Cognition 的 SWE-2 Flash 速度快 3 倍，成本只是旗舰编程模型的五分之一

Cognition 在 11 月 4 日发布了 SWE-2 Flash，给自家的 Devin 智能体平台增加了一个更快、成本大幅降低的编程模型。这个模型是在 Thinking Machines Lab 的Inkling-Small基础上做后训练得到的——这是一个 2760 亿参数的稀疏混合专家模型，每个词元只激活大约 120 亿参数——Flash 在编程任务上的吞吐量约为每秒 200 个词元，相比 SWE-2 旗舰版的每秒 60 个，价格却只有大约五分之一。在 Cognition 评估需求期间，付费 Devin 订阅用户到 11 月 30 日之前可以免费使用它。

这次发布的意义，不只是多了一个效率版变体。Cognition 把 SWE-2 Flash 当作自己后训练方案里「大规模中训练」这个环节的第一次生产级测试——这是插在通用预训练和强化学习之间的一个训练阶段，公司表示，它在奖励塑形开始之前，实质性地提升了编程能力。同一个训练过程，还把这个模型在 ExploitBench（一项衡量漏洞挖掘能力的网络安全基准）上的表现，从基座模型阶段的 11.3%，提升到了 Cognition 后训练之后的 34.8%——三倍的提升，促使公司限制公开的权重访问，而不是开放发布。

稀疏专家激活，如何让 Flash 比 SWE-2 更快、更便宜

SWE-2 Flash 与它那个旗舰版兄弟之间的速度和成本差距，直接源于两者底层的架构。9 月 10 日发布的 SWE-2，是在 Kimi K3 基础上做后训练的，Kimi K3 总参数量 2.8 万亿，每个词元激活大约 1040 亿。相比之下，SWE-2 Flash 是在 Inkling-Small 基础上做后训练的，Inkling-Small 使用 256 个被路由的专家子网络，外加 2 个共享专家——但推理时每个词元只会路由经过这 256 个专家中的 6 个。最终得到的模型，总参数量 2760 亿，但每次前向传播只运行大约 120 亿。

这种激活计算量上八倍以上的差距——大约 1040 亿对 120 亿每词元的激活参数——正是 Cognition 所宣称的 3 倍速度优势和五分之一价格差的主要机制。Inkling-Small 由Thinking Machines Lab——前 OpenAI CTO Mira Murati 创立的公司——在 7 月 30 日以 Apache 2.0 许可证发布。这种开放许可，让 Cognition 可以把这个基座模型当作自己后训练工作的基础，而不需要去获取专有权重的授权，或者从零开始训练。Cognition 用一个名为 gsea-proteomics 的 Terminal-Bench 4.0 任务模拟，证实了这个速度差异——在长时间的智能体会话里，单个任务的实际耗时差异会变得非常明显。

强化学习之前的三阶段中训练：Cognition 方案里的新环节

Cognition 标准的后训练方法，严重依赖强化学习，对成功完成软件工程任务的模型给予奖励。对 SWE-2 Flash，公司第一次在强化学习之前引入了一个大规模的中训练阶段。中训练处在广义预训练——模型在这个阶段大量摄入通用文本和代码——与强化学习微调（任务特定的奖励信号在这个阶段塑造模型行为）之间。它允许在奖励塑形开始之前，先大规模地针对性接触数据。

Cognition 把这次中训练分成了三个阶段，用的是一个混合数据集，包含科学文章、博客和代码，总计达数万亿词元。Cognition 没有按下游任务准确率来挑选数据，而是用词元效率——衡量模型处理训练信号的效率——作为筛选标准，并留出一个单独的编程数据集来验证数据混合的决策。公司表示，是任务质量和多样性，而不单单是规模，驱动了这次基准测试的提升。

基准分数需要背景信息：Flash 在三项里领先一项，落后两项

Cognition 公布了 SWE-2 Flash 相对其 SWE-2 旗舰版和 Inkling-Small 基座模型的三项基准对比。所有结果都是公司自报的；截至 11 月 5 日，还没有发布任何独立复现。

在FrontierCode 2.0——Cognition 与开源维护者共同开发的一套 132 任务基准，按模型生成的代码能否产出成功合并的拉取请求来打分——上，Flash 得分 24.0%，SWE-2 为 23.8%。0.2 个百分点的差距很小，可能落在基准测试噪声范围内。更重要的是，这两个模型在 FrontierCode 2.0 的当前开放排行榜上，都明显落后于头部选手：Claude Opus 5.5 以大约 45.5% 领先，这说明在这项衡量标准上，Flash 和 SWE-2 都只是中等水平，不是前沿表现者。

在Terminal-Bench 4.0——由斯坦福大学和 Laude Institute 的研究者开发的一套 66 任务基准，测试基于终端的智能体表现——上，Flash 得分 20.0%，SWE-2 为 27.3%。这项基准目前由 GPT-6 Astra 领先。在DeepSWE 1.1——一套软件工程修复基准——上，Flash 得分 60.1%，SWE-2 为 73.0%。SWE-2 在这项测试上领先 12.9 个百分点。

实际情况是一次真实的取舍：在 FrontierCode 2.0（差距很小的那一项）上，Flash 几乎追平了自己的旗舰版，同时运行得明显更快、更便宜；但在另外两项衡量终端智能体和修复任务的基准上，它的表现明显更弱——而这恰恰是智能体编程工作要求最高的那个领域。

Cognition 表示，Flash「在参数量三倍于它的美国开放权重模型中，表现都更优」，但这个说法的具体范围没有明确界定，也无法独立核实。不应把它当作与前沿 AI 系统的一般性能力对比来理解。

为什么 Cognition 不公开权重，尽管基座模型是开放的

SWE-2 Flash 这次发布结构上最鲜明的背离，是 Cognition 没有做的那件事：公开发布后训练得到的权重——尽管 Inkling-Small 的 Apache 2.0 许可证本来是允许的。原因是ExploitBench，一套衡量模型识别和利用软件漏洞能力的基准。

基座模型 Inkling-Small 在 ExploitBench 上得分 11.3%。经过 Cognition 的后训练之后，SWE-2 Flash 得分 34.8%——在漏洞挖掘能力上实现了三倍的提升，Cognition 把这一点，与 2026 年 10 月 21 日披露的 PHP 和 Node.js 远程代码执行漏洞联系在了一起。公司判断，在这种漏洞利用能力水平下自由分发权重，会带来不可接受的军民两用风险：让 Flash 在自主调试和软件修复上行之有效的那同一套推理和代码执行能力，同样也会让它在攻击性安全研究上行之有效，而那类研究最好受到更严格的管控。

解决方案是一个有门槛的合作伙伴计划：研究者和受信任的企业合作方，可以申请访问权限，在自己的本地环境里运行 Flash。Devin 用户通过现有的云平台来使用 Flash。这种模式——开放的基座、受限的后训练衍生品、经审核的本地部署路径——既不同于纯闭源的 API 式部署，也不同于完全开放的权重发布。它代表了一种自愿的、由能力触发的治理姿态，随着后训练持续放大那些与安全相关的能力，其他开发高能力编程系统的 AI 实验室，很可能也会以某种形式面对同样的处境。

这对大规模运行 Devin 的开发者意味着什么

对已经在用 Devin 处理大量编程任务的组织来说，SWE-2 Flash 带来的是一笔实质不同的经济账。以五分之一的价格、三倍的吞吐量，这个模型能在相同成本下支持更高的任务量，或者在相同任务量下大幅降低支出——前提是这些基准测试上的取舍，对具体的任务画像来说是可以接受的。在 FrontierCode 2.0 上与 SWE-2 打平（那个差距很小的结果），说明 Flash 能相当好地处理这类基准所测试的任务；而在 Terminal-Bench 和 DeepSWE 上的差距，说明它在复杂、长周期的终端和修复工作上表现不佳。

Flash 没有作为独立 API 提供——它只在 Devin 智能体环境内部运行，通过 Devin 桌面版或 Devin CLI。对那些想绕开 Devin 这层抽象、直接路由推理请求的团队来说，这个部署限制很重要。付费订阅用户的免费使用窗口将在 11 月 30 日关闭；那之后的定价尚未公布。

这次发布之后仍将存在的治理问题

SWE-2 Flash 的技术故事——一个靠全新的中训练加强化学习方案打造出来的、能力够用、成本高效的 MoE 模型——对那些见证过每一代稀疏专家编程模型不断拉低成本底线的从业者来说，会很熟悉。更经得起时间考验的进展，是这次限制权重的决定，以及它所释放的信号。

Cognition 是一家估值 480 亿美元、年化营收超过 10 亿美元、在 Devin 订阅上有商业利益的公司。它选择不发布会让竞争对手或独立开发者能以零边际成本复制自己部署的权重——单看这个决定本身并不罕见。不寻常的是具体的理由：一次经过基准测试量化的、漏洞生成能力上的提升，公司把它当作了一个需要限制权重的门槛。与 10 月真实世界 RCE 披露事件的关联，让这种担忧变得具体，而不只是纸上谈兵。

随着编程 AI 从实验走向关键基础设施——运行在生产软件流水线里，处理身份验证代码，审查拉取请求——「后训练能力何时会让开放权重发布变得不合适」这个问题，只会变得越来越有争议。SWE-2 Flash 是第一个有充分记录的案例：一家公司在一个具体的基准分数上划下了这道线，并公开说明了理由。