SWE-2 Flash vs. Qoder Cantus: Zwei Coding-Modelle, die man nur mieten kann

SWE-2 Flash und Qoder Cantus haben fast nichts gemeinsam außer dem Punkt, der diesen Vergleich entscheidet: Man kann keines von beiden aufrufen. Cognitions SWE-2 Flash wurde am 4. November 2026 veröffentlicht und läuft ausschließlich in Devin Desktop und der Devin CLI. Qoder Cantus, Alibabas integriertes Topmodell für seine Coding-Plattform Qoder, läuft seit Juli 2026 ausschließlich innerhalb der eigenen Oberflächen von Qoder. Kein Endpoint, keine Modell-ID, keine herunterladbaren Gewichte. Zwei Modelle, zwei Agentenprodukte und kein gemeinsamer Benchmark, auf dem eines von beiden unabhängig getestet wurde.

Das klingt nach einer Sackgasse für eine Vergleichsseite. Tatsächlich ist es die ganze Geschichte, denn es verändert, was man vergleicht. Das ist kein Kräftemessen zwischen zwei Checkpoints. Es ist eine Wahl zwischen zwei gemieteten Räumen, und die nützlichen Fragen sind: Welcher Raum veröffentlicht seinen Zähler, welcher veröffentlicht seine Hausaufgaben, und was von beidem hätte man lieber, wenn die Rechnung kommt.

Acht Zeilen gegen eine leere Spalte

Cognitions Launch-Beitrag ist ungewöhnlich großzügig mit Zahlen. SWE-2 Flash meldet acht Benchmark-Zeilen, zwei Trainingsdeltas, eine Geschwindigkeitsangabe und eine Preisangabe. Qoder hat für Cantus überhaupt keinen Benchmark-Wert veröffentlicht – weder auf der eigenen Website noch bei Artificial Analysis noch auf LMArena – und auch weder eine Parameteranzahl noch eine Architektur noch ein Kontextfenster angegeben.

Es ist verlockend, das als acht Zeilen zu null zu lesen. Es ist eher acht Behauptungen zu null Behauptungen, und der Unterschied ist wichtiger als die Anzahl.

• FrontierCode 2.0 — 24,0, gegenüber 23,8 für das größere SWE-2 und 3,2 für die Inkling-Small-Basis, auf der es nachtrainiert wurde.

• FrontierCode 1.1 Main — 45,5, gegenüber den 50,0 von SWE-2.

• DeepSWE 1.1 — 60,1, gegenüber 73,0 bei SWE-2.

• Terminal-Bench 4.0 — 20,0, gegenüber 27,3 bei SWE-2 und 0,9 für das Basismodell.

• Terminal-Bench 2.1 — 89,2 gegenüber 92,8 bei SWE-2.

• SWE-Atlas QA — 50,0, gegenüber 56,3 bei SWE-2.

• SWE-Bench Pro v2 Hard — 89,9, gegenüber 90,6 von SWE-2.

• ExploitBench — 34,8 gegenüber 36,1 bei SWE-2.

Jede einzelne dieser Angaben stammt vom Anbieter. Cognition veröffentlicht weder das Test-Harness noch die Einstellung für den Reasoning-Aufwand oder ob die Zahlen aus einem einzelnen Versuch oder aus Best-of-N stammen, und FrontierCode ist Cognition's eigener Benchmark. Die acht Zeilen sind also keine acht unabhängigen Fakten. Sie sind acht Aussagen, zu denen ein Leser zumindest eine Einschätzung gewinnen kann, und das ist etwas anderes und weniger.

Cantus’ leere Spalte ist nicht dieselbe Art von Schwäche. Eine fehlende Zahl kann später ergänzt werden. Eine Behauptung, die nie aufgestellt wurde, lässt sich nicht überprüfen, und Qoder hat seit Juli Zeit gehabt, eine aufzustellen.

Die Zeile, die dieses Duell tatsächlich vorhersagt

Liest man die Zeile zu SWE-2 Flash im Vergleich zu seinem eigenen größeren Geschwistermodell, zeigt sich ein Muster. Auf SWE-Bench Pro v2 Hard, einem Benchmark für gut spezifizierte Patches, erreicht Flash 89,9 Punkte gegenüber 90,6 von SWE-2 – eine Lücke von sieben Zehntelpunkten, die praktisch nichts bedeutet. Auf DeepSWE 1.1 und Terminal-Bench 4.0, wo der Agent länger ohne Aufsicht und mit weniger Scaffolding arbeiten muss, öffnen sich die Lücken auf 12,9 Punkte bzw. 7,3 Punkte.

Das ist bezeichnend für ein Modell, das bei klar abgegrenzten Aufgaben standhält und nachlässt, je länger der Horizont wird. Für eine schnelle, günstige Stufe ist das eine völlig vernünftige Designentscheidung, und es ist das mit Abstand entscheidungsrelevanteste Element im Launch-Beitrag.

Vergleiche das nun damit, wie Cantus verkauft wird. Qoders eigene Launch-Seite beschreibt es als gebaut für „erweiterte autonome Aufgabenausführung“ – das Ende des Spektrums mit langem Zeithorizont und geringer Aufsicht. Genau das ist die Achse, auf der die eigenen Zahlen von SWE-2 Flash am schwächsten sind.

Die eine Dimension, in der diese beiden Modelle wirklich konkurrieren, ist also auch diejenige, in der die eine Seite eine mittelmäßige veröffentlichte Punktzahl hat und die andere überhaupt keine. Mit den verfügbaren Belegen lässt sich das nicht klären, und wer Ihnen etwas anderes erzählt, vergleicht eine Anbietertabelle mit einem Marketingadjektiv.

Was jedes einzelne kostet, in den einzigen veröffentlichten Einheiten

Hier kippt die Asymmetrie, und zwar gewaltig.

SWE-2 Flash ist bis zum 30. November 2026 kostenlos – der bestmögliche Preis und zugleich der am wenigsten dauerhafte. Danach besteht die einzige Preisaussage von Cognition darin, dass Flash „ein Fünftel des Preises“ von SWE-2 kostet. Auch SWE-2 hat keine veröffentlichte Preisliste. Das Verhältnis ist innerhalb von Devins Abrechnung real und mündet in nichts, was ein Leser berechnen kann, sodass die tatsächlichen Kosten nach November unbekannt sind.

Cantus funktioniert genau umgekehrt. Qoder veröffentlicht einen Referenzfaktor pro Modell und mediane Credit-Kosten pro Aufgabenmodus, was für die Arithmetik ausreicht. Auf Qoders Credits-Seite wird eine Editor-Anfrage im Agent-Modus bei einem 200K-Kontextfenster auf etwa 12 Credits geschätzt; Editor Ask auf etwa 4; eine Qoder-Anfrage im Agent-Modus bei 200K auf etwa 50.

Der Multiplikator obendrauf hat sich geändert. In den Release Notes von Qoder wird ein neuer Referenzfaktor festgelegt, gültig ab 00:00 Uhr Singapur-Zeit am 21. September 2026, wodurch Cantus von 3,2x auf 4x angehoben wird. Derselbe Editor-Agent-Turn, der im August etwa 38 Referenz-Credits kostete, kostet nun also 48 — eine Steigerung um 25 % für ein unverändertes Modell. Qoder veröffentlicht keinen offiziellen Dollar-pro-Credit-Satz; Top-up-Pakete werden weithin mit rund 20 US-Dollar pro 1.500 Credits angegeben, was diesen Turn bei Add-on-Sätzen auf nahezu 0,64 US-Dollar bringt und weniger, wenn er aus einem Plan-Kontingent bezahlt wird.

Einfach gesagt: Das Modell mit acht Benchmark-Zeilen hat einen Preis, den man nicht berechnen kann, und das Modell mit null Benchmark-Zeilen hat einen, den man berechnen kann. Das ist der nützlichste Satz auf dieser Seite.

Und die Faktortabelle lohnt sich, vollständig gelesen zu werden, denn sie bepreist Cantus gegen alles andere im selben Gebäude. Bei 4x liegt sie fünfmal über GLM-5.3s 0.8x, achtmal über Qwen3.8-Max' 0.5x und vierzigmal über DeepSeek-Flashs 0.1x. Wenn Ihre Arbeit in Qoder überwiegend aus klar umrissenen Änderungen statt langen autonomen Läufen besteht, ist Cantus mit großem Abstand der teuerste Weg, das zu erledigen — ein Vergleich, den Qoder selbst veröffentlicht und den kaum eine Berichterstattung über das Modell anzustellen geruht.

200K dokumentiert, das andere nicht offengelegt, und eine Annahme, die zu verwerfen ist

Cantus hat kein veröffentlichtes Kontextfenster, aber Qoders Credit-Schätzungen sind in 50K und 200K angegeben, und 200K ist die maßgebliche Größe – das ist das Fenster, an dem Qoders eigenes Abrechnungsmodell kalibriert ist.

Das Kontextfenster von SWE-2 Flash wird im zugehörigen Launch-Post nirgends angegeben. Die Falle hier ist die Vererbungsannahme: SWE-2 läuft auf Kimi K3, das ein Fenster von 1M Tokens mitbringt, und es liegt nahe anzunehmen, dass Flash dasselbe hat. Das folgt daraus nicht. Flash ist aus Inkling-Small nachtrainiert, einer anderen Basis mit einer anderen Abstammungslinie, und Cognition hat sich nicht dazu geäußert, welches Fenster es tatsächlich bedient. Behandle es als unbekannt statt als groß.

• Kontext — Cantus 200K in Qoders Abrechnungsmodell vs. SWE-2 Flash nicht offengelegt und nicht von SWE-2 übernehmbar.

• Parameter — Cantus nicht angegeben vs. Inkling-Small: 276B gesamt / 12B aktiv upstream.

• Gewichte — Cantus nie versprochen vs. SWE-2 Flash zurückgehalten, mit einem Partnerprogramm, das „in ein paar Wochen“ versprochen wurde.

{{1}}Unabhängige Tests{{/1}} — keiner von beiden hat welche.

Zwei verschlossene Räume, zwei Meter

Beide Modelle sind an eine einzige Oberfläche gebunden, und die Oberflächen sind nicht austauschbar. Cantus ist in Qoders IDE, im JetBrains-Plugin, in der CLI, in QoderWake, in Cloud Agents sowie in der Mobile-/Web-App präsent – breit innerhalb von Qoder, null außerhalb. SWE-2 Flash erscheint in Devin Desktop und in der Devin CLI – schmaler, aber für Teams, die bereits auf Devin setzen, ist es ein Modellwechsel, keine Migration.

Die Messgrößen sind außerdem volatiler als eine Tarifkarte. Cantus’ Faktor verschob sich in einer einzigen Mitteilung um 25 %, ohne dass sich das Modell änderte, und sein neueres Schwesterprodukt Sonus startete im September mit 8x. Cognitions „Ein-Fünftel“-Verhältnis ist eine Zahl aus der Startphase, die neu bepreist wird, sobald das kostenlose Zeitfenster am 30. November schließt.

Eine praktische Eigenheit, die man kennen sollte, wenn man Qoder nutzt: Nutzer berichteten bis Oktober, dass Cantus und Sonus aus der Modellauswahl der Desktop-App verschwinden, wenn ein Proxy konfiguriert ist, wobei das Deaktivieren des Proxys der Workaround ist. Es ist ein Client-Bug, kein Modellproblem, aber es ist die Art von Sache, die aus einem langen autonomen Lauf einen verschwendeten Nachmittag macht.

Der Vollständigkeit halber, da es die naheliegende nächste Frage ist: Weder SWE-2 Flash noch Qoder Cantus sind auf OrcaRouter, weil kein Anbieter eine API zum Routing anbietet. Was auf OrcaRouter ist, ist die Menge der Modelle, die dieselbe Cognition-Tabelle auf Terminal-Bench 4.0 mit 41,8 bzw. 42,3 bewertet — GLM 5.3 Flash und DeepSeek V4.1 Flash 1017 — zu 0,15 $ pro Million Eingabe-Token gegenüber 0,50 $ und 0,60 $ pro Million Ausgabe-Token, mit Kontextfenstern von 1 Mio. Token. Das sind Cognition-Messungen in Cognitions Harness, also als richtungsweisend statt als zertifiziert zu lesen, aber die Richtung ist keineswegs subtil: Beide sind aufrufbar, beide übertreffen SWE-2 Flashs 20,0 in dieser Zeile, und beide stehen hinter einem Schlüssel mit 0 % Aufschlag auf den Listenpreis des Anbieters und automatischem Failover, falls ein Anbieter beeinträchtigt wird. Wenn der Grund, aus dem Sie diese Seite lesen, war, ein Codemodell zu finden, das Sie in eine Pipeline einbauen können, statt es als Sitzlizenz zu nutzen, dann ist das die ehrliche Antwort, und es ist keines der beiden aus dem Titel.

Wer sollte was auswählen?

• Wenn Sie bereits Devin nutzen, ist der Arbeitsumfang klar abgesteckt — verwenden Sie jetzt SWE-2 Flash. Es ist bis zum 30. November kostenlos, kommt bei gut spezifizierten Patches nah an SWE-2 heran, und der Aufwand beim Ausprobieren besteht lediglich in einer Änderung der Modellauswahl.

• Bereits auf Devin sind die Aufgaben lang und unbeaufsichtigt – bleib bei SWE-2 oder leite an ein aufrufbares Modell weiter. Flashes 20,0 auf Terminal-Bench 4.0 ist die Zeile, die hier maßgeblich ist, und es liegt 7,3 Punkte hinter dem Modell, gegenüber dem es günstiger ist.

• In Qoder aus Compliance- oder Regionsgründen — Cantus ist die oberste Stufe und die einzige, die für erweiterte Autonomie positioniert ist, doch bei 4x liegt es beim Achtfachen des Faktors von Qwen3.8-Max für dieselbe Aufwandsschätzung. Halte es für die Durchläufe vor, die es brauchen.

• Sie brauchen eine API, müssen Modelle kombinieren oder ein Failover einrichten — nichts davon. Diese Anforderung schließt beide aus, bevor überhaupt ein Benchmark herangezogen wird.

Worauf man achten sollte, ist kein Benchmark. Es ist die Frage, ob Cognition SWE-2 Flash eine Preisliste beifügt, wenn das kostenlose Fenster am 30. November schließt, und ob Qoder jemals auch nur einen einzigen Score für Cantus veröffentlicht. Bis dahin lautet das ehrliche Urteil, dass das eine Modell besser dokumentiert und das andere besser bepreist ist und dass keines von beiden verifizierbar ist — was ein seltsames Paar von Tatsachen ist, das man abwägen muss, und der Grund, warum dieser Vergleich sich der üblichen Antwort entzieht.