Cognition SWE-2 Flash: De korting is echt, het basismodel is het nieuws

SWE-2 Flashis op 4 november 2026 uitgebracht met twee getallen eraan vastgeniet: een vijfde van de prijs en drie keer de snelheid van SWE-2, het model met 2,8 biljoen parameters dat Cognition acht weken eerder uitbracht. Beide zijn verhoudingen en geen snelheden, en beide zijn gemeten binnen Devin. De zin die daadwerkelijk iets verandert, is makkelijker te missen: dit model is een post-train van Inkling-Small, de Apache-2.0-basis van Mira Murati's Thinking Machines Lab. Dat is de eerste keer dat een van de codeermodellen van Cognition niet afstamt van een Chinese open-weight-basis, en het is de reden dat de andere twee getallen überhaupt bestaan.

Voor iedereen die via een zoekvak binnenkomt in plaats van via een nieuwsbrief: SWE-2 Flash is een codemodel, het draait binnen Cognition's agentproducten, en het is niet iets dat je vanuit je eigen code kunt aanroepen. Er is geen endpoint, geen modelidentifier en geen tariefkaart. De lanceringspost geeft je een datum, een basismodel, een trainingsverhaal, een tabel met cijfers en een gratis venster dat eindigt op 30 november. Alles hieronder is overgenomen uit die post, Cognition's eigen tabel en de publiek aanroepbare alternatieven — met de bronvermelding bij elk cijfer.

Wat er is uitgebracht, en de twee woorden die in het bericht ontbreken

Cognition is expliciet over het oppervlak. SWE-2 Flash is vandaag beschikbaar in Devin Desktop en Devin CLI, en de afsluitende banner van het bericht luidt: "Gratis t/m 30-11 — Probeer het vandaag in Devin Desktop en CLI." Dat is het hele distributieverhaal. Er is geen API-lancering, geen wachtlijst voor een endpoint en geen Hugging Face-repository.

De twee woorden die in de prijsclaim ontbreken, zijn "per token". "Voor een vijfde van de prijs en met 3x de snelheid van zijn veel grotere broermodel" is een uitspraak over wat een taak binnen Devin kost, waarbij het model, de harness, de scaffolding en de servingstack van Cognition in één factuur worden samengevoegd. Het is een legitieme manier om een agent te prijzen, en het is geen tarief dat je kunt vergelijken met de prijskaart per miljoen tokens van wie dan ook. Een lezer die het naar zo'n tarief probeert om te rekenen, zal vastlopen, want de post zegt nooit waar die vijfde een vijfde van is.

Het snelheidscijfer moet op dezelfde manier worden gelezen. De sectie over snelheid van Cognition noemt 200 tok/s tegenover 60 tok/s voor SWE-2, en legt vervolgens uit wat er is gemeten: "De eigen run van elk model op de gsea-proteomics-taak van Terminal-Bench 4.0, opnieuw afgespeeld op een gesimuleerde 200 versus 60 tokens per seconde. Transcripten worden voor de vergelijking tot gelijke lengte ingekort." Dat is een replay tegen de opgegeven snelheden, geen live meting van twee endpoints onder belasting. Het vertelt je het beoogde servingprofiel. Het vertelt je niet wat je op dinsdag om 14.00 uur zult zien.

De vervanging van het basismodel is de eigenlijke release.

Zeven weken geleden werd SWE-2 nagetraind op Kimi K3 — Moonshots mengsel van 2,8 biljoen parameters, waarvan 104 miljard actief per token. SWE-2 Flash is nagetraind op Inkling-Small, 276 miljard totaal en 12 miljard actief, in juli uitgebracht onder Apache 2.0. Cognitions eigen groottekaart zet het nieuwe model op 1x en SWE-2 op 10,1x, wat een beleefde manier is om een achtvoudig verschil in actieve parameters te schetsen.

Die ruil is wat de prijsclaim technisch aannemelijk maakt in plaats van promotioneel. Serveerkosten hangen veel sterker samen met actieve parameters en gegenereerde tokens dan met een benchmarkscore, en een model met 12B actieve parameters zit in een andere serveerklasse dan een met 104B actieve. Je hoeft het efficiëntieverhaal van Cognition niet te vertrouwen om te accepteren dat een model dat zoveel kleiner is voor een vijfde van de prijs kan worden verkocht. De interessante vraag is wat het heeft behouden.

Cognition plaatst de ruil in een nationaal kader. De eerste regel van het bericht noemt SWE-2 Flash 'een volledig Amerikaans codeermodel', en vervolgens zegt het dat het model 'beter presteert dan alle Amerikaanse open-weightmodellen, zelfs modellen die 3x groter zijn.' Beide beweringen zijn waar zoals ze er staan, en beide zijn beperkter dan ze klinken. 'Volledig Amerikaans' beschrijft een toeleveringsketen — de basisgewichten van een Amerikaans lab, post-getraind door een Amerikaans bedrijf — geen verdedigingsmuur, want Inkling-Small is Apache 2.0 en door iedereen te downloaden, inclusief de concurrenten op wie de claim is gericht. Het deel dat Cognition daadwerkelijk controleert, is de mid-train en de RL, en dat is precies het deel dat het niet uitbrengt.

De tegenstrijdigheid in de sectie Origins & Cyber

De meest citeerbare passage in het bericht is geen benchmark. Het is de sectie waarin Cognition uitlegt waarom de gewichten thuisblijven.

Het begint met een beschrijving van een klant die meer nodig heeft dan "een capabel model achter een API": ondernemingen en overheden die "observability nodig hebben om deployments op hun eigen infrastructuur te hosten en te beheren, inclusief on-prem", en onderzoekers die willen bestuderen hoe een model zich gedraagt. Vervolgens wordt het doel ronduit genoemd — "Een van onze doelen met SWE-2 Flash is om industriepartners en onderzoekers een optie te bieden die transparante toegang tot weights mogelijk maakt, samen met de mogelijkheid om het te fine-tunen en te draaien in gevoelige omgevingen."

Twee alinea's later: "we delen de gewichten nog niet openbaar", met de belofte van een partnerprogramma "over een paar weken", en als reden wordt een cybersecurityrisico genoemd. Cognition heeft daar bewust op getraind. Dezelfde sectie zegt dat het "zich in onze training op cybersecuritywerk richtte, waardoor de ExploitBench-score van het model van 11,3% naar 34,8% steeg", en erkent vervolgens dat "dezezelfde capaciteiten ook door kwaadwillende aanvallers kunnen worden gebruikt", en houdt de gewichten achter.

Als je dit als beleid leest, is de logica coherent maar ongemakkelijk: de on-prem-klant die de sectie beschrijft kan niet over het model beschikken dat voor hen is getraind, en de genoemde blokkade is een capaciteit die Cognition ervoor koos toe te voegen. Lees je het als bewijs over het model, dan zit er een scherper detail in de tabel. SWE-2 Flash scoort 34,8 op ExploitBench tegenover 36,1 voor SWE-2. Het model dat Cognition niet vrijgeeft, ligt binnen 1,3 punt van het vlaggenschip dat het al verkoopt. Als grootte het veiligheidsargument was, zou dat cijfer er anders uitzien.

Het recept is ook veranderd, en dat is het deel dat de moeite waard is om te kopiëren.

Cognition zegt dat dit de eerste keer is dat het een mid-trainingfase vóór reinforcement learning heeft toegevoegd. Deze fase gebruikte "een paar biljoen tokens" uit hoogwaardige wetenschappelijke artikelen, blogs, code en andere bronnen, en werd in drie passes uitgevoerd, zodat "het model de schaarsste, hoogwaardigste data later in de training zou zien." De mengsels werden gekozen met token-efficiëntie-experimenten: kandidaatmengsels werden tegen een achtergehouden validatieset gedraaid en vergeleken op hoeveel tokens elk nodig had om dezelfde loss als een baseline te bereiken.

Toen kwam de RL-ronde. Cognition is ongewoon openhartig over waar de winst vandaan kwam: "Hoewel we enkele aanpassingen hebben gedaan aan ons RL-recept uit SWE-2, kwam het grootste deel van de verbeteringen voort uit de veel hogere kwaliteit en diversiteit van onze RL-taken." Het beschrijft het doorlichten van instructies, het opzetten van omgevingen en verifieerders, en het samenstellen van nieuwe taaktypen voor een breder scala aan capaciteiten. Dat is een verhaal over data en verifieerders, geen verhaal over schaal, en het is het meest overdraagbare element in de release.

De omvang van de sprong ondersteunt die interpretatie. Vergeleken met zijn eigen basis brengt SWE-2 Flash Terminal-Bench 4.0 van 0,9 naar 20,0 en FrontierCode 2.0 van 3,2 naar 24,0. Wat de post-training ook heeft gekost, het leverde ongeveer twintigmaal de score van het basismodel op de ene benchmark en zevenmaal op een andere, op een model met 12B actieve parameters. Wat Cognition niet publiceert, is het aantal tokens voor de mid-train buiten "een paar biljoen" om, de rekenkracht, of enige ablatie die de mid-train van de RL isoleert. De bewering dat de nieuwe fase de winst heeft veroorzaakt, is van Cognition; het mechanisme is niet onafhankelijk controleerbaar.

De cijfers, en waar de kopclaim dun wordt

Alles hieronder is van Cognition zelf, afkomstig uit de eigen lanceringstabel, en niets ervan is onafhankelijk gereproduceerd. FrontierCode is de benchmark van Cognition, geschreven met externe maintainers en beoordeeld door Cognition.

• FrontierCode 2.0 — SWE-2 Flash 24.0 vs. SWE-2 23.8

• FrontierCode 1.1 Main — 45,5 vs 50,0

• DeepSWE 1.1 — 60,1 tegenover 73,0

• Terminal-Bench 4.0 — 20,0 tegen 27,3

• Terminal-Bench 2.1 — 89,2 vs 92,8

• SWE-Atlas QA — 50,0 vs 56,3

• SWE-Bench Pro v2 Hard — 89,9 vs 90,6

• ExploitBench — 34,8 vs 36,1

Eén rij is een overwinning en zeven zijn nederlagen, waarvan de meeste klein. The Flash staat op gelijke hoogte met het vlaggenschip op FrontierCode 2.0, binnen één punt op SWE-Bench Pro v2 Hard, en dertien punten achter op DeepSWE 1.1. Dat patroon — dichtbij op afgebakende taken, verder achterop bij taken met een lange horizon — is het nuttigste aspect in de tabel, en het is het onderwerp van onze afzonderlijke vergelijking van de twee modellen.

De bewering "3x groter" verdient een eigen alinea, want de marge is kleiner dan de zin suggereert. Het Amerikaanse open-weight-vergelijkingsmodel dat het dichtst in de buurt komt, is Muse Spark Open, 616B totaal en 42B actief. Op DeepSWE 1.1 scoort dat 60,0 tegen 60,1 voor SWE-2 Flash. Een tiende punt. De bewering houdt stand omdat de andere marges van de Flash reëel zijn — 20,0 tegen 8,0 op Terminal-Bench 4.0, 24,0 tegen 6,2 op FrontierCode 2.0 — maar de kop "zelfs modellen die 3x groter zijn" berust, op de rij waarop dat model het sterkst is, op een afrondingsfout.

Er is ook een kolom in dezelfde tabel die de andere kant op wijst. DeepSeek V4.1 Flash 1017, met 763B totaal en 16B actief, verslaat de Flash op vier van de acht rijen: 77,0 tegen 60,1 op DeepSWE 1.1, 71,0 tegen 50,0 op SWE-Atlas QA, 42,3 tegen 20,0 op Terminal-Bench 4.0, en 91,0 tegen 89,2 op Terminal-Bench 2.1. Twee van die marges zijn groter dan alles wat de Flash waar dan ook in de tabel wint. De claim "all American open-weight models" is afgebakend op nationaliteit, en het sterkste vergelijkingsmodel in de tabel valt buiten dat bereik.

Wat een ontbrekende harnesslijn je kost

De septemberlancering van SWE-2 ging gepaard met een methodologiebijlage. Daarin stond welk scaffold voor elke leverancier werd gebruikt — Claude Code voor Anthropic-modellen, Codex voor OpenAI-modellen, Grok Build voor xAI — en er werd vermeld dat voor elk model de beste score over de instellingen voor redeneerinspanning werd gerapporteerd. De Flash-post bevat niets daarvan. Geen harness, geen inspanningsinstelling, geen verklaring of de cijfers best-of-N zijn, en geen voetnoot die de tabel toelicht.

Die weglating is belangrijker voor een klein model dan voor een groot model, omdat het argument van de Flash is dat post-training een kloof heeft gedicht. Als de twee Cognition-modellen in verschillende scaffolds zijn uitgevoerd, is een deel van het FrontierCode-verschil van 0,2 punt toe te schrijven aan de harness. Als de rij van SWE-2 de instelling met de beste inspanning is en de Flash één instelling heeft, dan is de vergelijking een best case tegen een onbekende. Drie bekendmakingen zouden dat oplossen: de harness per rij, de inspanningsinstelling per rij, en één onafhankelijke run van Terminal-Bench 4.0 door iemand die niet van Cognition is.

Wat je deze week kunt noemen

Niets hier. SWE-2 Flash heeft geen endpoint, en geen enkel platform van derden biedt het aan — er is geen identifier om naar te routeren. Wat je wel kunt aanroepen, zijn de modellen waarmee het wordt vergeleken, en het verschil tussen beide situaties is het praktische verhaal achter de release.

DeepSeek V4 Flash wordt via OrcaRouter gerouteerd als deepseek/deepseek-v4-flash, met de context van 1M tokens en de maximale output van 384K die DeepSeek publiceert en Cognition niet voor de Flash publiceert. Kimi K3, het basismodel waarop SWE-2 is post-getraind, wordt via OrcaRouter gerouteerd tegen $3,00 per miljoen inputtokens en $15,00 per miljoen outputtokens als kimi/kimi-k3. Eén API dekt meer dan 200 modellen tegen de lijstprijs van de provider, zonder extra opslag, zodat een prijswijziging van een leverancier je dezelfde dag bereikt in plaats van volgens het schema van de router. Als je test of een post-train met 12B actieve parameters goed genoeg is voor je wachtrij, moet die test draaien tegen een model met 12B actieve parameters dat je daadwerkelijk kunt aanroepen, met een fallback-keten erachter zodat een proef geen productieafhankelijkheid wordt.

De enge lezing van SWE-2 Flash is de lezing die het bewijs ondersteunt. Een model met 12B actieve parameters, na-getraind op een mid-train- en een beter geauditeerde RL-set, blijft binnen 4,5 punt van een 104B-actief vlaggenschip op FrontierCode 1.1 Main en op gelijk niveau op FrontierCode 2.0, tegen een vijfde van de prijs binnen één product. Als dat standhoudt bij onafhankelijke tests, is de les niet dat kleine modellen de achterstand hebben ingelopen. Het is dat bij coding-agents het marginale rendement op parameters onder het marginale rendement op verifierkwaliteit is gezakt — en dat de bedrijven die moeilijke taken kunnen genereren en auditen, in plaats van degenen die zich de grootste basis kunnen veroorloven, het tempo zullen bepalen. Dat is een grotere claim dan een overwinning van 0,2 punt, en het is de claim die het waard is om in de gaten te houden tijdens de volgende onafhankelijke testronde.