Cognition 發布 SWE-2：公開自家評測中的效能與成本取捨

Cognition 發布 SWE-2：公開自家評測中的效能與成本取捨。公告中的比較結果來自 Cognition 的特定 harness 與任務定義，並非完整市場排名。模型與訓練 SWE-2 以 Kimi K3 為基礎，採用成本感知獎勵函數與一次強化學習訓練，提供中等（medium）、高（high）與最高（max）三種推理強度。Cognition 宣稱 SWE-2 在領先評測中接近近期前沿模型，並在部分指定比較中降低成本；其中 medium 相較 SWE-1.7，平均互動輪次少 58%，平均成本低 81%。FrontierCode 1.1 結果 Main 任務集包含 100 項任務，Extended 包含 150 項。三項評測的完整比較整理於下方繁中表格圖；精確成本則以 Cognition 公開資料檔為準。Cognition 公布的三項程式開發評測比較；數據屬其指定測試與比較口徑。來源：Cognition 官方完整 benchmark 表。精確資料顯示，SWE-2 max 得分 0.5000、成本為 1.1761 美元；Fable 5.1 medium 得分 0.5091、成本為 3.2845 美元，前者在該 harness 中便宜 64.2%。對比 GPT-6 Astra max 的 0.5326 分與 4.4850 美元，SWE-2 max 便宜 73.8%。SWE-2 medium 得分 0.4309、成本 0.3712 美元，比 SWE-1.7 高約 1.1 個百分點，成本則低 81.2%。評測方法與限制 FrontierCode 1.1 讓 Agent 使用可連網的 prompt，並依加權規準評分；verifier 失敗可能使結果歸零。一般 benchmark 每個 effort level 執行五次，但 SWE-2 的獨立 step 圖表每項任務執行三次，兩者不可混為一談。分數與成本均依 Cognition 的 harness 和任務定義計算，Cognition 也表示部分公開結果在可取得時予以沿用，其餘為內部 primary-harness 測量；Fable Max 與 Fable 5.1 Max 未列入，因此比較不是完整市場排名。延伸數據與待解問題 DeepSWE 的精確結果介於 SWE-2 medium 的 0.6431 分、0.452 美元，以及 max 的 0.73 分、1.343 美元。這些數字能呈現 Cognition 宣稱的效能與成本取捨，但仍需觀察獨立評測者在不同 harness 與工作負載下能否重現結果；公告也未說明列出測量之外的可用性與正式生產定價。原文：https://easyvibecoding.app/curated/3320-cognition-swe-2-frontiercode-cost-performance-tradeoffs