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
- 分类
- 模型发布
- AI 评分
- 70
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。
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/