5.6 Sol de OpenAI y a Claude Fable 5 y 5.1 por una fracción de su precio. Sitúa a SWE-2 en torno a una cuarta parte del coste de GPT-6 Astra, que sigue por delante en FrontierCode, con un 53,3 % frente al 50,0 %, y en DeepSWE, con un 74,1 % frente al 73,0 %.
La misma tabla muestra dónde se queda atrás SWE-2. En Terminal-Bench 4 obtiene un 27,3 %, menos de la mitad del 55,8 % de Claude Fable 5.1 y del 57,9 % de GPT-6 Astra. El anuncio no explica la diferencia.
Cognition indica que utilizó resultados publicados cuando existían y, en caso contrario, su propio entorno de evaluación para cada modelo; que recogió la mejor puntuación de cada modelo entre sus niveles de razonamiento, y que calculó el coste a partir de precios de lista con los descuentos públicos. Son decisiones habituales en los anuncios de lanzamiento, y una de las razones por las que las tablas de los fabricantes rara vez coinciden con las pruebas independientes.
Menos pasos antes de la primera edición
El argumento principal de la empresa es la eficiencia. Según Cognition, SWE-2 en nivel medio hace su primera edición real de código tras una mediana de 18 pasos, frente a 48 en SWE-1.7, y necesita de media 53 pasos por ejecución de FrontierCode, frente a 127. La empresa calcula que el coste medio del nivel medio es un 81 % inferior al de su predecesor.
En un agente, el número de pasos es casi toda la factura. Un modelo que lee menos de un repositorio antes de actuar es más barato de ejecutar; si también es más descuidado es algo que estas pruebas no resuelven.
Como el modelo base es Kimi K3, Cognition publicó además pruebas sobre si SWE-2 repite propaganda o censura respuestas. Declara una tasa de aprobación del 98,0 % en total, con un 99,8 % en inglés y un 95,2 % en chino simplificado.
Dónde funciona y cuánto cuesta
SWE-2 está disponible desde el lanzamiento en Devin Desktop y en la CLI de Devin, y Cognition dice que lo está desplegando en Devin Web y Devin Fusion. El anuncio no da precio por token, ni precios por plan, ni una API independiente, así que sus comparaciones de coste todavía no pueden contrastarse con lo que pagaría un cliente.
El lanzamiento llega un día después de que Cognition anunciara una ronda de 2.000 millones de dólares con una valoración de 48.000 millones, liderada por Andreessen Horowitz y Accel.
Qué vigilar
La primera prueba es la replicación. Una evaluación de terceros en FrontierCode o Terminal-Bench mostraría si las mejoras frente a SWE-1.7 se mantienen fuera del entorno de Cognition y si la distancia en Terminal-Bench 4 es tan amplia como sugiere la propia tabla de la empresa. La segunda es el precio: cuando SWE-2 llegue a Devin Web, la promesa de un coste un 64 % menor tendrá una cifra con la que compararse.
