SWE-2 Flash vs Qoder Cantus：借りることしかできない2つのコーディングモデル

SWE-2 FlashとQoder Cantusには、この比較を決める一点を除けばほとんど共通点がない。それは、どちらも呼び出せないということだ。CognitionのSWE-2 Flashは2026年11月4日に提供開始され、Devin DesktopとDevin CLIの内部でのみ動作する。Qoder Cantusは、AlibabaのQoderコーディングプラットフォーム向け組み込み最上位モデルで、2026年7月以降、Qoder自身のサーフェス内でのみ動作してきた。エンドポイントもモデルIDも、ダウンロードできる重みもない。2つのモデル、2つのエージェント製品、そしてどちらも独立してテストされた共通ベンチマークは存在しない。

それは対決ページにとって行き止まりのように聞こえる。だが実はそれがすべてで、何を比較しているかが変わるからだ。これは二つのチェックポイントの焼き比べではない。二つの借り部屋のどちらかを選ぶことであり、有用な問いは、どちらの部屋がメーターを公開しているか、どちらが宿題を公開しているか、そして請求書が届いたとき、その二つのどちらをより欲しいと思うかだ。

空の列に対して8行

Cognitionの発表記事は異例なほど数字が豊富だ。SWE-2 Flashは8つのベンチマーク行、2つのトレーニング差分、速度の数値、価格の数値を報告している。QoderはCantusについてベンチマークスコアを一切公開していない——自社サイトでも、Artificial Analysisでも、LMArenaでも——しかもパラメータ数、アーキテクチャ、コンテキストウィンドウも公表していない。

それを8行対0行と解釈したくなる。しかし実際は8件の主張対0件の主張に近く、その区別は数よりも重要だ。

• FrontierCode 2.0 — 24.0（より大規模な SWE-2 は 23.8、ポストトレーニングの基になった Inkling-Small ベースは 3.2）

• FrontierCode 1.1 Main — 45.5（SWE-2 の 50.0 に対して）。

• DeepSWE 1.1 — 60.1、SWE-2の73.0に対して。

• Terminal-Bench 4.0 — 20.0、SWE-2 の 27.3 とベースモデルの 0.9 に対して。

• Terminal-Bench 2.1 — 89.2（SWE-2 の 92.8 に対して）。

• SWE-Atlas QA — 50.0（SWE-2 の 56.3 に対して）。

• SWE-Bench Pro v2 Hard — 89.9（SWE-2の90.6に対して）

• ExploitBench — 34.8、SWE-2 の 36.1 に対して。

そのすべてがベンダー報告です。Cognitionは、ハーネス、推論エフォートの設定、あるいは数値が単一試行なのかbest-of-Nなのかを公表しておらず、FrontierCodeはCognition自身のベンチマークです。したがって、8つの行は8つの独立した事実ではありません。それらは、読者が少なくとも見解を形成できる8つの記述であり、それは別物であり、より劣るものです。

Cantusの空欄は、同じ種類の弱点ではない。欠けている数値は後から埋められる。だが、一度もなされなかった主張は検証できず、Qoderには7月以降、その主張をする機会があった。

実際にこの対戦を予測する行

SWE-2 Flashを、ひと回り上の兄弟モデルと並べて見ると、ある傾向が浮かび上がる。十分に仕様が定められたパッチのベンチマークであるSWE-Bench Pro v2 Hardでは、Flashは89.9、SWE-2は90.6——その差は0.7ポイントで、取るに足らない。一方、エージェントがより少ない足場でより長く自律的に作業しなければならないDeepSWE 1.1とTerminal-Bench 4.0では、差は12.9ポイントと7.3ポイントに広がる。

それは、範囲を限定した作業では持ちこたえ、時間軸が長くなるにつれて薄れていくモデルの特徴だ。高速で安価なティアにとっては完全に合理的な設計選択であり、ローンチ記事の中で意思決定に最も関係する唯一の事柄でもある。

では、それを Cantus の売り方と並べて見てみよう。Qoder 自身のローンチページは、これを「拡張された自律的タスク実行」向けに作られたものだと説明している——長期的で低監視というスペクトルの端だ。まさにその軸こそ、SWE-2 Flash 自身の数字が最も弱いところである。

つまり、これら2つのモデルが本当に競合している唯一の次元は、一方が凡庸な公表スコアを持ち、もう一方がまったくスコアを持たない次元でもある。入手可能な証拠ではそれを決着できない。そうでないと言う人は、ベンダーの表とマーケティング用の形容詞を比べているにすぎない。

それぞれの費用を、公表されている唯一の単位で

ここで非対称性は反転する。しかも大きく反転する。

SWE-2 Flashは2026年11月30日まで無料で、これは可能な限り最良の価格であり、同時に最も持続性のない価格でもある。それ以降についてCognitionが価格に関して示している唯一の説明は、Flashの価格はSWE-2の「5分の1」だというものだ。SWE-2にも公開された料金表はない。この比率はDevinの請求内部では実在するが、読者が計算できる何かには帰着しない。そのため、11月以降の実際のコストは不明だ。

Cantusは逆の仕組みで動きます。Qoderはモデルごとの参照係数と、タスクモードごとのクレジットコストの中央値を公開しており、これだけで計算できます。Qoderのクレジットページでは、200KコンテキストウィンドウでのEditorエージェントモードのリクエストは約12クレジット、Editor Askは約4クレジット、200KでのQoderエージェントモードのリクエストは約50クレジットと見積もられています。

その上に乗る倍率が動いた。Qoderのリリースノートは、2026年9月21日00:00シンガポール時間に有効な新しい基準係数を設定し、Cantusを3.2倍から4倍に引き上げた。つまり、8月に約38参照クレジットかかった同じEditorエージェントのターンは、今では48になる——モデルが変わっていないのに25%の増加だ。Qoderは1クレジットあたりのドル料金を公式には公表していない。追加購入パックは1,500クレジットあたり約20ドルと広く報じられており、追加購入レートではそのターンは0.64ドル近く、プランの割当枠から支払う場合はより低くなる。

端的に言えば、ベンチマーク行が8つあるモデルの価格は計算できず、ベンチマーク行が0のモデルの価格は計算できる。これがこのページで最も役に立つ一文だ。

係数表は全文を読む価値がある。Cantusを同じ環境内の他のすべてと比較して価格付けしているからだ。4xでは、GLM-5.3の0.8xの5倍、Qwen3.8-Maxの0.5xの8倍、DeepSeek-Flashの0.1xの40倍に位置する。Qoder内での作業が、長い自律実行ではなく主に範囲を絞った編集であるなら、Cantusはそうするための最も高価な方法であり、その差は大きい——これはQoder自身が公表している比較であり、このモデルに関するほとんどどの報道もわざわざ行わない比較だ。

背景: 200Kは文書化済み、もう一方は非公開、そして破棄すべき仮定が1つ

Cantusには公開されているコンテキストウィンドウはないが、Qoderのクレジット見積もりは50Kと200Kを単位として示されており、実際に適用される数値は200Kである——それはQoder自身の課金モデルが基準としているウィンドウだ。

SWE-2 Flashのコンテキストウィンドウは、その発表記事のどこにも記載されていません。ここでの罠は継承です。SWE-2は100万トークンのウィンドウを持つKimi K3上で動作するため、Flashも同様だと想定しがちです。しかし、そうとは限りません。Flashは異なる系統の異なるベースであるInkling-Smallから事後学習されており、CognitionはFlashが提供するウィンドウについて何も述べていません。大きいとみなすのではなく、未知として扱うべきです。

• コンテキスト — Qoder の課金モデルにおける Cantus 200K に対し、SWE-2 Flash は非公開であり、SWE-2 から継承することもできません。

• パラメータ — Cantus は非公開、Inkling-Small は上流で合計 276B／アクティブ 12B。

{{1}}重み{{/1}} — Cantus は約束しなかったのに対し、{{2}}SWE-2 Flash{{/2}} は非公開とされ、パートナープログラムは「数週間以内」に約束された。

• 独立したテスト — どちらも実施していません。

2つの鍵のかかった部屋、2台のメーター

両モデルは単一サーフェス向けで、サーフェス同士に互換性はありません。Cantus は Qoder の IDE、JetBrains プラグイン、CLI、QoderWake、Cloud Agents、モバイル/Web アプリに登場します。Qoder 内では広範ですが、Qoder 外では皆無です。SWE-2 Flash は Devin Desktop と Devin CLI に登場します。範囲はより狭いものの、すでに Devin を利用しているチームにとっては移行ではなくモデルの切り替えです。

料金メーターは料金表よりも変動しやすい。Cantusの係数はモデル変更がないまま、1回の通知で25%動いた。また、その新しい兄弟であるSonusは9月に8倍で登場した。Cognitionの「5分の1」という比率はローンチ期間の数字であり、11月30日に無料期間が終了すると価格が改定される。

Qoderをお使いなら知っておくと役立つ実務上の注意点が一つあります。10月を通じてユーザーから報告されたのは、プロキシを設定するとデスクトップのモデルピッカーからCantusとSonusが消えてしまい、プロキシを無効化することが回避策になるというものです。これはモデル側の問題ではなくクライアントのバグですが、長時間の自律実行を無駄な午後へと変えてしまいかねない類の問題です。

念のため、当然の次の疑問でもあるので言っておくと、SWE-2 FlashもQoder CantusもOrcaRouterにはありません。どちらのベンダーもルーティング用のAPIを提供していないからです。OrcaRouter上にあるのは、同じCognitionの表でTerminal-Bench 4.0のスコアが41.8と42.3のモデル群 — GLM 5.3 Flash と DeepSeek V4.1 Flash 1017 — 入力100万トークンあたり0.15ドルに対し、出力100万トークンあたり0.50ドルと0.60ドルで、100万トークンのコンテキストウィンドウを備えています。これらはCognitionのハーネスにおけるCognitionの測定値なので、認定値ではなく方向性を示すものとして読むべきですが、その方向性は明白です。どちらも呼び出し可能で、どちらもその行でSWE-2 Flashの20.0を上回り、どちらも1つのキーの背後にあり、プロバイダーの定価に対して0%のマークアップ、プロバイダーが劣化した場合の自動フェイルオーバー付きです。このページを読んでいる理由が、席ではなくパイプラインに組み込めるコーディングモデルを見つけることなら、それが正直な答えであり、タイトルにある2つのどちらでもありません。

誰がどれを選ぶべきか

• すでに Devin を使っていて作業範囲が明確なら、今すぐ SWE-2 Flash を使ってください。11月30日まで無料で、仕様が明確なパッチ適用では SWE-2 に近い性能があり、試すコストはモデルセレクターを変更するだけです。

• すでに Devin 上で、作業は長時間かつ無監督 — SWE-2 に留まるか、呼び出し可能なモデルにルーティングする。Terminal-Bench 4.0 における Flash の 20.0 がこの判断を左右する行であり、それは Flash がより安価であるモデルに 7.3 ポイント遅れている。

• Qoderでは、コンプライアンスまたは地域上の理由により — Cantusは最上位層であり、拡張された自律性に対応する唯一のものですが、4倍では同じタスク見積もりに対してQwen3.8-Maxの係数の8倍になります。それを必要とする実行のために取っておいてください。

• APIが必要、モデルを組み合わせる必要、フェイルオーバーが必要——いずれもない。その要件だけで、ベンチマークを参照する前に両方とも除外される。

注目すべきはベンチマークではない。11月30日に無料期間が終了するとき、CognitionがSWE-2 Flashに料金表を付けるかどうか、そしてQoderがCantusのスコアを一度でも公表するかどうかだ。それまでは、正直な評価としては、一方のモデルは文書化がより充実しており、もう一方は価格がより優れているが、どちらも検証不能だ——これは天秤にかけねばならない奇妙な一対の事実であり、この対決がありきたりの答えを寄せ付けない理由でもある。