Introductie van SWE-2 Flash: acht benchmarkrijen en geen enkele endpoint

Cognition kondigde SWE-2 Flash aan op 4 november 2026, en de blogpost is ongewoon vrijgevig met cijfers: acht benchmarkrijen, twee delta's voor en na training, een snelheidscijfer en een prijscijfer. Wat er niet in staat, is een manier om het model aan te roepen. SWE-2 Flash draait binnen Devin Desktop en de Devin CLI, gratis tot en met 30 november 2026. Er is geen API-endpoint, geen model-ID, geen tarief per token en geen openbare gewichten. Voor een lancering met als kop "snel en efficiënt" is het nuttigste dat een ontwikkelaar kan weten dat de efficiëntie momenteel wordt uitgedrukt in dollars die je niet betaalt in plaats van in tokens die je kunt kopen.

Dat is geen kritiek op het model. Het is de opzet van het aanbod, en die bepaalt wie vandaag op deze aankondiging kan inspelen en wie moet wachten.

Wat er op 4 november daadwerkelijk is uitgebracht

De specificatielijst is kort genoeg om op één scherm te passen, wat op zichzelf veelzeggend is — Cognition publiceerde minder over dit model dan het in september over SWE-2 publiceerde.

Basismodel — nagetraind op basis van Inkling-Small, het open-weight mixture-of-experts-model van Thinking Machines Lab met 276B totale en 12B actieve parameters, Apache 2.0 upstream.

• Levering — uitsluitend Devin Desktop en de Devin CLI. Geen gehost endpoint, geen leveranciers-API, geen download van gewichten.

• Prijs — er wordt geen tarief per token gepubliceerd. Toegang is gratis tot en met 30 november 2026.

• Snelheid — ruwweg 200 tokens per seconde tegenover 60 voor SWE-2, een cijfer dat Cognition heeft verkregen door verkorte sessietranscripten met gesimuleerde snelheden af te spelen in plaats van een live-eindpunt te timen.

• Contextvenster, maximale uitvoer en effort-instellingen — nergens in het lanceerbericht vermeld.

De vervanging van het basismodel is het echt nieuwe engineeringwerk. SWE-2 was gebouwd op Kimi K3, een basis met 2,8T totaal / 104B actief. SWE-2 Flash draait op een basis die qua totale parameters ongeveer een tiende zo groot is en qua actieve parameters een achtste, en Cognition zegt dat het grootste deel van het kwaliteitsherstel kwam van betere reinforcement-learningtaken en geauditeerde verifiers, niet van schaal. De post beschrijft ook de eerste mid-trainingfase die het bedrijf vóór RL heeft gebruikt: een paar biljoen tokens aan wetenschappelijke artikelen, blogs en code, in drie passes uitgevoerd, met de zeldzaamste data als laatste.

De bewering die zal worden herhaald, en de rij waarop deze berust

De zin die iedereen zal citeren is dat SWE-2 Flash "alle Amerikaanse open-weightmodellen overtreft, zelfs modellen die 3x groter zijn". Het is de moeite waard om precies te weten hoeveel daarvan standhoudt bij confrontatie met de tabel eronder.

De enige directe vergelijking op dezelfde benchmark in het lanceringsmateriaal met een kleinere Amerikaanse open-weightcoder is Terminal-Bench 2.1, waar SWE-2 Flash 89,2 rapporteert tegenover 54,9 voor Flint v1.0. Dat is een grote kloof op een gedeelde benchmarkversie, en het is het sterkste afzonderlijke bewijsstuk voor de bewering. Maar Flint v1.0 is in totaal 39,8B, en Cohere's North Mini Code is 30B — geen van beide is 3x groter dan een model van 276B. Ze zijn kleiner, waardoor ze verslaan onopmerkelijk is in plaats van indrukwekkend.

De 3x grotere vergelijkingsmodellen in de eigen tabel van Cognition zijn Muse Spark Open met 616B totaal en DeepSeek V4.1 Flash 1017 met 763B totaal. Op DeepSWE 1.1 rapporteert SWE-2 Flash 60,1 tegen 60,0 voor Muse Spark Open — een tiende punt, binnen elke plausibele ruisband, en het model waarmee het wordt vergeleken, wordt niet in één adem als open-weight beschreven. DeepSeek V4.1 Flash 1017 is ondertussen niet Amerikaans en kan dus helemaal geen deel uitmaken van een 'Amerikaanse open-weight'-claim. Het is ook het model dat SWE-2 Flash op Terminal-Bench 4.0 met 22,3 punten verslaat — 42,3 tegen 20,0 — wat het grootste afzonderlijke verlies is in de hele vergelijking.

Niets hiervan maakt de bewering onwaar. Het maakt de bewering smaller dan ze klinkt: één gedeelde benchmark tegen één Amerikaans open-weightmodel, en een overwinning die binnen de afrondingsfout valt tegen een model waarvan de licentie een aparte kwestie is. Al deze cijfers zijn van Cognition zelf, uitgevoerd op een harness die het bericht niet noemt.

Twee Terminal-Bench-getallen, zeventig punten uit elkaar

Als je maar één ding uit de tabel van Cognition leest, lees dan dit paar. SWE-2 Flash scoort 20,0 op Terminal-Bench 4.0 en 89,2 op Terminal-Bench 2.1. Dat zijn geen concurrerende schattingen van hetzelfde; het zijn verschillende benchmarkgeneraties met verschillende taaksets en een verschillende moeilijkheidsgraad, en het versienummer is op het eerste gezicht het enige dat ze onderscheidt. Een lanceringstabel die beide vermeldt, nodigt precies uit tot de fout om 20,0 te vergelijken met de 2.1-score van een concurrent, of 89,2 met de 4.0-score van een concurrent.

De veilige regel voor dit model, en voor elk model waarvan de leverancier meer dan één versie van Terminal-Bench rapporteert: vergelijk 2.1 met 2.1 en 4.0 met 4.0, en zeg welke je citeert. We houden hier een doorlopende notitie over bij, omdat de afgevlakte tekstweergave van de lanceringstabel al één rij verkeerd heeft toegewezen in secundaire berichtgeving.

Waarom de gewichten achter een deur zitten — en wat die deur is

Cognition kadert de achtergehouden gewichten als een afweging tussen transparantie en risico, en het bericht is ongewoon direct over de risicokant. Het bedrijf zegt dat het bewust heeft getraind voor beveiligingswerk en zijn ExploitBench-score heeft verhoogd van 11,3 tijdens de basistraining naar 34,8 na de post-training. Het publiceren van die gewichten zou een competent model voor het schrijven van exploits in algemene omloop brengen.

In plaats daarvan is er een programma. Gewichten worden "veilig" gedeeld met partners en onderzoekers, en het bericht belooft details "over een paar weken". Op het moment van schrijven is er geen aanvraagformulier, geen geschiktheidscriteria, geen licentie, geen datum en geen verklaring over of gedeelde gewichten mogen worden herverdeeld of commercieel gebruikt. Een partnerprogramma is geen open weights, en dat onderscheid is belangrijk voor iedereen die van plan is zelf te hosten: zolang de voorwaarden niet bestaan, is de juiste planningsaanname dat SWE-2 Flash nooit downloadbaar zal zijn.

Gratis tot 30 november, daarna zonder prijs

Het commerciële aanbod is een maand gratis toegang binnen Devin. Daarna weet niemand buiten Cognition wat het kost, omdat er geen tarief per token is gepubliceerd. De regel "een vijfde van de prijs van SWE-2" is een verhouding ten opzichte van een product met zijn eigen gebundelde prijsstelling, geen tariefkaart.

Dat is een reëel planningsrisico als je overweegt er een workflow omheen te bouwen. Een afhankelijkheid zonder prijs is erger dan een dure, omdat je die niet kunt modelleren. De verstandige stap van nu tot 30 november is te meten wat je kunt meten — of de outputkwaliteit van het model in je eigen repository het rechtvaardigt om je Devin-configuratie te wijzigen — en de kostenkwestie open te houden tot Cognition een getal publiceert.

Wat je vandaag daadwerkelijk kunt bellen

SWE-2 Flash staat niet op OrcaRouter en zal daar niet op staan totdat Cognition een endpoint of een gelicentieerde gewichtsrelease levert; we gaan niet doen alsof het anders is. Wat nu aanroepbaar is, is de rest van het veld waarmee deze lancering impliciet concurreert — waaronder Meta's Muse Spark 1.2 en 1.1, die beide live in de catalogus staan en beide de modellen zijn die de DeepSWE 1.1-score van SWE-2 Flash op een tiende punt hebben gezet.

Als je dit leest omdat je deze week een goedkoop, snel codeermodel in een agent-loop wilt, en niet in december, dan is dat de praktische afsplitsing: wachten op de prijsstelling en het partnerprogramma van Cognition, of je bestaande client richten op één API voor meer dan 200 modellen en de alternatieven A/B-testen tegen je eigen testsuite. OrcaRouter geeft de lijstprijs van de provider door met 0% opslag, dus als Cognition uiteindelijk een tarief publiceert, is dat tarief wat je hier op dag één zou zien, in plaats van een opgehoogd resellertarief.

Wat het bericht over de lancering niet vermeldde

Vier weglatingen zijn het vermelden waard, want zij bepalen of de cijfers iets betekenen:

• Geen harness. De SWE-2-post van september maakte zijn scaffold en effort-instelling bekend. Deze doet dat niet, waardoor elke agentische score een black box is.

• Geen best-of-N-disclosure. We weten niet of dit pass@1 is of een best-of-five.

• Geen contextvenster. Voor een model dat binnen een agent als de goedkope optie wordt gepositioneerd, is het contextbudget geen voetnoot.

• Geen onafhankelijke run. Elk cijfer hier is door de leverancier gerapporteerd en niet gereproduceerd, inclusief de FrontierCode 2.0-score van 24.0 — en FrontierCode is de eigen benchmark van Cognition, wat het waard is om te onthouden wanneer dat juist de rij is die een overwinning laat zien.

Waar je op moet letten is niet nog een rij in een benchmark. Het is de pagina van het partnerprogramma: de datum, de licentie en de prijs. Als die drie er zijn, wordt SWE-2 Flash een model dat je kunt beoordelen. Tot die tijd is het een goed gedocumenteerde demo met een gratis maand eraan vast.