Cognition SWE-2 Flash: 할인은 진짜이며, 진짜 뉴스는 기본 모델이다

SWE-2 Flash는 2026년 11월 4일, 두 숫자가 함께 붙은 채 출시됐다: 가격은 5분의 1, 속도는 3배—비교 대상은 SWE-2, 8주 전 Cognition이 공개한 2.8조 매개변수 모델이다. 두 수치는 절대값이 아니라 비율이며, 둘 다 Devin 내부에서 측정된다. 실제로 무언가를 바꾸는 문장은 그냥 지나치기 쉽다: 이 모델은 Inkling-Small, 즉 Mira Murati의 Thinking Machines Lab이 만든 Apache-2.0 기반을 포스트트레인한 것이다. Cognition의 코딩 모델 중 하나가 중국 오픈웨이트 기반에서 유래하지 않은 것은 이번이 처음이며, 다른 두 숫자가 존재하는 이유도 바로 여기에 있다.

뉴스레터가 아니라 검색창을 통해 들어오신 분들을 위해 말씀드리면: SWE-2 Flash는 코딩 모델이며, Cognition의 에이전트 제품 내부에서 실행되고, 여러분의 코드에서 호출할 수 있는 것은 아닙니다. 엔드포인트도, 모델 식별자도, 요금표도 없습니다. 출시 게시물에는 날짜, 베이스 모델, 학습 이야기, 숫자 표, 그리고 11월 30일에 끝나는 무료 기간이 나와 있습니다. 아래의 모든 내용은 그 게시물, Cognition 자체 표, 그리고 공개적으로 호출 가능한 대안들에서 읽어낸 것이며, 각 수치에는 출처가 붙어 있습니다.

무엇이 출시되었는지, 그리고 게시물에서 빠진 두 단어

Cognition은 제공 범위에 대해 분명히 밝힙니다. SWE-2 Flash는 오늘부터 Devin Desktop과 Devin CLI에서 사용할 수 있으며, 게시물의 마지막 배너에는 "11/30까지 무료 — 지금 Devin Desktop과 CLI에서 사용해 보세요"라고 적혀 있습니다. 이것이 배포에 관한 전부입니다. API 출시도, 엔드포인트 대기자 명단도, Hugging Face 저장소도 없습니다.

가격 주장에서 빠진 두 단어는 "토큰당"입니다. "훨씬 더 큰 형제 모델보다 가격은 5분의 1, 속도는 3배"라는 말은 Devin 내부에서 한 작업에 드는 비용에 대한 진술이며, 여기에는 모델, 하네스, 스캐폴딩, 그리고 Cognition의 서빙 스택이 하나의 청구서로 합쳐집니다. 이는 에이전트 가격을 책정하는 정당한 방식이지만, 다른 누군가의 100만 토큰당 가격표와 비교할 수 있는 요율은 아닙니다. 이를 그런 요율로 환산하려는 독자는 실패할 수밖에 없습니다. 해당 글은 그 5분의 1이 무엇의 5분의 1인지 결코 말하지 않기 때문입니다.

속도 수치도 같은 방식으로 읽어야 합니다. Cognition의 속도 섹션은 SWE-2의 60 tok/s에 대비해 200 tok/s라고 밝힌 뒤, 무엇을 측정했는지 이렇게 설명합니다. "각 모델이 Terminal-Bench 4.0의 gsea-proteomics 작업에서 자체적으로 실행한 결과를 초당 200토큰 대 60토큰으로 시뮬레이션해 재생한 것입니다. 비교를 위해 트랜스크립트는 동일한 길이로 단축했습니다." 이는 명시된 속도로 재생한 것이지, 부하가 걸린 두 엔드포인트를 실시간으로 측정한 것이 아닙니다. 이는 의도된 서빙 프로필을 알려줍니다. 화요일 오후 2시에 여러분이 무엇을 보게 될지는 알려주지 않습니다.

베이스 모델 교체가 실질적인 릴리스다

7주 전, SWE-2는 Kimi K3로부터 포스트 트레이닝되었습니다 — Moonshot의 2.8조 매개변수 혼합 모델로, 토큰당 104B가 활성화됩니다. SWE-2 Flash는 Inkling-Small로부터 포스트 트레이닝되었으며, 총 276B에 12B가 활성화되고, 7월에 Apache 2.0으로 공개되었습니다. Cognition 자체 크기 차트는 새 모델을 1x, SWE-2를 10.1x로 표시하는데, 이는 활성 매개변수에서 8배 차이를 그리는 정중한 방식입니다.

그 교체가 바로 이 가격 주장을 홍보성 문구가 아니라 구조적으로 설득력 있게 만든다. 서빙 비용은 벤치마크 점수보다 활성 파라미터와 생성되는 토큰 수에 훨씬 더 크게 좌우되며, 활성 12B 모델은 활성 104B 모델과 서빙 등급이 다르다. 이 정도로 훨씬 작은 모델이 5분의 1 가격에 팔릴 수 있다는 점을 받아들이기 위해 Cognition의 효율성 설명을 믿을 필요는 없다. 흥미로운 질문은 그것이 무엇을 보존했느냐다.

Cognition은 이번 교체를 국가적 차원에서 규정한다. 게시물의 첫 줄은 SWE-2 Flash를 "완전히 미국산 코딩 모델"이라고 부르고, 이어서 이 모델이 "3배 더 큰 모델까지 포함해 모든 미국산 오픈웨이트 모델을 능가한다"고 말한다. 두 진술 모두 적힌 그대로는 사실이며, 둘 다 들리는 것보다 범위가 좁다. "완전히 미국산"은 공급망, 즉 미국 연구소의 기본 가중치를 미국 기업이 포스트트레이닝한 것을 설명하는 것이지 해자가 아니다. 왜냐하면 Inkling-Small은 Apache 2.0이며 누구나, 이 주장이 겨냥하는 경쟁자들까지도 다운로드할 수 있기 때문이다. Cognition이 실제로 통제하는 부분은 mid-train과 RL이며, 바로 그 부분을 공개하지 않고 있다.

Origins & Cyber 섹션에 자리한 모순

이번 발표에서 가장 인용하고 싶은 대목은 벤치마크가 아닙니다. 바로 Cognition이 왜 가중치가 집에 머무는지를 설명하는 부분입니다.

이는 먼저 "API 뒤에 있는 유능한 모델" 그 이상을 필요로 하는 고객을 설명하는 것으로 시작합니다. 자체 인프라(온프레미스 포함)에 배포를 호스팅하고 제어하기 위한 관측 가능성을 필요로 하는 기업과 정부, 그리고 모델이 어떻게 동작하는지 연구해야 하는 연구자들이 그렇습니다. 이어서 목표를 명확히 밝힙니다 — "SWE-2 Flash에서 우리의 목표 중 하나는 산업 파트너와 연구자에게 가중치에 대한 투명한 접근과 함께 민감한 환경에서 이를 미세 조정하고 실행할 수 있는 옵션을 제공하는 것입니다."

두 문단 뒤에는 "우리는 아직 가중치를 공개적으로 공유하지 않고 있다"고 나오며, 파트너 프로그램은 "몇 주 안에" 시작하겠다고 약속하고, 그 이유로 제시된 것은 사이버보안 위험이다. Cognition은 이를 의도적으로 학습시켰다. 같은 섹션에서는 "우리 학습에서 사이버보안 작업을 겨냥해 모델의 ExploitBench 점수를 11.3%에서 34.8%로 끌어올렸다"고 말한 뒤, "이러한 동일한 역량은 악의적인 공격자들도 사용할 수 있다"고 인정하며 가중치를 공개하지 않는다.

정책으로 읽으면 논리는 일관되지만 불편하다. 이 섹션에서 설명하는 온프레미스 고객은 그들을 위해 학습된 모델을 가질 수 없으며, 명시된 장애물은 Cognition이 추가하기로 선택한 기능이다. 모델에 관한 증거로 읽으면 표에 더 날카로운 세부 사항이 있다. SWE-2 Flash는 ExploitBench에서 34.8점을 기록했고 SWE-2는 36.1점이다. Cognition이 공개하지 않을 모델은 이미 판매 중인 플래그십과 1.3점 차이 안에 있다. 크기가 안전성 논거였다면 그 숫자는 달라 보였을 것이다.

레시피도 바뀌었는데, 바로 그 부분이 따라 해 볼 가치가 있다.

Cognition은 강화 학습 전에 중간 학습 단계를 추가한 것이 이번이 처음이라고 밝혔다. 이 단계에는 고품질 과학 논문, 블로그, 코드 및 기타 출처의 "수조 개 규모의 토큰"이 사용되었으며, "모델이 가장 희귀하고 품질이 높은 데이터를 학습 후반에 보게" 하도록 세 차례에 걸쳐 진행되었다. 데이터 혼합은 토큰 효율성 실험을 통해 선택되었다. 후보 혼합물들을 홀드아웃 검증 세트에 대해 실행하고, 각 혼합물이 기준선과 동일한 손실에 도달하는 데 필요한 토큰 수를 비교했다.

그다음은 RL 패스였다. Cognition은 성과가 어디서 나왔는지에 대해 이례적으로 솔직하다: “우리는 SWE-2에서 가져온 RL 레시피를 일부 조정했지만, 대부분의 개선은 훨씬 더 높은 품질과 다양성을 갖춘 RL 태스크에서 나왔다.” 이는 지시문, 환경 설정, 검증기를 감사하고 더 넓은 범위의 역량에 걸쳐 새로운 태스크 유형을 선별하는 과정을 설명한다. 그것은 규모 이야기가 아니라 데이터와 검증기 이야기이며, 이번 릴리스에서 가장 전이 가능한 부분이다.

점프의 규모는 그 해석을 뒷받침한다. 자체 베이스 모델과 비교하면, SWE-2 Flash는 Terminal-Bench 4.0을 0.9에서 20.0으로, FrontierCode 2.0을 3.2에서 24.0으로 끌어올린다. 포스트트레이닝 비용이 얼마였든, 이는 12B 활성 모델에서 한 벤치마크에서는 베이스 모델 점수의 약 20배, 다른 벤치마크에서는 7배를 사들인 셈이다. Cognition이 공개하지 않는 것은 "수조 개 정도"라는 표현을 넘어서는 미드트레인의 토큰 수와 컴퓨트, 그리고 미드트레인을 RL과 분리해 내는 어떤 어블레이션이다. 새로운 단계가 그 향상을 초래했다는 주장은 Cognition의 것이며, 그 메커니즘은 독립적으로 검증할 수 없다.

숫자들, 그리고 헤드라인 주장이 약해지는 지점

다음은 모두 Cognition 자사에서 제공한 것으로, 자사의 출시 표에서 가져온 것이며, 어느 것도 독립적으로 재현된 적이 없습니다. FrontierCode는 Cognition의 벤치마크로, 외부 유지관리자들과 함께 작성되었고 Cognition이 채점합니다.

• FrontierCode 2.0 — SWE-2 Flash 24.0 대 SWE-2 23.8

• FrontierCode 1.1 메인 — 45.5 vs 50.0

• DeepSWE 1.1 — 60.1 vs 73.0

• Terminal-Bench 4.0 — 20.0 대 27.3

• Terminal-Bench 2.1 — 89.2 대 92.8

• SWE-Atlas QA — 50.0 대 56.3

• SWE-Bench Pro v2 Hard — 89.9 vs 90.6

• ExploitBench — 34.8 대 36.1

한 행은 승리이고 일곱 행은 패배인데, 대부분은 근소한 차이다. Flash는 FrontierCode 2.0에서 플래그십과 동률이고, SWE-Bench Pro v2 Hard에서는 1점 이내이며, DeepSWE 1.1에서는 13점 뒤진다. 그 양상 — 범위가 정해진 작업에서는 가깝고 장기 과제에서는 더 뒤처지는 — 은 이 표에서 가장 유용한 정보이며, 두 모델을 별도로 비교한 글의 주제이기도 하다.

"3배 더 크다"는 주장은 별도 문단으로 다룰 가치가 있다. 그 문장이 시사하는 것보다 격차가 작기 때문이다. 가장 근접한 미국 오픈 웨이트 비교 모델은 Muse Spark Open으로, 총 616B, 활성 42B다. DeepSWE 1.1에서 이 모델은 60.0점으로 SWE-2 Flash의 60.1점에 맞선다. 0.1점 차이다. 이 주장이 유지되는 것은 Flash의 다른 격차들이 실제이기 때문이다 — Terminal-Bench 4.0에서 20.0 대 8.0, FrontierCode 2.0에서 24.0 대 6.2 — 그러나 "3배 더 큰 모델조차"라는 헤드라인은, 해당 모델이 가장 강한 행에서, 반올림 오차에 기대고 있다.

같은 표에는 반대 방향으로 작용하는 열도 있다. DeepSeek V4.1 Flash 1017은 총 763B, 활성 16B로 8개 행 중 4개에서 Flash를 이긴다. DeepSWE 1.1에서 77.0 대 60.1, SWE-Atlas QA에서 71.0 대 50.0, Terminal-Bench 4.0에서 42.3 대 20.0, Terminal-Bench 2.1에서 91.0 대 89.2다. 이 중 두 격차는 표 어디에서든 Flash가 거둔 어떤 승리 폭보다도 크다. "모든 미국산 오픈웨이트 모델"이라는 주장은 국적 기준으로 범위가 한정되어 있으며, 표에서 가장 강력한 비교 대상은 그 범위 밖에 있다.

누락된 하네스 라인이 당신에게 초래하는 비용

SWE-2의 9월 출시에는 방법론 부록이 함께 있었다. 그 부록은 각 공급업체에 사용된 스캐폴드를 명시했는데 — Anthropic 모델에는 Claude Code, OpenAI 모델에는 Codex, xAI에는 Grok Build — 그리고 추론 노력(reasoning-effort) 설정 전반에서 모든 모델의 최고 점수가 보고되었다고 밝혔다. Flash 게시물에는 그런 내용이 전혀 없다. 하네스도, 노력 설정도, 숫자가 best-of-N인지에 대한 설명도, 표를 설명하는 각주도 없다.

그 누락은 큰 모델보다 작은 모델에 더 중요하다. Flash의 주장은 포스트트레이닝이 격차를 메웠다는 것이기 때문이다. 두 Cognition 모델이 서로 다른 스캐폴드에서 실행되었다면, 0.2점 FrontierCode 차이의 일부는 하네스에서 비롯된다. SWE-2의 행이 최고 effort 설정이고 Flash에는 설정이 하나뿐이라면, 이 비교는 알 수 없는 대상에 대한 최선의 사례다. 세 가지 공개만 있으면 바로잡힌다: 행별 하네스, 행별 effort 설정, 그리고 Cognition이 아닌 누군가가 수행한 Terminal-Bench 4.0의 독립 실행 1회.

이번 주에 무엇이라고 부를 수 있을까

여기에는 아무것도 없습니다. SWE-2 Flash에는 엔드포인트가 없고, 이를 제공하는 제3자 플랫폼도 없습니다 — 라우팅할 식별자가 없습니다. 호출할 수 있는 것은 SWE-2 Flash와 비교되는 모델들이며, 두 상황 사이의 간극이 이번 릴리스의 실질적인 이야기입니다.

DeepSeek V4 Flash는 OrcaRouter에서 deepseek/deepseek-v4-flash로 라우팅되며, DeepSeek이 공개하고 Cognition은 Flash에 대해 공개하지 않은 1M 토큰 컨텍스트와 384K 최대 출력을 제공합니다. Kimi K3는 SWE-2가 포스트트레이닝된 기반 모델로, OrcaRouter에서 kimi/kimi-k3로 100만 입력 토큰당 $3.00, 100만 출력 토큰당 $15.00에 라우팅됩니다. 하나의 API가 공급자 정가에 추가 마크업 없이 200개 이상의 모델을 제공하므로, 공급업체의 가격 변경이 라우터의 일정이 아니라 당일에 도달합니다. 12B 활성 포스트트레인이 귀하의 큐에 충분한지 테스트 중이라면, 그 테스트는 실제로 호출할 수 있는 12B 활성 모델을 대상으로 실행되어야 하며, 그 뒤에 폴백 체인을 두어 시험이 프로덕션 의존성이 되지 않도록 해야 합니다.

SWE-2 Flash에 대한 좁은 해석이야말로 증거가 뒷받침하는 해석이다. 중간 훈련과 더 철저히 감사된 RL 세트로 포스트 트레이닝된 12B 활성 모델은 FrontierCode 1.1 Main에서 104B 활성 플래그십과 4.5점 이내 차이를 보이고 FrontierCode 2.0에서는 같은 수준이며, 단일 제품 내에서 가격은 5분의 1 수준이다. 독립 테스트에서도 그것이 유지된다면, 교훈은 소형 모델이 따라잡았다는 것이 아니다. 코딩 에이전트에서는 파라미터의 한계 수익이 검증기 품질의 한계 수익보다 낮아졌다는 것이며, 가장 큰 베이스를 감당할 수 있는 회사보다 어려운 과제를 생성하고 감사할 수 있는 회사가 속도를 주도할 것이라는 점이다. 그것은 0.2점 승리보다 더 큰 주장이며, 다음 독립 실행에서 주목할 가치가 있는 주장이다.