SWE-2 Flash vs Qoder Cantus: dos modelos de programación que solo puedes alquilar

SWE-2 Flash y Qoder Cantus no tienen casi nada en común, salvo lo que decide esta comparación: no se puede invocar a ninguno de los dos. SWE-2 Flash de Cognition se lanzó el 4 de noviembre de 2026 y solo funciona dentro de Devin Desktop y la CLI de Devin. Qoder Cantus, el modelo de máximo nivel integrado de Alibaba para su plataforma de programación Qoder, solo se ha ejecutado dentro de las propias superficies de Qoder desde julio de 2026. Sin endpoint, sin ID de modelo, sin pesos que puedas descargar. Dos modelos, dos productos de agente y ningún benchmark compartido en el que se haya probado de forma independiente a ninguno de los dos.

Eso suena a un callejón sin salida para una página de comparación. En realidad, es toda la historia, porque cambia lo que estás comparando. Esto no es una competición entre dos checkpoints. Es una elección entre dos habitaciones alquiladas, y las preguntas útiles son qué habitación publica su medidor, cuál publica sus deberes, y cuál de esas dos cosas preferirías tener cuando llegue la factura.

Ocho filas frente a una columna vacía

El post de lanzamiento de Cognition es inusualmente generoso con las cifras. SWE-2 Flash reporta ocho filas de benchmarks, dos deltas de entrenamiento, una cifra de velocidad y una cifra de precio. Qoder no ha publicado ninguna puntuación de benchmark para Cantus en absoluto —ni en su propio sitio, ni en Artificial Analysis, ni en LMArena—, junto con ningún recuento de parámetros, ninguna arquitectura y ninguna ventana de contexto.

Es tentador interpretarlo como ocho filas a cero. Está más cerca de ocho afirmaciones frente a cero afirmaciones, y la distinción importa más que el recuento.

• FrontierCode 2.0 — 24,0, frente a 23,8 del SWE-2 más grande y 3,2 de la base Inkling-Small a partir de la cual se sometió a post-entrenamiento.

• FrontierCode 1.1 Main — 45.5, frente a 50.0 de SWE-2.

• DeepSWE 1.1 — 60.1, frente a los 73.0 de SWE-2.

• Terminal-Bench 4.0 — 20,0, frente a los 27,3 de SWE-2 y 0,9 del modelo base.

• Terminal-Bench 2.1 — 89,2, frente al 92,8 de SWE-2.

• SWE-Atlas QA — 50,0, frente a 56,3 de SWE-2.

• SWE-Bench Pro v2 Hard — 89,9, frente al 90,6 de SWE-2.

• ExploitBench — 34.8, frente al 36.1 de SWE-2.

Todos y cada uno de esos datos están reportados por el proveedor. Cognition no publica el arnés de pruebas, el ajuste del esfuerzo de razonamiento ni si las cifras corresponden a un solo intento o al mejor de N, y FrontierCode es un benchmark de la propia Cognition. Así que las ocho filas no son ocho hechos independientes. Son ocho afirmaciones sobre las cuales un lector puede al menos formarse una opinión, y eso es algo distinto y de menor alcance.

La columna vacía de Cantus no es el mismo tipo de debilidad. Un número faltante se puede completar más adelante. Una afirmación que nunca se hizo no se puede verificar, y Qoder ha tenido desde julio para hacer una.

La fila que realmente predice este enfrentamiento

Lea la fila de SWE-2 Flash frente a su propio hermano mayor y aparecerá un patrón. En SWE-Bench Pro v2 Hard, un benchmark de parches bien especificados, Flash obtiene 89,9 frente a los 90,6 de SWE-2 —una diferencia de siete décimas de punto, que no es nada—. En DeepSWE 1.1 y Terminal-Bench 4.0, donde el agente debe trabajar sin supervisión durante más tiempo y con menos andamiaje, las diferencias se amplían a 12,9 puntos y 7,3 puntos.

Ese es el sello distintivo de un modelo que se mantiene firme en trabajos acotados y se diluye a medida que se alarga el horizonte. Es una elección de diseño perfectamente razonable para un nivel rápido y barato, y es lo más relevante para la decisión en la publicación de lanzamiento.

Ahora pon eso junto a cómo se vende Cantus. La propia página de lanzamiento de Qoder lo describe como diseñado para la «ejecución autónoma prolongada de tareas», el extremo del espectro de horizonte largo y baja supervisión. Ese es precisamente el eje en el que los propios números de SWE-2 Flash son más débiles.

Así que la única dimensión en la que estos dos modelos compiten de verdad es también aquella en la que un lado tiene una puntuación publicada mediocre y el otro no tiene ninguna puntuación en absoluto. No puedes resolverlo con la evidencia disponible, y cualquiera que te diga lo contrario está comparando una tabla de proveedor con un adjetivo de marketing.

Cuánto cuesta cada uno, en las únicas unidades publicadas

Aquí la asimetría se invierte, y se invierte drásticamente.

SWE-2 Flash es gratis hasta el 30 de noviembre de 2026, lo que es el mejor precio posible y también el menos duradero. Después de eso, la única declaración de precios de Cognition es que Flash cuesta "una quinta parte del precio" de SWE-2. SWE-2 tampoco tiene una tarifa publicada. La proporción es real dentro de la facturación de Devin y no termina en nada que un lector pueda calcular, así que el costo real posterior a noviembre es desconocido.

Cantus funciona al revés. Qoder publica un factor de referencia por modelo y un costo medio de créditos por modo de tarea, lo cual basta para hacer cálculos. En la página de créditos de Qoder, una solicitud del modo agente de Editor con una ventana de contexto de 200K se estima en unos 12 créditos; Editor Ask, en unos 4; una solicitud del modo agente de Qoder con 200K, en unos 50.

El multiplicador adicional cambió. Las notas de la versión de Qoder establecen un nuevo factor de referencia con efecto a las 00:00, hora de Singapur, del 21 de septiembre de 2026, y elevan Cantus de 3,2x a 4x. Así, el mismo turno del agente Editor que en agosto costaba aproximadamente 38 créditos de referencia ahora cuesta 48: un aumento del 25 % para un modelo sin cambios. Qoder no publica una tarifa oficial de dólares por crédito; se informa ampliamente que los paquetes de recarga rondan los $20 por 1.500 créditos, lo que sitúa ese turno cerca de $0,64 con tarifas de recarga, y menos cuando se paga con la asignación de un plan.

Dicho sin rodeos: el modelo con ocho filas de benchmarks tiene un precio que no se puede calcular, y el modelo con cero filas de benchmarks tiene uno que sí se puede calcular. Esa es la frase más útil de esta página.

Y la tabla de factores merece leerse entera, porque compara el precio de Cantus con todo lo demás del mismo edificio. Con 4x, está cinco veces por encima del 0.8x de GLM-5.3, ocho veces por encima del 0.5x de Qwen3.8-Max y cuarenta veces por encima del 0.1x de DeepSeek-Flash. Si tu trabajo dentro de Qoder consiste sobre todo en ediciones acotadas y no en largas ejecuciones autónomas, Cantus es, con mucha diferencia, la forma más cara de hacerlo —una comparación que la propia Qoder publica y que casi ninguna cobertura del modelo se molesta en hacer.

Contexto: 200K documentados, el otro sin revelar, y una suposición que descartar.

Cantus no tiene una ventana de contexto publicada, pero las estimaciones de créditos de Qoder están expresadas en 50K y 200K, y 200K es la cifra operativa: esa es la ventana con la que está calibrado el propio modelo de facturación de Qoder.

La ventana de contexto de SWE-2 Flash no se indica en ningún lugar de su publicación de lanzamiento. La trampa aquí es la herencia: SWE-2 se ejecuta sobre Kimi K3, que tiene una ventana de 1M de tokens, y es fácil suponer que Flash también. No se deduce. Flash se entrena posteriormente a partir de Inkling-Small, una base diferente con un linaje diferente, y Cognition no ha dicho nada sobre la ventana que ofrece. Trátala como desconocida en lugar de grande.

• Contexto — Cantus 200K en el modelo de facturación de Qoder frente a SWE-2 Flash no revelado, y no heredable de SWE-2.

• Parámetros — Cantus no revelado frente a los 276B totales / 12B activos upstream de Inkling-Small.

• Pesos — Cantus nunca lo prometió frente a SWE-2 Flash, que quedó retenido, con un programa para socios prometido «en unas semanas».

• Pruebas independientes: ninguno de los dos tiene ninguna.

Dos habitaciones cerradas, dos medidores.

Ambos modelos son de una sola superficie, y las superficies no son intercambiables. Cantus aparece en el IDE de Qoder, el plugin para JetBrains, la CLI, QoderWake, Cloud Agents y la aplicación móvil/web: amplia presencia dentro de Qoder, nula fuera de él. SWE-2 Flash aparece en Devin Desktop y en la CLI de Devin: más limitado, pero para los equipos que ya trabajan con Devin se trata de un cambio de modelo, no de una migración.

Los medidores también son más volátiles que una lista de precios. El factor de Cantus cambió un 25% en un solo aviso sin ningún cambio de modelo, y su hermano más reciente, Sonus, se lanzó en septiembre a 8x. La ratio de "un quinto" de Cognition es una cifra del periodo de lanzamiento que se volverá a tarificar cuando se cierre la ventana gratuita el 30 de noviembre.

Un detalle práctico que conviene conocer si usas Qoder: los usuarios informaron a lo largo de octubre de que Cantus y Sonus desaparecen del selector de modelos de escritorio cuando hay un proxy configurado, y la solución provisional es desactivar el proxy. Es un error del cliente, no un problema del modelo, pero es de esas cosas que convierten una larga ejecución autónoma en una tarde perdida.

Para ser completos, ya que es la siguiente pregunta obvia: ni SWE-2 Flash ni Qoder Cantus están en OrcaRouter, porque ninguno de los dos proveedores ofrece una API que enrutar. Lo que sí está en OrcaRouter es el conjunto de modelos que la misma tabla de Cognition puntúa en Terminal-Bench 4.0 con 41,8 y 42,3 — GLM 5.3 Flash y DeepSeek V4.1 Flash 1017 — a $0,15 por millón de tokens de entrada frente a $0,50 y $0,60 por millón de salida, con ventanas de contexto de 1M de tokens. Esas son las mediciones de Cognition en el entorno de pruebas de Cognition, así que léelas como orientativas más que como certificadas, pero la orientación no es sutil: ambos son invocables, ambos superan el 20,0 de SWE-2 Flash en esa fila, y ambos están detrás de una sola clave con 0 % de recargo sobre el precio de lista del proveedor y con conmutación por error automática si un proveedor se degrada. Si tu motivo para leer esta página era encontrar un modelo de programación que puedas poner en un pipeline en lugar de en un asiento, esa es la respuesta honesta, y no es ninguno de los dos del título.

¿Quién debería elegir cuál?

• Si ya usas Devin, el trabajo está definido: usa SWE-2 Flash ahora. Es gratis hasta el 30 de noviembre, está a la par de SWE-2 en la aplicación de parches bien especificada, y el costo de probarlo es un cambio en el selector de modelo.

Ya en Devin, el trabajo es largo y no supervisado: quédate en SWE-2 o enruta un modelo invocable. El 20.0 de Flash en Terminal-Bench 4.0 es la fila que rige esto, y está 7.3 puntos por detrás del modelo del que es más barato.

• En Qoder por motivos de cumplimiento o de región — Cantus es el nivel superior y el único posicionado para la autonomía extendida, pero, a 4x, su factor es ocho veces el de Qwen3.8-Max para la misma estimación de tarea. Resérvalo para las ejecuciones que lo necesiten.

• Necesitas una API, o necesitas componer modelos, o necesitas failover — ninguna de las dos. Ese requisito descarta ambas antes de consultar cualquier benchmark.

Lo que hay que observar no es un benchmark. Es si Cognition adjunta una lista de precios a SWE-2 Flash cuando la ventana gratuita se cierre el 30 de noviembre, y si Qoder llega a publicar una sola puntuación para Cantus. Hasta entonces, el veredicto honesto es que un modelo está mejor documentado y el otro tiene mejor precio, y ninguno de los dos es verificable — lo cual es un extraño par de hechos que hay que sopesar, y la razón por la que este enfrentamiento se resiste a la respuesta habitual.