SWE-2 Flash vs Qoder Cantus : deux modèles de codage que vous ne pouvez que louer

SWE-2 Flash et Qoder Cantus n’ont presque rien en commun, hormis ce qui tranche cette comparaison : vous ne pouvez appeler ni l’un ni l’autre. SWE-2 Flash de Cognition a été lancé le 4 novembre 2026 et ne fonctionne qu’au sein de Devin Desktop et de la CLI Devin. Qoder Cantus, le modèle intégré haut de gamme d’Alibaba pour sa plateforme de codage Qoder, ne tourne que dans les interfaces propres à Qoder depuis juillet 2026. Aucun point de terminaison, aucun ID de modèle, aucun poids téléchargeable. Deux modèles, deux produits d’agents, et aucun benchmark commun sur lequel l’un ou l’autre aurait été testé de façon indépendante.

Cela ressemble à une impasse pour une page de comparaison. C’est en réalité toute l’histoire, parce que cela change ce que vous comparez. Il ne s’agit pas d’un duel entre deux checkpoints. C’est un choix entre deux salles louées, et les questions utiles sont : quelle salle publie son compteur, laquelle publie ses devoirs, et laquelle de ces deux choses préféreriez-vous avoir quand la facture arrive.

Huit rangées contre une colonne vide

Le billet de lancement de Cognition est d’une générosité inhabituelle en chiffres. SWE-2 Flash rapporte huit lignes de benchmarks, deux deltas d’entraînement, un chiffre de vitesse et un chiffre de prix. Qoder n’a publié aucun score de benchmark pour Cantus — ni sur son propre site, ni sur Artificial Analysis, ni sur LMArena — et n’a pas non plus indiqué de nombre de paramètres, d’architecture ni de fenêtre de contexte.

Il est tentant d’y voir huit lignes à zéro. C’est plutôt huit affirmations contre zéro affirmation, et cette distinction compte plus que le décompte.

• FrontierCode 2.0 — 24,0, contre 23,8 pour le plus grand SWE-2 et 3,2 pour la base Inkling-Small à partir de laquelle il a été post-entraîné.

• FrontierCode 1.1 Main — 45,5, contre 50,0 pour SWE-2.

• DeepSWE 1.1 — 60,1, contre 73,0 pour SWE-2.

• Terminal-Bench 4.0 — 20,0, contre 27,3 pour SWE-2 et 0,9 pour le modèle de base.

• Terminal-Bench 2.1 — 89,2, contre 92,8 pour SWE-2.

• SWE-Atlas QA — 50,0, contre 56,3 pour SWE-2.

• SWE-Bench Pro v2 Hard — 89,9, contre 90,6 pour SWE-2.

• ExploitBench — 34,8, contre 36,1 pour SWE-2.

Chacun de ces éléments est déclaré par le fournisseur. Cognition ne publie ni le harnais, ni le paramètre d’effort de raisonnement, ni si les chiffres proviennent d’une tentative unique ou d’un best-of-N, et FrontierCode est le benchmark propre à Cognition. Les huit lignes ne constituent donc pas huit faits indépendants. Ce sont huit affirmations sur lesquelles un lecteur peut au moins se faire une opinion, ce qui est une chose différente et de moindre importance.

La colonne vide de Cantus n’est pas le même type de faiblesse. Un chiffre manquant peut être ajouté plus tard. Une affirmation qui n’a jamais été formulée ne peut pas être vérifiée, et Qoder a eu depuis juillet pour en formuler une.

La ligne qui prédit réellement cette confrontation

Si l’on compare la ligne SWE-2 Flash à son grand frère, une tendance se dessine. Sur SWE-Bench Pro v2 Hard, un benchmark de correctifs bien spécifiés, Flash obtient 89,9 contre 90,6 pour SWE-2 — un écart de sept dixièmes de point, autrement dit rien. Sur DeepSWE 1.1 et Terminal-Bench 4.0, où l’agent doit travailler sans supervision plus longtemps et avec moins d’échafaudage, les écarts se creusent jusqu’à 12,9 points et 7,3 points.

C’est la signature d’un modèle qui tient sur des tâches bien cadrées et s’essouffle à mesure que l’horizon s’allonge. C’est un choix de conception parfaitement raisonnable pour une gamme rapide et économique, et c’est l’élément le plus déterminant pour la décision dans l’article de lancement.

Mettez maintenant cela en regard de la façon dont Cantus est vendu. La page de lancement de Qoder le présente comme conçu pour « l’exécution autonome prolongée des tâches » — le pôle des tâches à long horizon et à faible supervision. C’est précisément l’axe sur lequel les propres chiffres de SWE-2 Flash sont les plus faibles.

Ainsi, la seule dimension sur laquelle ces deux modèles se livrent une véritable concurrence est aussi celle où l'un affiche un score publié médiocre et l'autre n'a aucun score du tout. Impossible de trancher avec les éléments disponibles, et quiconque vous affirme le contraire compare un tableau de fournisseur à un adjectif marketing.

Combien coûte chacun, dans les seules unités publiées

Ici, l’asymétrie s’inverse, et elle s’inverse brutalement.

SWE-2 Flash est gratuit jusqu’au 30 novembre 2026, ce qui constitue le meilleur prix possible et aussi le moins durable. Ensuite, la seule déclaration tarifaire de Cognition est que Flash coûte « un cinquième du prix » de SWE-2. SWE-2 n’a pas non plus de grille tarifaire publiée. Ce ratio est réel dans la facturation de Devin et n’aboutit à rien que le lecteur puisse calculer, donc le coût réel après novembre est inconnu.

Cantus fonctionne dans l'autre sens. Qoder publie un facteur de référence par modèle et un coût médian en crédits par mode de tâche, ce qui suffit pour faire le calcul. Sur la page des crédits de Qoder, une requête en mode agent Editor avec une fenêtre de contexte de 200K est estimée à environ 12 crédits ; Editor Ask à environ 4 ; une requête en mode agent Qoder à 200K à environ 50.

Le multiplicateur appliqué par-dessus a changé. Les notes de version de Qoder fixent un nouveau facteur de référence effectif à 00:00 heure de Singapour le 21 septembre 2026, faisant passer Cantus de 3,2x à 4x. Ainsi, une même interaction de l’agent Editor qui coûtait environ 38 crédits de référence en août coûte désormais 48, soit une augmentation de 25 % pour un modèle inchangé. Qoder ne publie aucun taux officiel en dollars par crédit ; les packs de recharge sont largement rapportés à environ 20 $ pour 1 500 crédits, ce qui situe cette interaction près de 0,64 $ aux tarifs des recharges, et moins lorsqu’elle est payée à partir de l’allocation d’un forfait.

Pour le dire simplement : le modèle avec huit lignes de benchmark a un prix que l’on ne peut pas calculer, et le modèle avec zéro ligne de benchmark en a un que l’on peut calculer. C’est la phrase la plus utile de cette page.

Et le tableau des facteurs mérite d’être lu dans son intégralité, car il compare le prix de Cantus à tout le reste du même bâtiment. À 4x, il représente cinq fois les 0,8x de GLM-5.3, huit fois les 0,5x de Qwen3.8-Max et quarante fois les 0,1x de DeepSeek-Flash. Si votre travail dans Qoder consiste surtout en des modifications ciblées plutôt qu’en de longues exécutions autonomes, Cantus est de loin la manière la plus coûteuse de le faire — une comparaison que Qoder publie elle-même et que presque aucune couverture du modèle ne prend la peine de faire.

Contexte : 200K documentés, l'autre non divulgué, et une hypothèse à abandonner

Cantus n’a pas de fenêtre de contexte publiée, mais les estimations de crédits de Qoder sont exprimées en 50K et 200K, et 200K est le chiffre opérationnel — c’est la fenêtre sur laquelle le propre modèle de facturation de Qoder est calibré.

La fenêtre de contexte de SWE-2 Flash n’est indiquée nulle part dans son article de lancement. Le piège ici est celui de l’héritage : SWE-2 fonctionne sur Kimi K3, qui dispose d’une fenêtre de 1 M de jetons, et il est facile de supposer que Flash aussi. Cela ne s’ensuit pas. Flash est post-entraîné à partir d’Inkling-Small, une base différente avec une lignée différente, et Cognition n’a rien dit sur la fenêtre qu’il propose. Considérez-la comme inconnue plutôt que comme grande.

• Contexte — Cantus 200K dans le modèle de facturation de Qoder vs SWE-2 Flash non divulgué, et non héritable de SWE-2.

• Paramètres — Cantus non divulgués contre les 276B au total / 12B actifs en amont d’Inkling-Small.

• Poids — Cantus jamais promis, contre SWE-2 Flash non communiqué, avec un programme partenaires promis « dans quelques semaines ».

• Tests indépendants — aucun des deux n'en a.

Deux pièces verrouillées, deux mètres

Les deux modèles sont à surface unique, et les surfaces ne sont pas interchangeables. Cantus est présent dans l’IDE de Qoder, le plugin JetBrains, la CLI, QoderWake, Cloud Agents et l’application mobile/web — une couverture large au sein de Qoder, nulle en dehors. SWE-2 Flash est présent dans Devin Desktop et la CLI Devin — plus restreint, mais pour les équipes déjà sur Devin, il s’agit d’un changement de modèle, pas d’une migration.

Les compteurs sont aussi plus volatils qu’une grille tarifaire. Le facteur de Cantus a varié de 25 % en une seule notification, sans changement de modèle, et son homologue plus récent, Sonus, a été lancé en septembre à 8x. Le ratio « un cinquième » de Cognition est un chiffre de la période de lancement qui sera réajusté une fois la fenêtre gratuite close, le 30 novembre.

Un détail pratique bon à savoir si vous êtes sur Qoder : des utilisateurs ont signalé jusqu'en octobre que Cantus et Sonus disparaissent du sélecteur de modèles de bureau lorsqu'un proxy est configuré, la solution de contournement consistant à désactiver le proxy. Il s'agit d'un bug du client, et non d'un problème de modèle, mais c'est le genre de chose qui transforme une longue exécution autonome en un après-midi perdu.

Pour être complet, puisque c’est la question suivante évidente : ni SWE-2 Flash ni Qoder Cantus ne figurent sur OrcaRouter, car aucun des deux fournisseurs n’offre d’API à router. Ce qui figure sur OrcaRouter, c’est l’ensemble des modèles que le même tableau Cognition note sur Terminal-Bench 4.0 à 41,8 et 42,3 — GLM 5.3 Flash et DeepSeek V4.1 Flash 1017 — à 0,15 $ par million de jetons d’entrée, contre 0,50 $ et 0,60 $ par million de jetons de sortie, avec des fenêtres de contexte de 1 M de jetons. Ce sont des mesures de Cognition dans le harnais de Cognition, donc à lire comme indicatives plutôt que certifiées, mais la tendance n’est pas subtile : tous deux sont appelables, tous deux surpassent le 20,0 de SWE-2 Flash sur cette ligne, et tous deux se trouvent derrière une seule clé avec 0 % de marge sur le prix catalogue du fournisseur et un basculement automatique si un fournisseur se dégrade. Si votre raison de lire cette page était de trouver un modèle de codage que vous pouvez mettre dans un pipeline plutôt qu’un siège, c’est la réponse honnête, et ce n’est ni l’un ni l’autre des deux du titre.

Qui devrait choisir lequel ?

• Déjà sur Devin, le travail est cadré — utilisez SWE-2 Flash dès maintenant. Il est gratuit jusqu'au 30 novembre, il est proche de SWE-2 sur le patching bien spécifié, et le coût d'un essai se résume à un changement de sélecteur de modèle.

• Déjà sur Devin, le travail est long et sans supervision — restez sur SWE-2, ou acheminez vers un modèle appelable. Le 20,0 de Flash sur Terminal-Bench 4.0 est la ligne qui régit cela, et il se situe 7,3 points derrière le modèle dont il est moins cher.

• Sur Qoder, pour des raisons de conformité ou de région — Cantus est le niveau le plus élevé et le seul positionné pour une autonomie étendue, mais à 4x, il représente huit fois le facteur de Qwen3.8-Max pour la même estimation de tâche. Réservez-le aux exécutions qui en ont besoin.

• Besoin d’une API, besoin de composer des modèles, ou besoin d’assurer le basculement en cas de défaillance — ni l’un ni l’autre. Cette exigence les exclut tous les deux avant même qu’un benchmark ne soit consulté.

Ce qu'il faut surveiller n'est pas un benchmark. C'est de savoir si Cognition associe une grille tarifaire à SWE-2 Flash lorsque la fenêtre gratuite se referme le 30 novembre, et si Qoder publie un jour ne serait-ce qu'un seul score pour Cantus. D'ici là, le verdict honnête est que l'un des modèles est mieux documenté et l'autre mieux tarifé, et qu'aucun des deux n'est vérifiable — une étrange paire de faits à devoir soupeser, et la raison pour laquelle cette confrontation résiste à la réponse habituelle.