Apresentando o SWE-2 Flash: oito linhas de benchmark e nenhum endpoint

A Cognition anunciou o SWE-2 Flash em 4 de novembro de 2026, e o post é excepcionalmente generoso com números: oito linhas de benchmark, dois deltas de treinamento antes e depois, um número de velocidade e um número de preço. O que ele não contém é uma forma de chamar o modelo. O SWE-2 Flash roda dentro do Devin Desktop e da Devin CLI, gratuitamente até 30 de novembro de 2026. Não há endpoint de API, nem ID de modelo, nem taxa por token e nem pesos públicos. Para um lançamento cujo título é "rápido e eficiente", a coisa mais útil que um desenvolvedor pode saber é que a eficiência atualmente é medida em dólares que você não paga, e não em tokens que você pode comprar.

Isso não é uma crítica ao modelo. É a forma da oferta, e ela determina quem pode agir com base neste anúncio hoje e quem precisa esperar.

O que realmente foi lançado em 4 de novembro

A ficha de especificações é curta o suficiente para caber em uma tela, o que por si só já é informativo — a Cognition publicou menos sobre este modelo do que publicou sobre o SWE-2 em setembro.

Modelo base — pós-treinado a partir do Inkling-Small, mistura de especialistas de pesos abertos do Thinking Machines Lab com 276B parâmetros totais e 12B ativos, Apache 2.0 upstream.

• Serviço — apenas Devin Desktop e o Devin CLI. Sem endpoint hospedado, sem API de fornecedor, sem download de pesos.

• Preço — não é publicada nenhuma tarifa por token. O acesso é gratuito até 30 de novembro de 2026.

• Velocidade — cerca de 200 tokens por segundo, contra 60 do SWE-2, um número que a Cognition produziu ao reproduzir transcrições de sessões encurtadas em taxas simuladas, em vez de cronometrar um endpoint ao vivo.

• Janela de contexto, saída máxima e configurações de esforço — não indicadas em nenhum lugar na publicação de lançamento.

A troca do modelo base é a engenharia genuinamente nova. O SWE-2 foi construído sobre o Kimi K3, uma base com 2,8T no total / 104B ativos. O SWE-2 Flash fica sobre uma base com cerca de um décimo do tamanho em parâmetros totais e um oitavo em parâmetros ativos, e a Cognition diz que a maior parte da recuperação de qualidade veio de tarefas de aprendizado por reforço melhores e de verificadores auditados, e não da escala. O post também descreve o primeiro estágio de mid-training que a empresa usou antes do RL: alguns trilhões de tokens de artigos científicos, blogs e código, executados em três passagens, com os dados mais raros por último.

A afirmação que será repetida, e a linha na qual ela se baseia

A frase que todos vão citar é que o SWE-2 Flash "supera todos os modelos americanos de pesos abertos, até mesmo os 3x maiores". Vale a pena saber exatamente quanto disso sobrevive ao contato com a tabela logo abaixo.

A única comparação direta no mesmo benchmark no material de lançamento contra um modelo de código americano de pesos abertos menor é o Terminal-Bench 2.1, no qual o SWE-2 Flash reporta 89,2 contra 54,9 do Flint v1.0. Trata-se de uma grande diferença em uma versão compartilhada do benchmark, e é a peça de evidência mais forte para a afirmação. Mas o Flint v1.0 tem 39,8B no total, e o North Mini Code da Cohere tem 30B — nenhum deles é 3x maior que um modelo de 276B. Eles são menores, o que torna superá-los algo banal, e não impressionante.

Os comparadores 3x maiores na própria tabela da Cognition são o Muse Spark Open, com 616B no total, e o DeepSeek V4.1 Flash 1017, com 763B no total. No DeepSWE 1.1, o SWE-2 Flash registra 60,1 contra 60,0 do Muse Spark Open — um décimo de ponto, dentro de qualquer faixa de ruído plausível, e o modelo com o qual está sendo comparado não é descrito como de pesos abertos na mesma frase. O DeepSeek V4.1 Flash 1017, por sua vez, não é americano, então não pode fazer parte de uma alegação de “pesos abertos americanos” de jeito nenhum. É também o modelo que supera o SWE-2 Flash no Terminal-Bench 4.0 em 22,3 pontos — 42,3 a 20,0 —, o que representa a maior perda individual em toda a comparação.

Nada disso torna a afirmação falsa. Torna a afirmação mais restrita do que parece: um único benchmark compartilhado contra um único modelo americano de pesos abertos, e uma vitória por erro de arredondamento contra um modelo cuja licença é uma questão à parte. Todos esses números são da própria Cognition, obtidos em uma estrutura de avaliação que o post não nomeia.

Dois números do Terminal-Bench, com setenta pontos de diferença

Se você ler apenas uma coisa da tabela da Cognition, leia este par. O SWE-2 Flash obtém 20,0 no Terminal-Bench 4.0 e 89,2 no Terminal-Bench 2.1. Essas não são estimativas concorrentes da mesma coisa; são gerações diferentes do benchmark, com conjuntos de tarefas e níveis de dificuldade diferentes, e o número da versão é a única coisa que as separa à primeira vista. Uma tabela de lançamento que lista ambos convida exatamente ao erro de comparar 20,0 com a pontuação 2.1 de um concorrente, ou 89,2 com a pontuação 4.0 de um concorrente.

A regra segura para este modelo, e para qualquer modelo cujo fornecedor reporte mais de uma versão do Terminal-Bench: compare 2.1 com 2.1 e 4.0 com 4.0, e diga qual você está citando. Mantemos uma nota de acompanhamento sobre isso porque a renderização de texto achatada da tabela de lançamento já atribuiu incorretamente uma linha na cobertura secundária.

Por que os pesos ficam atrás de uma porta — e o que é essa porta

A Cognition enquadra os pesos retidos como uma troca entre transparência e risco, e a publicação é incomumente direta sobre o lado do risco. A empresa afirma que treinou deliberadamente para trabalho de segurança e elevou sua pontuação no ExploitBench de 11,3 durante o treinamento base para 34,8 após o pós-treinamento. Publicar esses pesos colocaria um modelo competente de escrita de exploits em circulação geral.

Portanto, em vez disso, existe um programa. Os pesos serão compartilhados "de forma segura" com parceiros e pesquisadores, e a publicação promete detalhes "em algumas semanas". No momento em que escrevo, não há formulário de inscrição, nem critérios de elegibilidade, nem licença, nem data e nem declaração sobre se os pesos compartilhados podem ser redistribuídos ou usados comercialmente. Um programa de parceiros não equivale a pesos abertos, e a distinção importa para quem planeja auto-hospedar: enquanto os termos não existirem, a suposição de planejamento correta é que o SWE-2 Flash nunca será disponibilizado para download.

Grátis até 30 de novembro, depois sem preço definido

A oferta comercial é um mês de acesso gratuito dentro do Devin. Depois disso, ninguém fora da Cognition sabe quanto custa, porque nenhuma tarifa por token foi publicada. A frase "um quinto do preço do SWE-2" é uma proporção em relação a um produto com sua própria precificação empacotada, não uma tabela de tarifas.

Isso é um risco real de planejamento se você estiver pensando em construir um fluxo de trabalho em torno disso. Uma dependência sem preço é pior do que uma cara, porque você não consegue modelá-la. O movimento sensato entre agora e 30 de novembro é medir o que você consegue medir — se a qualidade da saída do modelo no seu próprio repositório justifica mudar sua configuração do Devin — e tratar a questão do custo como em aberto até a Cognition publicar um número.

O que você pode realmente chamar hoje

O SWE-2 Flash não está no OrcaRouter e não estará até que a Cognition lance um endpoint ou uma versão licenciada dos pesos; não vamos fingir o contrário. O que é invocável agora é o resto do campo com o qual este lançamento compete implicitamente — o Muse Spark 1.2 e 1.1 da Meta entre eles, ambos ativos no catálogo e ambos os modelos que fizeram a pontuação DeepSWE 1.1 do SWE-2 Flash ficar a um décimo de ponto.

Se o motivo de você estar lendo isto é que quer um modelo de programação barato e rápido em um loop de agente esta semana, e não em dezembro, a bifurcação prática é esta: espere os preços e o programa de parceiros da Cognition, ou aponte seu cliente existente para uma API para mais de 200 modelos e faça um teste A/B das alternativas com sua própria suíte de testes. A OrcaRouter repassa o preço de tabela do provedor com 0% de margem, então, se a Cognition eventualmente publicar uma tarifa, essa tarifa é o que você veria aqui no primeiro dia, e não um número de revendedor com margem adicionada.

O que o post de lançamento deixou de fora

Quatro omissões merecem ser destacadas, pois são elas que determinam se os números significam alguma coisa:

• Sem harness. O post de setembro do SWE-2 divulgou seu scaffold e a configuração de esforço. Este não divulga, o que transforma cada score agêntico em uma caixa-preta.

• Nenhuma divulgação de best-of-N. Não sabemos se estes são pass@1 ou best-of-five.

• Sem janela de contexto. Para um modelo posicionado como a opção barata dentro de um agente, o orçamento de contexto não é uma nota de rodapé.

• Nenhuma execução independente. Todos os números aqui são relatados pelo fornecedor e não reproduzidos, incluindo a pontuação de 24.0 no FrontierCode 2.0 — e o FrontierCode é o próprio benchmark da Cognition, o que vale lembrar quando é a linha que mostra uma vitória.

O que deve ser observado não é mais uma linha de benchmark. É a página do programa de parceiros: a data, a licença e o preço. Quando esses três existirem, o SWE-2 Flash passa a ser um modelo que você pode avaliar. Até lá, é uma demo bem documentada com um mês grátis incluído.