Cognition 发布 SWE-2 Flash：基于 Inkling-Small 的快速编码模型，200 tok/s、价格为 SWE-2 的五分之一

核心背景与行业痛点

编码 Agent 的大量日常工作，如自动化任务、代码审查、小功能开发和文档更新，并不需要最大的前沿模型。Cognition 在博客中表示，在推进能力前沿之外，也要降低日常工程工作的成本，因此推出更小更快的 SWE-2 Flash。

架构亮点与底层机制

SWE-2 Flash 以 Thinking Machines 的 Inkling-Small（276B 总参、12B 激活）为底座。Cognition 首次在 RL 前加入大规模中训练：用 token 效率曲线挑选数据配比，最终用数万亿 token 的科学文章、博客和代码分三阶段训练，再进行大规模强化学习。

权威 Benchmark 与实测跑分对比

官方数据：FrontierCode 2.0 24.0，略高于 SWE-2 的 23.8；DeepSWE 1.1 60.1、Terminal-Bench 2.1 89.2、SWE-Bench Pro v2 Hard 89.9。相比底座 Inkling-Small，Terminal-Bench 4.0 从 0.9 提到 20.0。以上为 Cognition 自测，暂无第三方复现。

开发者实战落地与开箱指南

在 Devin Desktop 或 Devin CLI 中即可选用 SWE-2 Flash，11 月底前 Pro、Max、Teams 用户免费。适合把代码审查、批量小改动等交给它，复杂任务仍留给 SWE-2 或其它前沿模型。权重不公开下载，需等待安全共享计划。