SWE-2 Flash vs Qoder Cantus: Dua Model Coding yang Hanya Bisa Anda Sewa

SWE-2 Flash dan Qoder Cantus hampir tidak memiliki kesamaan, kecuali satu hal yang menentukan perbandingan ini: Anda tidak dapat memanggil salah satu dari keduanya. SWE-2 Flash milik Cognition dirilis pada 4 November 2026 dan hanya berjalan di dalam Devin Desktop dan Devin CLI. Qoder Cantus, model kelas atas bawaan Alibaba untuk platform pengodean Qoder-nya, hanya berjalan di dalam antarmuka Qoder sendiri sejak Juli 2026. Tidak ada endpoint, tidak ada ID model, tidak ada bobot yang dapat Anda unduh. Dua model, dua produk agen, dan tidak ada benchmark bersama yang menjadi tempat salah satunya diuji secara independen.

Kedengarannya seperti jalan buntu untuk halaman versus. Sebenarnya itulah inti ceritanya, karena itu mengubah apa yang Anda bandingkan. Ini bukan uji tanding antara dua checkpoint. Ini adalah pilihan antara dua kamar sewaan, dan pertanyaan yang berguna adalah kamar mana yang mempublikasikan meterannya, mana yang mempublikasikan pekerjaan rumahnya, dan mana dari dua hal itu yang lebih Anda inginkan saat tagihan datang.

Delapan baris melawan kolom kosong

Posting peluncuran Cognition sangat banyak mencantumkan angka. SWE-2 Flash melaporkan delapan baris benchmark, dua delta pelatihan, satu angka kecepatan, dan satu angka harga. Qoder sama sekali tidak menerbitkan skor benchmark untuk Cantus — tidak di situsnya sendiri, tidak di Artificial Analysis, tidak di LMArena — serta tidak mencantumkan jumlah parameter, arsitektur, maupun jendela konteks.

Sangat menggoda untuk membacanya sebagai delapan baris menjadi nol. Namun itu lebih tepat dipahami sebagai delapan klaim menjadi nol klaim, dan perbedaan itu lebih penting daripada jumlahnya.

• FrontierCode 2.0 — 24,0, dibandingkan dengan 23,8 untuk SWE-2 yang lebih besar dan 3,2 untuk basis Inkling-Small yang menjadi dasar pasca-pelatihannya.

• FrontierCode 1.1 Main — 45,5, dibandingkan SWE-2 sebesar 50,0.

• DeepSWE 1.1 — 60.1, dibandingkan dengan 73.0 milik SWE-2.

• Terminal-Bench 4.0 — 20.0, dibandingkan dengan 27.3 milik SWE-2 dan 0.9 untuk model dasar.

• Terminal-Bench 2.1 — 89,2, dibandingkan dengan 92,8 milik SWE-2.

• SWE-Atlas QA — 50,0, dibandingkan dengan SWE-2 sebesar 56,3.

• SWE-Bench Pro v2 Hard — 89,9, dibandingkan dengan 90,6 milik SWE-2.

• ExploitBench — 34,8, dibandingkan dengan 36,1 milik SWE-2.

Semua itu dilaporkan oleh vendor. Cognition tidak mempublikasikan harness, pengaturan reasoning-effort, atau apakah angka-angka itu berasal dari satu percobaan atau best-of-N, dan FrontierCode adalah benchmark milik Cognition sendiri. Jadi delapan baris itu bukan delapan fakta independen. Itu adalah delapan pernyataan yang setidaknya memungkinkan pembaca membentuk pandangan, dan itu adalah hal yang berbeda serta lebih rendah nilainya.

Kolom kosong Cantus bukan jenis kelemahan yang sama. Angka yang hilang dapat diisi nanti. Klaim yang tidak pernah dibuat tidak dapat diperiksa, dan Qoder sudah punya waktu sejak Juli untuk membuatnya.

Baris yang sebenarnya memprediksi pertandingan ini

Bandingkan baris SWE-2 Flash dengan saudara besarnya, dan sebuah pola pun muncul. Pada SWE-Bench Pro v2 Hard, benchmark untuk patch yang terspesifikasi dengan baik, Flash mencetak 89,9 berbanding 90,6 milik SWE-2 — selisih tujuh persepuluh poin, yang tidak berarti apa-apa. Pada DeepSWE 1.1 dan Terminal-Bench 4.0, tempat agen harus bekerja tanpa pengawasan lebih lama dengan scaffolding lebih sedikit, selisihnya melebar menjadi 12,9 poin dan 7,3 poin.

Itu adalah ciri khas model yang mampu bertahan pada pekerjaan berskala terbatas dan melemah seiring makin panjangnya cakrawala tugas. Itu adalah pilihan desain yang sepenuhnya wajar untuk tier yang cepat dan murah, dan itu adalah hal paling relevan untuk pengambilan keputusan dalam postingan peluncuran tersebut.

Sekarang bandingkan itu dengan cara Cantus dijual. Halaman peluncuran Qoder sendiri menggambarkannya sebagai dirancang untuk "eksekusi tugas otonom yang diperluas" — ujung spektrum tugas jangka panjang dengan pengawasan rendah. Itu justru sumbu tempat angka-angka SWE-2 Flash sendiri paling lemah.

Jadi satu dimensi tempat kedua model ini benar-benar bersaing juga merupakan dimensi di mana satu pihak memiliki skor yang dipublikasikan dengan hasil biasa-biasa saja dan pihak lainnya tidak memiliki skor sama sekali. Anda tidak dapat menyelesaikannya dengan bukti yang tersedia, dan siapa pun yang mengatakan sebaliknya sedang membandingkan tabel vendor dengan kata sifat pemasaran.

Berapa biaya masing-masing, dalam satu-satunya satuan yang dipublikasikan

Di sini asimetrinya berbalik, dan berbalik dengan drastis.

SWE-2 Flash gratis hingga 30 November 2026, yang merupakan harga terbaik yang mungkin sekaligus yang paling tidak bertahan lama. Setelah itu, satu-satunya pernyataan harga dari Cognition adalah bahwa Flash berbiaya "seperlima harga" SWE-2. SWE-2 juga tidak memiliki daftar tarif yang dipublikasikan. Rasio itu nyata di dalam penagihan Devin dan tidak berujung pada apa pun yang dapat dihitung oleh pembaca, sehingga biaya aktual setelah November tidak diketahui.

Cantus bekerja sebaliknya. Qoder menerbitkan faktor referensi per model dan biaya kredit median per mode tugas, yang cukup untuk melakukan aritmetika. Di halaman kredit Qoder, permintaan mode agen Editor pada jendela konteks 200K diperkirakan sekitar 12 kredit; Editor Ask sekitar 4; permintaan mode agen Qoder pada 200K sekitar 50.

Pengali di atasnya berubah. Catatan rilis Qoder menetapkan faktor referensi baru yang berlaku efektif pukul 00:00 waktu Singapura pada 21 September 2026, menaikkan Cantus dari 3,2x menjadi 4x. Jadi giliran agen Editor yang sama yang pada Agustus berbiaya sekitar 38 kredit referensi kini berbiaya 48 — kenaikan 25% untuk model yang tidak berubah. Qoder tidak menerbitkan tarif dolar per kredit resmi; paket top-up dilaporkan secara luas sekitar $20 per 1.500 kredit, yang membuat giliran itu mendekati $0,64 pada tarif add-on, dan lebih rendah bila dibayar dari jatah paket.

Sederhananya: model dengan delapan baris benchmark memiliki harga yang tidak dapat Anda hitung, dan model dengan nol baris benchmark memiliki harga yang dapat Anda hitung. Itu adalah kalimat paling berguna di halaman ini.

Dan tabel faktor itu layak dibaca sepenuhnya, karena tabel tersebut membandingkan harga Cantus dengan semua opsi lain dalam katalog yang sama. Pada 4x, Cantus mencapai lima kali lipat 0,8x milik GLM-5.3, delapan kali lipat 0,5x milik Qwen3.8-Max, dan empat puluh kali lipat 0,1x milik DeepSeek-Flash. Jika pekerjaan Anda di dalam Qoder sebagian besar berupa suntingan dengan cakupan terbatas, bukan proses otonom yang panjang, Cantus adalah cara paling mahal untuk melakukannya dengan selisih yang sangat besar — perbandingan yang diterbitkan Qoder sendiri dan yang hampir tidak pernah dibuat oleh liputan mana pun tentang model ini.

200K terdokumentasi, yang lainnya tidak diungkapkan, dan satu asumsi yang harus dihilangkan

Cantus tidak memiliki jendela konteks yang dipublikasikan, tetapi estimasi kredit Qoder dinyatakan dalam 50K dan 200K, dan 200K adalah angka yang berlaku — itulah jendela yang menjadi acuan kalibrasi model penagihan Qoder sendiri.

Jendela konteks SWE-2 Flash tidak disebutkan di mana pun dalam postingan peluncurannya. Jebakan di sini adalah pewarisan: SWE-2 berjalan di atas Kimi K3, yang membawa jendela 1 juta token, dan mudah untuk menganggap Flash juga demikian. Itu tidak serta-merta berlaku. Flash dilatih lanjut dari Inkling-Small, basis berbeda dengan garis keturunan berbeda, dan Cognition tidak mengatakan apa pun tentang jendela yang disajikannya. Anggap saja tidak diketahui, bukan besar.

• Konteks — Cantus 200K dalam model penagihan Qoder vs SWE-2 Flash yang tidak diungkapkan, dan tidak dapat diwarisi dari SWE-2.

• Parameter — Cantus tidak diungkapkan vs total 276B / 12B aktif di upstream milik Inkling-Small.

• Bobot — Cantus tidak pernah dijanjikan vs SWE-2 Flash ditahan, dengan program mitra yang dijanjikan “dalam beberapa minggu”.

• Pengujian independen — tak satu pun memilikinya.

Dua ruangan terkunci, dua meter

Kedua model hanya tersedia di satu permukaan, dan permukaannya tidak dapat dipertukarkan. Cantus muncul di seluruh IDE Qoder, plugin JetBrains, CLI, QoderWake, Cloud Agents, dan aplikasi mobile/web — luas di dalam Qoder, nol di luarnya. SWE-2 Flash muncul di Devin Desktop dan Devin CLI — lebih sempit, tetapi bagi tim yang sudah memakai Devin ini adalah pergantian model, bukan migrasi.

Meteran juga lebih fluktuatif daripada kartu tarif. Faktor Cantus bergerak 25% dalam satu pemberitahuan tanpa perubahan model, dan saudara barunya, Sonus, diluncurkan pada September di 8x. Rasio "seperlima" Cognition adalah angka periode peluncuran yang akan ditetapkan ulang setelah jendela gratis ditutup pada 30 November.

Satu kendala praktis yang perlu diketahui jika Anda menggunakan Qoder: pengguna melaporkan sepanjang Oktober bahwa Cantus dan Sonus menghilang dari pemilih model desktop saat proxy dikonfigurasi, dengan menonaktifkan proxy sebagai solusinya. Ini adalah bug klien, bukan masalah model, tetapi justru hal semacam inilah yang membuat proses otonom yang panjang berubah menjadi sore yang terbuang sia-sia.

Untuk kelengkapan, karena ini adalah pertanyaan berikutnya yang jelas: baik SWE-2 Flash maupun Qoder Cantus tidak ada di OrcaRouter, karena tidak ada dari kedua vendor itu yang menawarkan API untuk melakukan routing. Yang ada di OrcaRouter adalah kumpulan model yang dinilai oleh tabel Cognition yang sama pada Terminal-Bench 4.0 sebesar 41.8 dan 42.3 — GLM 5.3 Flash dan DeepSeek V4.1 Flash 1017 — dengan $0.15 per juta token input versus $0.50 dan $0.60 per juta output, dengan jendela konteks 1M token. Itu adalah pengukuran Cognition dalam harness Cognition, jadi bacalah sebagai indikatif, bukan tersertifikasi, tetapi arahnya tidak samar: keduanya dapat dipanggil, keduanya mengungguli skor 20.0 milik SWE-2 Flash pada baris itu, dan keduanya berada di balik satu kunci dengan markup 0% atas harga daftar penyedia serta failover otomatis jika penyedia mengalami degradasi. Jika alasan Anda membaca halaman ini adalah menemukan model coding yang dapat Anda masukkan ke pipeline alih-alih kursi, itulah jawaban jujurnya, dan jawaban itu bukan salah satu dari dua model di judul.

Siapa yang harus memilih yang mana

• Sudah menggunakan Devin, lingkup kerja sudah jelas — gunakan SWE-2 Flash sekarang. Gratis hingga 30 November, kemampuannya mendekati SWE-2 untuk patching yang spesifikasinya jelas, dan biaya untuk mencobanya hanyalah mengganti pilihan model.

• Jika sudah menggunakan Devin, pekerjaannya panjang dan tanpa pengawasan — tetap di SWE-2, atau arahkan ke model yang dapat dipanggil. Skor 20,0 Flash pada Terminal-Bench 4.0 adalah baris yang menentukan hal ini, dan skor itu tertinggal 7,3 poin dari model yang lebih mahal darinya.

• Di Qoder karena alasan kepatuhan atau region — Cantus adalah tier teratas dan satu-satunya yang diposisikan untuk otonomi yang diperluas, tetapi pada 4x angkanya delapan kali faktor Qwen3.8-Max untuk estimasi tugas yang sama. Sisihkan untuk run yang membutuhkannya.

• Perlu API, atau perlu menyusun model, atau perlu failover — tidak satu pun. Persyaratan itu mengesampingkan keduanya sebelum benchmark apa pun dipertimbangkan.

Hal yang perlu diperhatikan bukanlah tolok ukur. Yang perlu diperhatikan adalah apakah Cognition mencantumkan daftar harga untuk SWE-2 Flash saat jendela gratis berakhir pada 30 November, dan apakah Qoder pernah menerbitkan satu skor pun untuk Cantus. Hingga saat itu, putusan jujurnya adalah bahwa satu model lebih terdokumentasi dan model lainnya lebih kompetitif harganya, dan keduanya tidak dapat diverifikasi — sepasang fakta yang aneh untuk ditimbang, dan alasan perbandingan ini sulit dijawab dengan cara biasa.