模型发布

Cognition 发布 SWE-2 编码模型,以更低成本逼近前沿

AI 摘要

Cognition 发布编码模型 SWE-2,基于 2.8T 参数的 Kimi K3 后训练,在 FrontierCode 1.1 Main 取得 50.0%,仅比 Fable 5.1 低不到一分且成本低 64%。官方公开了 SWE-2 的训练方法,包括单次 RL 训练中按各推理努力等级设置线性成本惩罚、长度加权奖励基线、RL rollout 服务优化与数据改进等,读者可借此理解如何用强化学习推移整条成本性能前沿。

关键信息

  • Cognition 发布编码模型 SWE-2,基于 2.
  • 8T 参数的 Kimi K3 后训练,在 FrontierCode 1.
  • 1 Main 取得 50.
  • 0%,仅比 Fable 5.
  • 1 低不到一分且成本低 64%。

速览

发布时间
更新时间
来源
Cognition 模型 / Devin 博客(网页)
分类
模型发布
AI 评分
70
阅读原文 前往信息源阅读完整正文
推荐理由

官方详细公开了 SWE-2 的训练方法与成本惩罚公式,读者可以借此理解如何用 RL 推移整条成本性能前沿。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Cognition 发布 SWE-2 编码模型,以更低成本逼近前沿。2026年9月10日。https://new.nat6.net/news/cmtym40hx0004roske1zgdkmu/

查看全部 →