Presentiamo SWE-2 Flash: otto righe di benchmark e nemmeno un endpoint

Cognition ha annunciato SWE-2 Flash il 4 novembre 2026, e il post è insolitamente generoso di numeri: otto righe di benchmark, due delta di addestramento prima e dopo, un dato sulla velocità e uno sul prezzo. Ciò che non contiene è un modo per chiamare il modello. SWE-2 Flash funziona all'interno di Devin Desktop e della CLI di Devin, gratuitamente fino al 30 novembre 2026. Non esiste alcun endpoint API, né un ID del modello, né una tariffa per token, né pesi pubblici. Per un lancio il cui titolo è "veloce ed efficiente", la cosa più utile che uno sviluppatore possa sapere è che l'efficienza è attualmente misurata in dollari che non paghi anziché in token che puoi acquistare.

Non è una critica al modello. È la struttura dell'offerta, e stabilisce chi oggi può dare seguito a questo annuncio e chi deve aspettare.

Cosa è stato effettivamente rilasciato il 4 novembre

La scheda tecnica è abbastanza breve da stare in una sola schermata, il che è di per sé informativo — Cognition ha pubblicato meno su questo modello di quanto abbia pubblicato su SWE-2 a settembre.

• Modello base — post-addestrato da Inkling-Small, mixture-of-experts open-weight di Thinking Machines Lab con 276B parametri totali e 12B attivi, Apache 2.0 upstream.

• Serving — solo Devin Desktop e la Devin CLI. Nessun endpoint ospitato, nessuna API del fornitore, nessun download dei pesi.

• Prezzo — non è pubblicata alcuna tariffa per token. L’accesso è gratuito fino al 30 novembre 2026.

Velocità — circa 200 token al secondo contro i 60 di SWE-2, un dato che Cognition ha ottenuto riproducendo trascrizioni abbreviate delle sessioni a velocità simulate anziché cronometrando un endpoint live.

• Finestra di contesto, output massimo e impostazioni di effort — non indicate da nessuna parte nel post di lancio.

Il cambio di modello di base è la vera novità ingegneristica. SWE-2 era costruito su Kimi K3, una base da 2,8T totali / 104B attivi. SWE-2 Flash si basa su una base grande circa un decimo in termini di parametri totali e un ottavo in termini di parametri attivi, e Cognition afferma che gran parte del recupero di qualità è venuto da compiti di apprendimento per rinforzo migliori e da verificatori sottoposti ad audit, piuttosto che dalla scala. Il post descrive anche la prima fase di addestramento intermedio che l'azienda ha usato prima del RL: qualche trilione di token di articoli scientifici, blog e codice, eseguiti in tre passaggi con i dati più rari per ultimi.

L'affermazione che sarà ripetuta, e la riga su cui si basa

La frase che tutti citeranno è che SWE-2 Flash "supera tutti i modelli americani open-weight, anche quelli 3 volte più grandi". Vale la pena sapere esattamente quanto di questo sopravvive al contatto con la tabella sottostante.

L'unico confronto diretto sullo stesso benchmark nei materiali di lancio con un coder open-weight americano più piccolo è Terminal-Bench 2.1, dove SWE-2 Flash riporta 89,2 contro 54,9 di Flint v1.0. Si tratta di un ampio divario su una versione condivisa del benchmark, ed è il singolo elemento di prova più forte a sostegno dell'affermazione. Ma Flint v1.0 ha 39,8B totali, e North Mini Code di Cohere è 30B — nessuno dei due è 3 volte più grande di un modello da 276B. Sono più piccoli, il che rende il fatto di superarli poco notevole anziché impressionante.

I comparatori da 3 volte più grandi nella tabella di Cognition stessa sono Muse Spark Open con 616B totali e DeepSeek V4.1 Flash 1017 con 763B totali. Su DeepSWE 1.1, SWE-2 Flash riporta 60,1 contro il 60,0 di Muse Spark Open — un decimo di punto, dentro qualsiasi banda di rumore plausibile, e il modello con cui viene confrontato non è descritto come open-weight nello stesso respiro. DeepSeek V4.1 Flash 1017, d'altro canto, non è americano, quindi non può far parte in alcun modo di un'affermazione sugli "open-weight americani". È anche il modello che batte SWE-2 Flash su Terminal-Bench 4.0 di 22,3 punti — 42,3 contro 20,0 — che è la singola perdita più ampia in tutto il confronto.

Niente di tutto ciò rende falsa l'affermazione. La rende più ristretta di quanto sembri: un unico benchmark condiviso contro un modello americano a pesi aperti, e una vittoria dell'ordine dell'errore di arrotondamento contro un modello la cui licenza è una questione a parte. Tutti questi numeri sono di Cognition, ottenuti su un harness che il post non nomina.

Due numeri di Terminal-Bench, a settanta punti di distanza

Se dalla tabella di Cognition leggete una sola cosa, leggete questa coppia. SWE-2 Flash ottiene 20,0 su Terminal-Bench 4.0 e 89,2 su Terminal-Bench 2.1. Non sono stime concorrenti della stessa cosa; sono generazioni diverse di benchmark, con set di attività e difficoltà diversi, e il numero di versione è l'unica cosa che a colpo d'occhio le distingue. Una tabella di lancio che li elenca entrambi invita esattamente all'errore di confrontare 20,0 con il punteggio che un concorrente ottiene su 2.1, oppure 89,2 con quello che un concorrente ottiene su 4.0.

La regola sicura per questo modello, e per qualsiasi modello il cui fornitore riporti più di una versione di Terminal-Bench, è: confrontare 2.1 con 2.1 e 4.0 con 4.0, e dire quale si sta citando. Teniamo una nota aggiornata in merito perché la resa testuale appiattita della tabella di lancio ha già assegnato erroneamente una riga nella copertura secondaria.

Perché i pesi sono dietro una porta — e cos'è la porta

Cognition inquadra i pesi non pubblicati come un compromesso tra trasparenza e rischio, e il post è insolitamente esplicito sul versante del rischio. L'azienda afferma di aver addestrato deliberatamente il modello per attività di sicurezza e di aver portato il punteggio ExploitBench da 11,3 durante l'addestramento di base a 34,8 dopo il post-addestramento. Pubblicare quei pesi metterebbe in circolazione generale un modello competente nella scrittura di exploit.

Quindi, invece, c’è un programma. I pesi saranno condivisi «in modo sicuro» con partner e ricercatori, e il post promette dettagli «tra poche settimane». Al momento in cui scriviamo non ci sono modulo di candidatura, criteri di ammissibilità, licenza, data né alcuna dichiarazione sul fatto che i pesi condivisi possano essere ridistribuiti o usati commercialmente. Un programma per partner non equivale a pesi aperti, e la distinzione è importante per chiunque intenda eseguirlo autonomamente: finché non esistono i termini, l’ipotesi di pianificazione corretta è che SWE-2 Flash non sarà mai scaricabile.

Gratuito fino al 30 novembre, poi prezzo non definito

L'offerta commerciale è un mese di accesso gratuito all'interno di Devin. Dopodiché, nessuno al di fuori di Cognition sa quanto costi, perché non è stata pubblicata alcuna tariffa per token. La frase "un quinto del prezzo di SWE-2" è un rapporto rispetto a un prodotto con una propria struttura di prezzo a pacchetto, non un listino tariffario.

Quello è un vero rischio di pianificazione se stai considerando di costruirci sopra un workflow. Una dipendenza senza prezzo è peggiore di una costosa, perché non puoi modellarla. La mossa sensata tra oggi e il 30 novembre è misurare ciò che puoi misurare — se la qualità dell'output del modello nel tuo repository giustifica il cambio della tua configurazione di Devin — e considerare la questione dei costi aperta finché Cognition non pubblica un numero.

Cosa puoi effettivamente chiamare oggi

SWE-2 Flash non è su OrcaRouter e non lo sarà finché Cognition non renderà disponibile un endpoint o un rilascio di pesi con licenza; non abbiamo intenzione di fingere il contrario. Ciò che è invocabile in questo momento è il resto del settore con cui questo lancio è implicitamente in competizione — tra cui Muse Spark 1.2 e 1.1 di Meta, entrambi attivi nel catalogo ed entrambi i modelli che hanno fissato il punteggio DeepSWE 1.1 di SWE-2 Flash a un decimo di punto.

Se il motivo per cui stai leggendo questo è che vuoi un modello di coding economico e veloce in un loop di agenti questa settimana anziché a dicembre, quella è la bivio pratico: aspettare il prezzo e il programma partner di Cognition, oppure puntare il tuo client esistente su un'API per più di 200 modelli e confrontare in A/B le alternative con la tua suite di test. OrcaRouter passa il prezzo di listino del provider senza ricarico, quindi se Cognition alla fine pubblica una tariffa, quella tariffa è ciò che vedresti qui dal primo giorno anziché un numero maggiorato di un rivenditore.

Cosa ha tralasciato il post di lancio

Quattro omissioni meritano di essere segnalate perché sono quelle che decidono se i numeri significano qualcosa:

• Nessun harness. Il post su SWE-2 di settembre rendeva noti il suo scaffold e l’impostazione dello sforzo. Questo no, il che rende ogni punteggio agentico una scatola nera.

• Nessuna divulgazione del best-of-N. Non sappiamo se si tratti di pass@1 o di un best-of-five.

• Nessuna finestra di contesto. Per un modello posizionato come opzione economica all'interno di un agente, il budget di contesto non è una nota a piè di pagina.

• Nessuna esecuzione indipendente. Ogni dato qui riportato è dichiarato dal fornitore e non riprodotto, incluso il punteggio di 24,0 su FrontierCode 2.0 — e FrontierCode è il benchmark proprietario di Cognition, cosa che vale la pena ricordare quando è proprio la riga che mostra una vittoria.

La cosa da tenere d'occhio non è un'altra riga di benchmark. È la pagina del programma partner: la data, la licenza e il prezzo. Quando quei tre elementi esisteranno, SWE-2 Flash diventerà un modello che puoi valutare. Fino ad allora è una demo ben documentata con annesso un mese gratuito.