CognitionのSWE-2、Terminal-Bench 2.1で92.8を達成
Cognition's SWE-2 achieves 92.8 on Terminal-Bench 2.1 (tokenstead.ai)
要約
Cognitionは、同社の最新AIモデルSWE-2が、コーディング能力を評価するベンチマークであるTerminal-Bench 2.1で92.8という高いスコアを達成したと発表しました。SWE-2は、2.8兆パラメータを持つMoE（Mixture of Experts）モデルで、Kimi K3ベースにCognitionの追加学習を施したものです。特に、より少ないステップ数と低コストでタスクを完了する能力が向上しており、FrontierCodeベンチマークでも高い性能を示していますが、長期間にわたるエージェント的な作業ではまだ改善の余地があることが示唆されています。
全文翻訳
SWE-2
［画像: Tokenstead］ ［画像: Tokenstead］
MoEプレミア
合計パラメータ2.8兆、トークンあたり1040億アクティブ（MoE） - Kimi K3ベースにCognitionのポストトレーニングを重ねたもので、CognitionがRL（強化学習）を兆パラメータ級にスケールさせたのは初めてです。ベースモデルは既にエージェントコーディング向けにRLを多用していましたが、Cognitionの追加学習により、ほとんどのベンチマークで5〜6ポイント向上しました。
- サービングスタック: NVFP4およびFP8カーネル上でのMoE推論、量子化認識トレーニングを実装。FP8はMLAレイヤーのK、Q、V、およびスコア計算を担います。SpecForgeで再学習されたドラフトモデルは、15%長い受け入れ長（accept lengths）を実現し、prefill delayerはGPUあたりのTPM（Throughput Per Minute）とリクエストあたりのトークン/秒を10〜20%向上させます（TTFTは犠牲になります）。
- 労力レベル: 平均実行ステップ数は、SWE-1.7の127ステップに対し、53（中）、80（高）、98（最大）です。中程度の労力では、SWE-1.7よりも58%少ないターン数と81%低い平均コストで、より高いFrontierCodeスコアを達成し、最初の実際の編集を中央値18ステップ（SWE-1.7: 48）で完了します。
［画像: 棒グラフ: SWE-2の中程度の労力は、SWE-1.7の127ステップに対し、平均53ステップを必要とし、中央値18ステップ（SWE-1.7: 48）で最初の編集に到達します］
ベンチマーク（Cognition自己申告）: FrontierCode 1.1 Main 50.0、DeepSWE 1.1 73.0、Terminal-Bench 2.1 92.8、Terminal-Bench 4.0 27.3。ヘッドラインは、FrontierCode 50.0がClaude Fable 5.1（50.9）に1ポイント、GPT-6 Astra（53.3）に3.3ポイント劣るものの、Fable 5.1より64%低コスト、Astraの4分の1のコストであると主張しています。Terminal-Bench 2.1は公開されているテーブルの中で最高の数値です。弱点はTerminal-Bench 4.0で、SWE-2の27.3はFable 5.1（55.8）およびGPT-6 Astra（57.9）に大きく引き離されています。長距離のエージェント作業（long-horizon agentic work）が、フロンティアとのギャップが依然として存在する領域です。
［画像: Cognitionのローンチテーブルのスコアカード: SWE-2、SWE-1.7、Kimi K3、Grok 4.6、Fable 5.1、GPT-5.6 Sol、GPT-6 AstraがFrontierCode 1.1 Main、DeepSWE 1.1、Terminal-Bench 2.1、Terminal-Bench 4.0で比較されています。SWE-2はTerminal-Bench 2.1で92.8とリードしていますが、Terminal-Bench 4.0では27.3と後塵を拝しています］
［画像: FrontierCode 1.1 Mainスコアの棒グラフ: GPT-6 Astra 53.3、Fable 5.1 50.9、SWE-2 50.0、Grok 4.6 48.0、GPT-5.6 Sol 47.5、Kimi K3 44.2、SWE-1.7 42.0］
プロプライエタリなウェイト、ローカル実行不可。 CognitionはSWE-2のウェイトを公開していないため、ダウンロードできるものはありませんし、待つべき量子化ラダーもありません。Devin DesktopおよびCLIで本日より利用可能で、Devin WebおよびFusionでも展開されます。CognitionはSWE-2のトークンごとのAPIを公開していないため、コストあたりのタスク比較（FrontierCode同等でFable 5.1より64%安価）が価格面での特徴であり、100万トークンあたりの料金表ではありません。ここに記載されているすべての数値はCognition自身の数値であり、独立した検証を待っています。
コーディングエージェント
パラメータ
2.8兆
ライセンス
プロプライエタリ
開発者
起源
🇺🇸 アメリカ
リリース
2026年9月
SWE-2で人々が構築しているもの
Xからの実際のデモ
ローンチ投稿: SWE-2、Kimi K3からポストトレーニング - FrontierCode 1.1 Main 50.0、Terminal-Bench 2.1 92.8 Xで表示 →
ベンチマークスコア
ベンダー報告 - 開発者自身のモデルカード/技術レポートより
DeepSWE
73.0
FrontierCode 1.1 Main
50.0
Terminal-Bench 2.1
92.8
Terminal-Bench 4.0
27.3
ベンダー報告 - 開発者自身のモデルカード/技術レポートより
このモデルを自身のハードウェアで実行しましたか？ 無料参加して、測定したトークン/秒をコミュニティの数値に追加してください。
ハードウェアを保存し、すべてのモデルページが実際の質問に答えます：それはあなたのマシンで実行できるか、そしてどれくらいの速さで実行できるか？
またはクラウドで実行
SWE-2のトークンごとのAPIプロバイダー価格はまだ追跡されていません。主要なリスト価格については、計算機を参照してください。
価格履歴
推論コストの推移
データは最初の毎日の同期から蓄積されます - より長い範囲は時間とともに表示されます。価格はOpenRouterのスナップショットから取得されており、履歴APIからのものではありません。
価格履歴を読み込んでいます...