نقدّم SWE-2 Flash: ثمانية صفوف من الاختبارات المعيارية ولا نقطة نهاية واحدة

أعلنت Cognition عن SWE-2 Flash في 4 نوفمبر 2026، والمنشور سخيّ بشكل غير معتاد بالأرقام: ثمانية صفوف من المعايير القياسية، وفارقان في الأداء قبل التدريب وبعده، ورقم للسرعة ورقم للسعر. لكن ما لا يتضمنه هو طريقة لاستدعاء النموذج. يعمل SWE-2 Flash داخل Devin Desktop وDevin CLI، مجانًا حتى 30 نوفمبر 2026. لا توجد نقطة نهاية API، ولا معرّف نموذج، ولا سعر لكل رمز، ولا أوزان عامة. وبالنسبة لإطلاق عنوانه العريض «سريع وفعّال»، فإن أكثر ما يفيد المطوّر معرفته هو أن الفعالية تُقاس حاليًا بالدولارات التي لا تدفعها لا بالرموز التي يمكنك شراؤها.

هذا ليس انتقادًا للنموذج. بل هو شكل العرض، وهو يحدد من يستطيع التصرف بناءً على هذا الإعلان اليوم ومن عليه الانتظار.

ما الذي تم إصداره فعليًا في 4 نوفمبر

ورقة المواصفات قصيرة بما يكفي لعرضها على شاشة واحدة، وهذا في حد ذاته ذو دلالة — فقد نشرت Cognition معلومات أقل عن هذا النموذج مما نشرته عن SWE-2 في سبتمبر.

• النموذج الأساسي — مُدرَّب تدريبًا لاحقًا من Inkling-Small، نموذج مزيج الخبراء مفتوح الأوزان من Thinking Machines Lab، بإجمالي 276 مليار معامل و12 مليارًا نشطة، بترخيص Apache 2.0 في المصدر الأصلي.

• التقديم — Devin Desktop وDevin CLI فقط. لا نقطة نهاية مستضافة، ولا واجهة برمجة تطبيقات من أي بائع، ولا تنزيل للأوزان.

• السعر — لا يُنشر أي سعر لكل رمز. الوصول مجاني حتى 30 نوفمبر 2026.

• السرعة — نحو 200 رمز في الثانية مقابل 60 لدى SWE-2، وهو رقم أنتجته Cognition عبر إعادة تشغيل نصوص جلسات مختصرة بمعدلات محاكاة بدلًا من قياس زمن نقطة نهاية حيّة.

• نافذة السياق، والحد الأقصى للإخراج، وإعدادات مستوى الجهد — لم تُذكر في أي مكان في منشور الإطلاق.

استبدال النموذج الأساسي هو العمل الهندسي الجديد حقًا. بُني SWE-2 على Kimi K3، وهو نموذج أساسي بإجمالي 2.8 تريليون معامل و104 مليارات معامل نشط. ويستند SWE-2 Flash إلى نموذج أساسي يبلغ حجمه نحو عُشر الحجم من حيث إجمالي المعاملات، وثُمن الحجم من حيث المعاملات النشطة، وتقول Cognition إن معظم استعادة الجودة جاء من مهام تعلّم معزّز أفضل وأدوات تحقق مُدقَّقة، لا من الحجم. كما يصف المنشور أول مرحلة تدريب متوسط تستخدمها الشركة قبل التعلم المعزّز: بضعة تريليونات من الرموز من المقالات العلمية والمدونات والشفرة البرمجية، تُنفَّذ في ثلاث جولات، مع وضع أندر البيانات في الأخير.

الادعاء الذي سيُكرَّر، والصف الذي يستند إليه

الجملة التي سيقتبسها الجميع هي أن SWE-2 Flash "يتفوق على جميع النماذج الأمريكية المفتوحة الأوزان، حتى تلك الأكبر بثلاثة أضعاف". يجدر بنا معرفة مقدار ما يبقى من ذلك بالضبط عند مواجهة الجدول الواقع تحته.

المقارنة المباشرة الوحيدة على المعيار نفسه في مواد الإطلاق مع نموذج برمجة أمريكي أصغر مفتوح الأوزان هي Terminal-Bench 2.1، حيث يسجل SWE-2 Flash نسبة 89.2 مقابل 54.9 لـ Flint v1.0. هذه فجوة كبيرة على نسخة معيار مشتركة، وهي أقوى دليل منفرد على الادعاء. لكن Flint v1.0 يبلغ إجماليه 39.8B، وNorth Mini Code من Cohere يبلغ 30B — ولا أي منهما أكبر بمقدار 3x من نموذج بحجم 276B. بل هما أصغر، وهو ما يجعل التغلب عليهما أمرًا عاديًا لا مثيرًا للإعجاب.

المقارِنان الأكبر بثلاثة أضعاف في جدول Cognition نفسه هما Muse Spark Open بإجمالي 616B وDeepSeek V4.1 Flash 1017 بإجمالي 763B. وفي DeepSWE 1.1، يسجّل SWE-2 Flash نتيجة 60.1 مقابل 60.0 لدى Muse Spark Open — أي عُشر نقطة، ضمن أي نطاق ضوضاء معقول، ولا يُوصف النموذج الذي تُقارَن به بأنه مفتوح الأوزان في السياق نفسه. أما DeepSeek V4.1 Flash 1017 فليس أمريكيًا، لذا لا يمكن أن يكون جزءًا من ادعاء «مفتوح الأوزان أمريكي» على الإطلاق. وهو أيضًا النموذج الذي يتفوق على SWE-2 Flash في Terminal-Bench 4.0 بفارق 22.3 نقطة — 42.3 مقابل 20.0 — وهي أكبر خسارة منفردة في أي موضع من المقارنة.

لا شيء من هذا يجعل الادعاء زائفًا. بل يجعله أضيق مما يبدو: معيار مشترك واحد مقابل نموذج أمريكي واحد مفتوح الأوزان، وفوز بفارق لا يعدو خطأ تقريب ضد نموذج تظل رخصته مسألة منفصلة. كل هذه الأرقام هي أرقام Cognition نفسها، جُمعت على أداة اختبار لا يسمّيها المنشور.

رقمان في Terminal-Bench يفصل بينهما سبعون نقطة

إذا لم تقرأ سوى شيء واحد من جدول Cognition، فاقرأ هذا الزوج. يسجّل SWE-2 Flash نتيجة 20.0 على Terminal-Bench 4.0 و89.2 على Terminal-Bench 2.1. وهذه ليست تقديرات متنافسة للشيء نفسه؛ بل هي أجيال مختلفة من المعايير بمجموعات مهام مختلفة وصعوبة مختلفة، ورقم الإصدار هو الشيء الوحيد الذي يفصل بينها للوهلة الأولى. إن جدول إطلاق يسرد كليهما يستدرج تمامًا إلى خطأ مقارنة 20.0 بنتيجة 2.1 لدى منافس، أو 89.2 بنتيجة 4.0 لدى منافس.

القاعدة الآمنة لهذا النموذج، ولأي نموذج يبلغ مورّده عن أكثر من إصدار واحد من Terminal-Bench: قارن 2.1 بـ2.1 و4.0 بـ4.0، واذكر أيّهما تقتبس. نحتفظ بملاحظة جارية بهذا الشأن لأن عرض النص المسطّح لجدول الإطلاق قد أسند صفًا واحدًا خطأً في التغطية الثانوية.

لماذا تكون الأوزان خلف باب — وما هو الباب

تضع Cognition الأوزان المحجوبة في إطار مقايضة بين الشفافية والمخاطر، والمنشور صريح على نحو غير معتاد بشأن جانب المخاطر. وتقول الشركة إنها دربت النموذج عمدًا للعمل الأمني ورفعت درجته في ExploitBench من 11.3 أثناء التدريب الأساسي إلى 34.8 بعد التدريب اللاحق. إن نشر تلك الأوزان سيضع نموذجًا كفؤًا لكتابة الاستغلالات في التداول العام.

لذا يوجد بدلًا من ذلك برنامج. ستُشارَك الأوزان "بأمان" مع الشركاء والباحثين، ويَعِد المنشور بتفاصيل "خلال بضعة أسابيع". وحتى كتابة هذه السطور، لا يوجد نموذج تقديم، ولا معايير أهلية، ولا ترخيص، ولا موعد، ولا بيان حول ما إذا كان يجوز إعادة توزيع الأوزان المشتركة أو استخدامها تجاريًا. برنامج الشركاء ليس أوزانًا مفتوحة، والتمييز مهم لأي شخص يخطط للاستضافة الذاتية: إلى أن توجد الشروط، فإن افتراض التخطيط الصحيح هو أن SWE-2 Flash لن يكون قابلًا للتنزيل أبدًا.

مجاني حتى 30 نوفمبر، ثم بدون سعر

العرض التجاري هو شهر من الوصول المجاني داخل Devin. بعد ذلك، لا يعرف أحد خارج Cognition كم تبلغ تكلفته، لأنه لم يُنشر أي سعر لكل توكن. عبارة «خُمس سعر SWE-2» هي نسبة مقابل منتج له تسعيره المجمّع الخاص به، وليست قائمة أسعار.

ذلك خطر تخطيطي حقيقي إذا كنت تفكر في بناء سير عمل حوله. إن الاعتماد غير المسعّر أسوأ من الاعتماد المكلف، لأنك لا تستطيع نمذجته. والتحرك الحكيم بين الآن و30 نوفمبر هو قياس ما يمكنك قياسه — ما إذا كانت جودة مخرجات النموذج في مستودعك الخاص تبرر تغيير إعداد Devin لديك — والتعامل مع مسألة التكلفة باعتبارها مفتوحة إلى أن تنشر Cognition رقمًا.

ما يمكنك الاتصال به فعليًا اليوم

SWE-2 Flash غير متاح على OrcaRouter ولن يكون كذلك حتى تُطلق Cognition نقطة وصول أو إصدار أوزان مرخّصًا؛ ولن نتظاهر بغير ذلك. ما يمكن استدعاؤه الآن هو بقية المنافسين الذين يتنافس معهم هذا الإطلاق ضمنيًا — ومن بينهم Muse Spark 1.2 و1.1 من Meta، وكلاهما متاح في الكتالوج، وكلاهما النموذجان اللذان جعلا نتيجة SWE-2 Flash في DeepSWE 1.1 عند عُشر نقطة.

إذا كان سبب قراءتك لهذا هو أنك تريد نموذجًا برمجيًا رخيصًا وسريعًا داخل حلقة وكيل هذا الأسبوع بدلًا من ديسمبر، فهذه هي نقطة التفرع العملية: انتظر تسعير Cognition وبرنامج شركائها، أو وجّه عميلك الحالي إلى واجهة API واحدة لأكثر من 200 نموذج وقارن البدائل بطريقة A/B مقابل مجموعة الاختبارات الخاصة بك. يمرر OrcaRouter سعر قائمة المزوّد كما هو دون هامش ربح (0%)، لذا إذا نشرت Cognition في النهاية سعرًا، فذلك السعر هو ما ستراه هنا من اليوم الأول بدلًا من رقم مورّد به هامش ربح مضاف.

ما أغفله منشور الإطلاق

هناك أربعة إغفالات تجدر الإشارة إليها لأنها هي التي تحدد ما إذا كانت الأرقام تعني شيئًا:

• بلا هيكل اختبار (harness). لقد أفصح منشور SWE-2 لشهر سبتمبر عن الهيكل (scaffold) وإعداد الجهد (effort) الخاص به. أما هذا المنشور فلا يفصح عن ذلك، ما يجعل كل نتيجة وكيلية صندوقًا أسود.

• لا يوجد إفصاح عن best-of-N. لا نعرف ما إذا كانت هذه pass@1 أم أفضل من خمس محاولات.

• لا توجد نافذة سياق. وبالنسبة إلى طراز يُطرح بوصفه الخيار الرخيص داخل وكيل، فإن ميزانية السياق ليست تفصيلًا هامشيًا.

• لا يوجد تشغيل مستقل. كل رقم هنا مُبلَّغ عنه من البائع وغير مُعاد إنتاجه، بما في ذلك درجة FrontierCode 2.0 البالغة 24.0 — وFrontierCode هو معيار Cognition الخاص، وهو أمر يجدر تذكّره عندما يكون هو الصف الذي يُظهر فوزًا.

ما ينبغي مراقبته ليس صفًا آخر في اختبارات الأداء، بل صفحة برنامج الشركاء: التاريخ، والترخيص، والسعر. عندما توجد هذه الثلاثة، يصبح SWE-2 Flash نموذجًا يمكنك تقييمه. وحتى ذلك الحين، يظل عرضًا تجريبيًا موثّقًا جيدًا مرفقًا بشهر مجاني.