Présentation de SWE-2 Flash : huit lignes de benchmark et pas le moindre endpoint

Cognition a annoncé SWE-2 Flash le 4 novembre 2026, et l’article est exceptionnellement généreux en chiffres : huit lignes de benchmarks, deux deltas avant/après entraînement, un chiffre de vitesse et un chiffre de prix. Ce qu’il ne contient pas, c’est un moyen d’appeler le modèle. SWE-2 Flash fonctionne dans Devin Desktop et la CLI Devin, gratuitement jusqu’au 30 novembre 2026. Il n’y a pas de point de terminaison API, pas d’ID de modèle, pas de tarif par token et pas de poids publics. Pour un lancement dont le titre est « rapide et efficace », ce qu’un développeur peut savoir de plus utile, c’est que l’efficacité se mesure actuellement en dollars que vous ne payez pas plutôt qu’en tokens que vous pouvez acheter.

Ce n’est pas une critique du modèle. C’est la structure de l’offre, et elle détermine qui peut agir sur cette annonce aujourd’hui et qui doit attendre.

Ce qui a réellement été livré le 4 novembre

La fiche technique est assez courte pour tenir sur un seul écran, ce qui est en soi révélateur — Cognition a publié moins d’informations sur ce modèle qu’elle n’en a publié sur SWE-2 en septembre.

• Modèle de base — post-entraîné à partir d'Inkling-Small, le mixture-of-experts à poids ouverts de Thinking Machines Lab, avec 276 B de paramètres au total et 12 B actifs, Apache 2.0 en amont.

• Service — Devin Desktop et la Devin CLI uniquement. Aucun point de terminaison hébergé, aucune API tierce, aucun téléchargement de poids.

• Prix — aucun tarif par token n’est publié. L’accès est gratuit jusqu’au 30 novembre 2026.

• Vitesse — environ 200 tokens par seconde contre 60 pour SWE-2, un chiffre que Cognition a obtenu en rejouant des transcriptions de sessions raccourcies à des débits simulés plutôt qu'en chronométrant un point de terminaison en direct.

• Fenêtre de contexte, sortie maximale et paramètres d’effort — non précisés nulle part dans l’article de lancement.

Le remplacement du modèle de base constitue la véritable nouveauté d’ingénierie. SWE-2 a été construit sur Kimi K3, un modèle de base de 2,8 T de paramètres au total / 104 Md actifs. SWE-2 Flash repose sur une base dont la taille représente environ un dixième en paramètres totaux et un huitième en paramètres actifs, et Cognition affirme que l’essentiel de la récupération de qualité provient de meilleures tâches d’apprentissage par renforcement et de vérificateurs audités, plutôt que de l’échelle. L’article décrit également la première étape de mid-training que l’entreprise utilise avant le RL : quelques milliers de milliards de tokens d’articles scientifiques, de blogs et de code, traités en trois passes, les données les plus rares en dernier.

L’affirmation qui sera répétée, et la ligne sur laquelle elle repose

La phrase que tout le monde citera est que SWE-2 Flash « surpasse tous les modèles américains à poids ouverts, même ceux 3 fois plus grands ». Il vaut la peine de savoir exactement quelle part de cela survit au contact du tableau qui se trouve en dessous.

La seule comparaison directe sur le même benchmark, dans les supports de lancement, avec un modèle de code américain à poids ouverts plus petit est Terminal-Bench 2.1, où SWE-2 Flash annonce 89,2 contre 54,9 pour Flint v1.0. C’est un écart important sur une version partagée du benchmark, et c’est l’élément de preuve le plus solide à l’appui de cette affirmation. Mais Flint v1.0 totalise 39,8 B de paramètres, et North Mini Code de Cohere en compte 30 B — aucun des deux n’est 3 fois plus grand qu’un modèle de 276 B. Ils sont plus petits, ce qui rend le fait de les battre banal plutôt qu’impressionnant.

Les comparateurs 3 fois plus grands dans le propre tableau de Cognition sont Muse Spark Open, avec 616B au total, et DeepSeek V4.1 Flash 1017, avec 763B au total. Sur DeepSWE 1.1, SWE-2 Flash annonce 60,1 contre 60,0 pour Muse Spark Open — un dixième de point, dans toutes les marges de bruit plausibles, et le modèle auquel il est comparé n’est pas décrit comme étant à poids ouverts dans la même phrase. DeepSeek V4.1 Flash 1017, quant à lui, n’est pas américain, il ne peut donc pas du tout faire partie d’une affirmation sur un « modèle américain à poids ouverts ». C’est aussi le modèle qui bat SWE-2 Flash sur Terminal-Bench 4.0 de 22,3 points — 42,3 contre 20,0 — ce qui constitue la plus grande défaite individuelle de toute la comparaison.

Rien de tout cela ne rend l’affirmation fausse. Cela la rend plus étroite qu’elle n’en a l’air : un seul benchmark partagé face à un seul modèle américain à poids ouverts, et une victoire à une erreur d’arrondi près contre un modèle dont la licence est une question à part. Tous ces chiffres sont ceux de Cognition, obtenus sur un harnais que le billet ne nomme pas.

Deux chiffres Terminal-Bench, à soixante-dix points d’écart

Si vous ne lisez qu’une seule chose dans le tableau de Cognition, lisez cette paire. SWE-2 Flash obtient 20,0 sur Terminal-Bench 4.0 et 89,2 sur Terminal-Bench 2.1. Ce ne sont pas des estimations concurrentes de la même chose ; ce sont des générations de benchmark différentes, avec des ensembles de tâches et des niveaux de difficulté différents, et le numéro de version est la seule chose qui les distingue à première vue. Un tableau de lancement qui liste les deux invite exactement à l’erreur de comparer 20,0 au score 2,1 d’un rival, ou 89,2 au score 4,0 d’un rival.

Pour ce modèle, et pour tout modèle dont le fournisseur indique plus d’une version de Terminal-Bench, la règle prudente est la suivante : comparer 2.1 à 2.1 et 4.0 à 4.0, et préciser la version que vous citez. Nous tenons une note continue à ce sujet, car le rendu texte aplati du tableau de lancement a déjà mal attribué une ligne dans la couverture secondaire.

Pourquoi les poids sont derrière une porte — et ce qu’est cette porte

Cognition présente les poids non publiés comme un arbitrage entre transparence et risque, et la publication est inhabituellement directe sur le volet risque. L’entreprise affirme avoir délibérément entraîné le modèle pour des travaux de sécurité et avoir fait passer son score ExploitBench de 11,3 pendant l’entraînement de base à 34,8 après le post-entraînement. Publier ces poids mettrait en circulation générale un modèle compétent pour rédiger des exploits.

Ainsi, il y a plutôt un programme. Les poids seront partagés « de manière sécurisée » avec des partenaires et des chercheurs, et l’article promet des détails « dans quelques semaines ». À l’heure où nous écrivons, il n’y a ni formulaire de candidature, ni critères d’éligibilité, ni licence, ni date, ni déclaration indiquant si les poids partagés peuvent être redistribués ou utilisés à des fins commerciales. Un programme de partenaires n’est pas un modèle à poids ouverts, et la distinction compte pour quiconque envisage de l’auto-héberger : tant que les conditions n’existent pas, l’hypothèse de planification correcte est que SWE-2 Flash ne sera jamais téléchargeable.

Gratuit jusqu’au 30 novembre, puis sans prix indiqué

L’offre commerciale consiste en un mois d’accès gratuit dans Devin. Ensuite, personne en dehors de Cognition ne sait combien cela coûte, car aucun tarif par token n’a été publié. La phrase « un cinquième du prix de SWE-2 » est un ratio par rapport à un produit dont la tarification est intégrée, et non une grille tarifaire.

C'est un véritable risque de planification si vous envisagez de construire un flux de travail autour de cela. Une dépendance sans prix est pire qu'une dépendance coûteuse, car vous ne pouvez pas la modéliser. La démarche raisonnable d'ici au 30 novembre consiste à mesurer ce que vous pouvez mesurer — si la qualité des résultats du modèle dans votre propre dépôt justifie de changer votre configuration Devin — et à considérer la question du coût comme ouverte tant que Cognition n'a pas publié de chiffre.

Ce que vous pouvez réellement appeler aujourd'hui

SWE-2 Flash n'est pas disponible sur OrcaRouter et ne le sera pas tant que Cognition n'aura pas livré un point de terminaison ou une publication de poids sous licence ; nous n'allons pas prétendre le contraire. Ce qui est invoquable dès maintenant, c'est le reste du paysage concurrentiel avec lequel ce lancement est implicitement en concurrence — dont Muse Spark 1.2 et 1.1 de Meta, qui sont tous deux disponibles dans le catalogue et qui sont tous deux les modèles qui ont fixé le score DeepSWE 1.1 de SWE-2 Flash à un dixième de point.

Si la raison pour laquelle vous lisez ceci est que vous voulez un modèle de codage bon marché et rapide dans une boucle d’agent cette semaine plutôt qu’en décembre, voilà le choix pratique : attendre la tarification et le programme de partenaires de Cognition, ou diriger votre client existant vers une API pour plus de 200 modèles et comparer les alternatives en A/B avec votre propre suite de tests. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, donc si Cognition finit par publier un tarif, ce tarif est ce que vous verriez ici dès le premier jour plutôt qu’un prix de revendeur majoré.

Ce que le post de lancement a omis

Quatre omissions méritent d'être signalées, car ce sont elles qui déterminent si les chiffres veulent dire quelque chose :

• Aucun harness. Le post de septembre sur SWE-2 divulguait son scaffold et son réglage d’effort. Celui-ci ne le fait pas, ce qui fait de chaque score agentique une boîte noire.

• Aucune divulgation de best-of-N. Nous ne savons pas s'il s'agit de pass@1 ou d'un best-of-five.

• Aucune fenêtre de contexte. Pour un modèle positionné comme l’option bon marché au sein d’un agent, le budget de contexte n’est pas un détail.

• Aucune exécution indépendante. Chaque chiffre ici est déclaré par le fournisseur et non reproduit, y compris le score de 24,0 à FrontierCode 2.0 — et FrontierCode est le benchmark maison de Cognition, ce qu’il vaut la peine de garder en tête quand c’est la ligne qui affiche une victoire.

Ce qu’il faut surveiller, ce n’est pas une nouvelle ligne de benchmark. C’est la page du programme partenaires : la date, la licence et le prix. Quand ces trois éléments existent, SWE-2 Flash devient un modèle que l’on peut évaluer. D’ici là, ce n’est qu’une démo bien documentée assortie d’un mois gratuit.