概览
SWE-2 Flash 是 Cognition（Devin 的开发商）于 2026-11-04 发布的小型快速编码模型，定位为 SWE-2 的轻量版，官方称其价格为 SWE-2 的五分之一、生成速度约为 3 倍。模型以 Thinking Machines 的开放权重模型 Inkling-Small（276B 总参数、12B 激活的 MoE）为基座，Cognition 首次在强化学习前加入大规模中训练：用数万亿 token 的高质量科学文章、博客与代码分三阶段训练，再用质量与多样性都大幅提升的任务做大规模 RL。官方自测成绩显示，它在 Terminal-Bench 4.0 从基座的 0.9% 提升到 20.0%，FrontierCode 2.0 从 3.2 提升到 24.0，并称在美国开放权重模型中领先；但在 Terminal-Bench 4.0、DeepSWE 等项目上仍低于 DeepSeek V4.1 Flash、GLM 5.3 Flash 等模型，基准均为 Cognition 自测、未公开评测框架细节。由于模型针对漏洞研究做了训练（ExploitBench 从 11.3% 升到 34.8%），Cognition 暂不公开权重，表示正在筹建面向可信合作伙伴与研究机构的安全权重共享计划。目前只能在 Devin Desktop 与 Devin CLI 中使用，没有独立 API。官方来源：https://cognition.com/blog/swe-2-flash （2026-11-08 06:20 Asia/Shanghai 核对）。 定价：官方未公布独立 API 价格，仅说明为 SWE-2 的五分之一；在 Devin Desktop 与 Devin CLI 中免费使用至 2026-11-30，之后按 Devin 套餐计费。
- 模态
- 文本
- 参数量
- 276B 总参 / 12B 激活（MoE，基座 Inkling-Small）
- 许可说明
- 闭源 · 闭源（权重未公开，官方在筹备面向合作伙伴与研究者的安全权重共享计划）
能力
- 小而快的编码模型：官方称价格为 SWE-2 的五分之一、速度约 3 倍（演示中约 200 tok/s 对 60 tok/s）
- 先中训练再强化学习：在 Inkling-Small 上用数万亿 token 的科学文章、博客与代码做三阶段中训练，再做大规模 RL
- 官方基准：Terminal-Bench 4.0 20.0%（基座 0.9%）、FrontierCode 2.0 24.0、DeepSWE 1.1 60.1、SWE-Bench Pro v2 Hard 89.9（均为 Cognition 自测）
- 面向日常 Agent 工作：自动化、代码审查、功能开发与文档更新
- 网络安全能力：ExploitBench 由 11.3% 提升到 34.8%，因此暂不公开权重
- 仅在 Devin Desktop 与 Devin CLI 中提供，无独立公开 API
