SWE-2 Flash vs Qoder Cantus: Dwa modele do kodowania, które można jedynie wynająć

SWE-2 Flash i Qoder Cantus nie mają prawie nic wspólnego poza tym, co rozstrzyga o tym porównaniu: nie można wywołać żadnego z nich. SWE-2 Flash od Cognition trafił na rynek 4 listopada 2026 r. i działa wyłącznie w Devin Desktop oraz Devin CLI. Qoder Cantus, wbudowany model najwyższej klasy firmy Alibaba dla jej platformy programistycznej Qoder, od lipca 2026 r. działa wyłącznie w powierzchniach Qoder. Brak endpointu, brak identyfikatora modelu, brak wag do pobrania. Dwa modele, dwa produkty agentowe i żaden wspólny benchmark, na którym którykolwiek z nich zostałby niezależnie przetestowany.

To brzmi jak ślepy zaułek dla strony porównawczej. W rzeczywistości to cała historia, bo zmienia to, co porównujesz. To nie jest pojedynek między dwoma checkpointami. To wybór między dwoma wynajmowanymi pokojami, a przydatne pytania brzmią: który pokój publikuje swoje odczyty licznika, który publikuje swoją pracę domową i którą z tych dwóch rzeczy wolisz mieć, gdy przyjdzie faktura.

Osiem wierszy wobec pustej kolumny

Wpis premierowy Cognition jest niezwykle hojny w liczby. SWE-2 Flash podaje osiem wierszy benchmarków, dwa delty treningowe, jedną wartość prędkości i jedną wartość ceny. Qoder nie opublikował żadnego wyniku benchmarku dla Cantus — ani na swojej stronie, ani w Artificial Analysis, ani na LMArena — nie podał też liczby parametrów, architektury ani rozmiaru okna kontekstowego.

Kuszące jest odczytanie tego jako osiem wierszy do zera. Bliżej temu do ośmiu twierdzeń wobec zera twierdzeń, a ta różnica znaczy więcej niż sam wynik.

• FrontierCode 2.0 — 24.0, w porównaniu z 23.8 dla większego SWE-2 i 3.2 dla bazowego modelu Inkling-Small, z którego został dostrojony po pretrenowaniu.

• FrontierCode 1.1 Main — 45,5 w porównaniu z 50,0 SWE-2.

• DeepSWE 1.1 — 60.1 w porównaniu z 73.0 SWE-2.

• Terminal-Bench 4.0 — 20,0, wobec 27,3 dla SWE-2 i 0,9 dla modelu bazowego.

• Terminal-Bench 2.1 — 89,2, w porównaniu z 92,8 dla SWE-2.

• SWE-Atlas QA — 50,0 w porównaniu z 56,3 SWE-2.

• SWE-Bench Pro v2 Hard — 89,9 wobec 90,6 SWE-2.

• ExploitBench — 34,8 w porównaniu z 36,1 SWE-2.

Każda z tych pozycji została podana przez dostawcę. Cognition nie publikuje harnessu, ustawienia wysiłku rozumowania ani informacji, czy liczby dotyczą pojedynczej próby, czy best-of-N, a FrontierCode to własny benchmark Cognition. Zatem osiem wierszy to nie osiem niezależnych faktów. To osiem twierdzeń, o których czytelnik może przynajmniej wyrobić sobie zdanie, a to coś innego i mniej doniosłego.

Pusta kolumna Cantusa nie jest tym samym rodzajem słabości. Brakującą liczbę można uzupełnić później. Twierdzenia, którego nigdy nie sformułowano, nie da się zweryfikować, a Qoder ma od lipca czas, by takie sformułować.

Wiersz, który faktycznie przewiduje ten pojedynek

Porównaj wiersz SWE-2 Flash z jego własnym większym rodzeństwem, a pojawi się pewien wzorzec. W SWE-Bench Pro v2 Hard, benchmarku dobrze określonych patchy, Flash uzyskuje 89,9 wobec 90,6 SWE-2 — różnicę siedmiu dziesiątych punktu, czyli nic. W DeepSWE 1.1 i Terminal-Bench 4.0, gdzie agent musi dłużej pracować bez nadzoru przy mniejszym wsparciu strukturalnym, różnice rosną do 12,9 punktu i 7,3 punktu.

To znak charakterystyczny modelu, który dobrze sprawdza się w pracy o ograniczonym zakresie, a słabnie w miarę wydłużania się horyzontu. To całkowicie rozsądny wybór projektowy dla szybkiego, taniego poziomu i zarazem najważniejsza z punktu widzenia decyzji rzecz w wpisie o premierze.

Teraz postaw to obok sposobu, w jaki sprzedawany jest Cantus. Własna strona premierowa Qodera opisuje go jako zbudowany do „rozszerzonego autonomicznego wykonywania zadań” — długoterminowego, niskonadzorowanego końca spektrum. To dokładnie ta oś, na której własne liczby SWE-2 Flash są najsłabsze.

Zatem jedyny wymiar, na którym te dwa modele naprawdę ze sobą konkurują, jest jednocześnie tym, w którym jedna strona ma przeciętny opublikowany wynik, a druga nie ma żadnego wyniku. Nie da się tego rozstrzygnąć na podstawie dostępnych dowodów, a każdy, kto twierdzi inaczej, porównuje tabelę dostawcy z marketingowym przymiotnikiem.

Ile kosztuje każdy z nich – w jedynych opublikowanych jednostkach.

Tutaj asymetria się odwraca, i to gwałtownie.

SWE-2 Flash jest bezpłatny do 30 listopada 2026 r., co jest najlepszą możliwą ceną, a jednocześnie najmniej trwałą. Potem jedynym oświadczeniem Cognition w sprawie cen jest to, że Flash kosztuje „jedną piątą ceny” SWE-2. SWE-2 również nie ma opublikowanego cennika. Ten stosunek jest realny w rozliczeniach Devina i nie prowadzi do niczego, co czytelnik mógłby obliczyć, więc faktyczny koszt po listopadzie jest nieznany.

Cantus działa w drugą stronę. Qoder publikuje współczynnik referencyjny dla każdego modelu i medianę kosztu kredytów dla każdego trybu zadania, co wystarcza do przeprowadzenia obliczeń. Na stronie kredytów Qodera żądanie w trybie agenta Editor z oknem kontekstu 200K szacuje się na około 12 kredytów; Editor Ask na około 4; żądanie w trybie agenta Qoder przy 200K na około 50.

Mnożnik na tym uległ zmianie. Informacje o wydaniu Qodera ustanawiają nowy współczynnik referencyjny obowiązujący od 00:00 czasu singapurskiego 21 września 2026 r., podnosząc Cantus z 3,2x do 4x. Zatem ta sama tura agenta Editor, która w sierpniu kosztowała około 38 kredytów referencyjnych, kosztuje teraz 48 — wzrost o 25% przy niezmienionym modelu. Qoder nie publikuje oficjalnego kursu dolarów za kredyt; powszechnie podaje się, że pakiety doładowań kosztują około 20 USD za 1500 kredytów, co według stawek za dodatki daje około 0,64 USD za tę turę, a mniej, gdy jest ona opłacana z limitu planu.

Mówiąc wprost: model z ośmioma wierszami benchmarków ma cenę, której nie można obliczyć, a model z zerową liczbą wierszy benchmarków ma taką, którą można obliczyć. To najbardziej użyteczne zdanie na tej stronie.

A tabela współczynników jest warta przeczytania w całości, ponieważ wycenia Cantus na tle wszystkiego innego w tym samym budynku. Przy 4x jest pięć razy większa niż 0,8x GLM-5.3, osiem razy większa niż 0,5x Qwen3.8-Max i czterdzieści razy większa niż 0,1x DeepSeek-Flash. Jeśli Twoja praca w Qoder to głównie edycje o ograniczonym zakresie, a nie długie przebiegi autonomiczne, Cantus jest zdecydowanie najdroższym sposobem, by to zrobić — porównanie, które Qoder publikuje sam, a które niemal żadne omówienie tego modelu nie zadaje sobie trudu, by przedstawić.

Kontekst: 200 tys. udokumentowane, druga nieujawniona i jedno założenie do odrzucenia

Cantus nie ma opublikowanego okna kontekstowego, ale szacunki kredytów Qoder są wyrażane w jednostkach 50K i 200K, a 200K to wartość operacyjna — to okno, względem którego kalibrowany jest własny model rozliczeń Qoder.

Okno kontekstu SWE-2 Flash nie jest nigdzie podane w jego poście premierowym. Pułapka polega tu na dziedziczeniu: SWE-2 działa na Kimi K3, który ma okno 1 mln tokenów, i łatwo założyć, że Flash też je ma. To nie wynika. Flash jest dotrenowywany z Inkling-Small, innej bazy o innym rodowodzie, a Cognition nie powiedziało nic o oknie, które obsługuje. Traktuj je jako nieznane, a nie jako duże.

• Kontekst — Cantus 200K w modelu rozliczeń Qoder kontra nieujawniony SWE-2 Flash i nie można go odziedziczyć z SWE-2.

• Parametry — Cantus: nieujawnione vs Inkling-Small: 276 mld łącznie / 12 mld aktywnych upstream.

• Wagi — Cantus nigdy nie obiecał vs SWE-2 Flash wstrzymano, z obiecanym programem partnerskim „za kilka tygodni”.

• Niezależne testy — żadna ze stron ich nie ma.

Dwa zamknięte pokoje, dwa metry

Oba modele są jednopowierzchniowe, a powierzchnie nie są wymienne. Cantus występuje w IDE Qodera, wtyczce do JetBrains, CLI, QoderWake, Cloud Agents oraz aplikacji mobilnej i webowej — szeroko wewnątrz Qodera, zero poza nim. SWE-2 Flash występuje w Devin Desktop i Devin CLI — ma węższy zasięg, ale dla zespołów już korzystających z Devina to zmiana modelu, a nie migracja.

Mierniki są także bardziej niestabilne niż karta stawek. Współczynnik Cantusa zmienił się o 25% w jednym komunikacie, mimo że model nie uległ zmianie, a jego nowszy siostrzany model Sonus zadebiutował we wrześniu na poziomie 8x. Stosunek „jedna piąta” w Cognition to liczba z okresu startowego, która zostanie przeliczona, gdy 30 listopada zamknie się darmowe okno.

Jedna praktyczna komplikacja, o której warto wiedzieć, jeśli korzystasz z Qoder: użytkownicy zgłaszali przez cały październik, że Cantus i Sonus znikają z selektora modeli w wersji desktopowej, gdy skonfigurowany jest proxy, a obejściem jest wyłączenie proxy. To błąd klienta, a nie problem z modelem, ale to właśnie taki rodzaj problemu, który zamienia długi autonomiczny przebieg w zmarnowane popołudnie.

Dla kompletności, ponieważ to oczywiste kolejne pytanie: ani SWE-2 Flash, ani Qoder Cantus nie znajdują się w OrcaRouter, ponieważ żaden z tych dostawców nie oferuje API do routingu. To, co jest w OrcaRouter, to zestaw modeli, które ta sama tabela Cognition ocenia w Terminal-Bench 4.0 na 41,8 i 42,3 — GLM 5.3 Flash i DeepSeek V4.1 Flash 1017 — w cenie 0,15 USD za milion tokenów wejściowych wobec 0,50 i 0,60 USD za milion tokenów wyjściowych, z oknami kontekstu wynoszącymi 1 mln tokenów. To pomiary Cognition w środowisku testowym Cognition, więc należy je odczytywać jako orientacyjne, a nie certyfikowane, ale kierunek nie jest subtelny: oba modele można wywoływać, oba przewyższają wynik SWE-2 Flash wynoszący 20,0 w tym wierszu, a oba stoją za jednym kluczem, z 0% narzutu na cenę katalogową dostawcy i automatycznym przełączaniem awaryjnym, jeśli dostawca ulegnie degradacji. Jeśli powodem czytania tej strony było znalezienie modelu do kodowania, który można umieścić w pipeline, a nie na stanowisku, to jest to szczera odpowiedź — i nie jest to żaden z dwóch modeli z tytułu.

Kto powinien wybrać, które

• Skoro już korzystasz z Devina, zakres pracy jest określony — użyj teraz SWE-2 Flash. Jest darmowy do 30 listopada, dorównuje SWE-2 w dobrze zdefiniowanym patchowaniu, a kosztem wypróbowania go jest zmiana wyboru modelu.

• Jeśli już korzystasz z Devin, praca jest długa i bez nadzoru — zostań przy SWE-2 albo skieruj do modelu, który można wywołać. Wynik Flash 20,0 w Terminal-Bench 4.0 to wiersz, który o tym decyduje, a dzieli go 7,3 punktu od modelu, od którego jest tańszy.

• W Qoder ze względów zgodności lub regionowych — Cantus to najwyższy poziom i jedyny pozycjonowany do rozszerzonej autonomii, ale przy 4x jego współczynnik jest osiem razy większy niż współczynnik Qwen3.8-Max dla tego samego szacunku zadania. Zarezerwuj go na uruchomienia, które go potrzebują.

• Potrzebujesz API, albo potrzebujesz komponować modele, albo potrzebujesz przełączania awaryjnego — żadne z nich. To wymaganie wyklucza oba, zanim jeszcze sięgnie się po jakikolwiek benchmark.

To, na co trzeba uważać, to nie benchmark. Chodzi o to, czy Cognition dołączy cennik do SWE-2 Flash, gdy 30 listopada zakończy się darmowy okres, oraz czy Qoder kiedykolwiek opublikuje choć jeden wynik dla Cantus. Do tego czasu uczciwy werdykt brzmi: jeden model jest lepiej udokumentowany, a drugi ma lepszą cenę, i żadnego nie da się zweryfikować — co jest dziwną parą faktów, które trzeba rozważyć, i powodem, dla którego to starcie wymyka się zwykłej odpowiedzi.