CognitionのSWE-2、Terminal-Bench 2.1で92.8を達成

モデル / SWE-2 SWE-2 MoEプレミア Cognition → ハードウェア向け検索 2.8兆総パラメータ、トークンあたり1040億アクティブ（MoE）- Cognitionによるポストトレーニングが追加されたKimi K3ベースであり、CognitionがRLをマルチ兆パラメータ領域にスケールさせたのは初めてです。ベースモデルはすでにエージェントコーディングのためにRLを多用していましたが、Cognitionのパスにより、ほとんどのベンチマークでさらに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カーネルでのMoE推論と量子化認識トレーニング。FP8はMLAレイヤーでK、Q、V、およびスコア計算を処理します。SpecForgeで再トレーニングされたドラフトモデルは、15%長い受け入れ長を提供し、プリフィルディレイヤーはGPUあたりのTPM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は影響を受けます）。 努力レベル: 平均ステップ数/実行 53（中）、80（高）、98（最大）、SWE-1.7の127と比較して。Mediumは、58%少ないターン数と81%低い平均コストで、SWE-1.7よりも高いFrontierCodeスコアを記録し、最初の実際の編集を中央値18ステップで完了します（SWE-1.7: 48）。 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: FrontierCodeの50.0は、Claude Fable 5.1（50.9）に1ポイント、GPT-6 Astra（53.3）に3.3ポイント遅れていますが、Fable 5.1よりも64%低コスト、Astraの4分の1のコストと主張されています。Terminal-Bench 2.1は、公開テーブルで最高の数値です。 弱点はTerminal-Bench 4.0で、SWE-2の27.3はFable 5.1（55.8）とGPT-6 Astra（57.9）に大きく引き離されています。長期間にわたるエージェント作業が、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。 プロプライエタリなウェイト、ローカル実行なし。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も、待つべき量子化ラダーもありません。Devin DesktopおよびCLIで本日利用可能であり、Devin WebおよびFusionでもロールアウトされます。 CognitionはSWE-2のトークンごとのAPIを公開していないため、タスクあたりのコスト比較（FrontierCode同等でFable 5.1より64%安価）が価格の表面であり、$/1Mレートカードではありません。 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、独立した再現待ちです。 コーディングエージェント パラメータ 2800.0B ライセンス プロプライエタリ 開発者 Cognition 原産国 🇺🇸 USA 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/テクニカルレポートから DeepSWE73.0 FrontierCode 1.1 Main50.0 Terminal-Bench 2.192.8 Terminal-Bench 4.027.3 ベンダー報告 - 開発者自身のモデルカード/テクニカルレポートから またはクラウドで実行 SWE-2のプロバイダー価格は、トークンごとのAPIではまだ追跡されていません。フラッグシップの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、履歴APIではありません。 価格履歴の読み込み中...