SWE-2 Flash vs Qoder Cantus: dois modelos de codificação que você só pode alugar

SWE-2 Flash e Qoder Cantus quase não têm nada em comum, exceto aquilo que decide esta comparação: você não consegue chamar nenhum dos dois. O SWE-2 Flash da Cognition foi lançado em 4 de novembro de 2026 e roda apenas dentro do Devin Desktop e da Devin CLI. O Qoder Cantus, o modelo de ponta integrado da Alibaba para sua plataforma de programação Qoder, roda apenas dentro das próprias interfaces do Qoder desde julho de 2026. Sem endpoint, sem ID de modelo, sem pesos para baixar. Dois modelos, dois produtos de agente e nenhum benchmark compartilhado no qual qualquer um deles tenha sido testado de forma independente.

Isso soa como um beco sem saída para uma página de comparação. Na verdade, é a história inteira, porque muda o que você está comparando. Não se trata de um confronto entre dois checkpoints. É uma escolha entre duas salas alugadas, e as perguntas úteis são qual sala publica seu medidor, qual delas publica seu dever de casa e qual dessas duas coisas você preferiria ter quando a fatura chegar.

Oito linhas contra uma coluna vazia

O post de lançamento da Cognition é incomumente generoso com números. O SWE-2 Flash relata oito linhas de benchmark, dois deltas de treinamento, um valor de velocidade e um valor de preço. A Qoder não publicou nenhuma pontuação de benchmark para o Cantus — nem no próprio site, nem no Artificial Analysis, nem no LMArena — além de não ter contagem de parâmetros, arquitetura nem janela de contexto.

É tentador ler isso como oito linhas a zero. Está mais perto de oito alegações a zero alegações, e a distinção importa mais do que a contagem.

FrontierCode 2.0 — 24,0, contra 23,8 do SWE-2 maior e 3,2 da base Inkling-Small a partir da qual foi pós-treinado.

• FrontierCode 1.1 Main — 45,5, contra os 50,0 do SWE-2.

• DeepSWE 1.1 — 60,1, contra 73,0 do SWE-2.

• Terminal-Bench 4.0 — 20,0, contra 27,3 do SWE-2 e 0,9 do modelo base.

• Terminal-Bench 2.1 — 89,2, contra 92,8 do SWE-2.

• SWE-Atlas QA — 50,0, contra 56,3 do SWE-2.

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

• ExploitBench — 34,8, contra 36,1 do SWE-2.

Todos esses são relatos dos fornecedores. A Cognition não publica o harness, a configuração de esforço de raciocínio, nem se os números são de tentativa única ou best-of-N, e o FrontierCode é o benchmark da própria Cognition. Portanto, as oito linhas não são oito fatos independentes. São oito afirmações sobre as quais um leitor pode ao menos formar uma opinião, e isso é uma coisa diferente e inferior.

A coluna vazia da Cantus não é o mesmo tipo de fraqueza. Um número faltante pode ser preenchido depois. Uma afirmação que nunca foi feita não pode ser verificada, e a Qoder tem tido desde julho para fazer uma.

A linha que realmente prevê este confronto

Compare a linha do SWE-2 Flash com a de seu próprio irmão maior e um padrão surge. No SWE-Bench Pro v2 Hard, um benchmark de patches bem especificados, o Flash marca 89,9 contra 90,6 do SWE-2 — uma diferença de sete décimos de ponto, o que não é nada. No DeepSWE 1.1 e no Terminal-Bench 4.0, onde o agente precisa trabalhar sem supervisão por mais tempo e com menos scaffolding, as diferenças aumentam para 12,9 pontos e 7,3 pontos.

Essa é a marca de um modelo que se sustenta em trabalhos com escopo definido e vai perdendo consistência à medida que o horizonte se alonga. É uma escolha de projeto perfeitamente razoável para uma camada rápida e barata, e é o item mais relevante para a decisão no post de lançamento.

Agora, compare isso com a forma como o Cantus é vendido. A própria página de lançamento do Qoder o descreve como criado para "execução autônoma estendida de tarefas" — o extremo de longo horizonte e baixa supervisão do espectro. É precisamente o eixo em que os próprios números do SWE-2 Flash são mais fracos.

Então, a única dimensão na qual esses dois modelos realmente competem é também aquela em que um lado tem uma pontuação publicada medíocre e o outro não tem pontuação alguma. Você não pode resolvê-la com as evidências disponíveis, e qualquer pessoa que diga o contrário está comparando uma tabela de fornecedor a um adjetivo de marketing.

Quanto custa cada um, nas únicas unidades publicadas

Aqui a assimetria se inverte, e se inverte drasticamente.

O SWE-2 Flash é gratuito até 30 de novembro de 2026, o que é o melhor preço possível e também o menos duradouro. Depois disso, a única declaração de preços da Cognition é que o Flash custa "um quinto do preço" do SWE-2. O SWE-2 também não tem tabela de preços publicada. A proporção é real dentro do faturamento do Devin e não resulta em nada que um leitor consiga calcular, então o custo real após novembro é desconhecido.

Cantus funciona ao contrário. A Qoder publica um fator de referência por modelo e um custo mediano em créditos por modo de tarefa, o que é suficiente para fazer cálculos. Na página de créditos da Qoder, uma solicitação no modo agente do Editor com uma janela de contexto de 200K é estimada em cerca de 12 créditos; Editor Ask em cerca de 4; uma solicitação no modo agente do Qoder a 200K em cerca de 50.

O multiplicador sobre isso mudou. As notas de versão do Qoder definiram um novo fator de referência com efeito a partir das 00:00 no horário de Singapura, em 21 de setembro de 2026, elevando o Cantus de 3,2x para 4x. Assim, o mesmo turno do agente Editor que custava cerca de 38 créditos de referência em agosto agora custa 48 — um aumento de 25% para um modelo inalterado. O Qoder não publica uma taxa oficial de dólares por crédito; pacotes de recarga são amplamente relatados em cerca de US$ 20 por 1.500 créditos, o que coloca esse turno perto de US$ 0,64 nas tarifas de complemento, e mais baixo quando pago com a franquia de um plano.

Em termos simples: o modelo com oito linhas de benchmark tem um preço que você não consegue calcular, e o modelo com zero linhas de benchmark tem um que você consegue. Essa é a frase mais útil desta página.

A tabela de fatores vale a pena ser lida na íntegra, porque compara o preço do Cantus com o de todo o resto no mesmo ambiente. Com 4x, ele fica cinco vezes acima do 0,8x do GLM-5.3, oito vezes acima do 0,5x do Qwen3.8-Max e quarenta vezes acima do 0,1x do DeepSeek-Flash. Se o seu trabalho dentro do Qoder consiste majoritariamente em edições de escopo restrito, e não em execuções autônomas longas, o Cantus é a forma mais cara de fazer isso, por uma margem ampla — uma comparação que a própria Qoder publica e que quase nenhuma cobertura do modelo se dá ao trabalho de fazer.

Contexto: 200K documentados, o outro não divulgado, e uma suposição a descartar

A Cantus não tem janela de contexto publicada, mas as estimativas de créditos do Qoder são denominadas em 50K e 200K, e 200K é o valor operacional — essa é a janela com base na qual o próprio modelo de cobrança do Qoder é calibrado.

A janela de contexto do SWE-2 Flash não é declarada em lugar algum no post de lançamento. A armadilha aqui é a herança: o SWE-2 roda no Kimi K3, que tem uma janela de 1 milhão de tokens, e é fácil presumir que o Flash também tenha. Isso não se aplica. O Flash é pós-treinado a partir do Inkling-Small, uma base diferente com uma linhagem diferente, e a Cognition não disse nada sobre a janela que ele oferece. Trate-a como desconhecida, não como grande.

• Contexto — Cantus 200K no modelo de cobrança do Qoder vs SWE-2 Flash não divulgado, e não herdável do SWE-2.

• Parâmetros — Cantus não divulgados vs. 276B no total / 12B ativos upstream do Inkling-Small.

• Pesos — Cantus nunca prometeu, em contraste com o SWE-2 Flash, que os reteve, com um programa de parceiros prometido “em poucas semanas”.

• Testes independentes — nenhum dos dois tem.

Dois quartos trancados, dois medidores

Ambos os modelos são de superfície única, e as superfícies não são intercambiáveis. O Cantus aparece no IDE do Qoder, no plugin para JetBrains, na CLI, no QoderWake, nos Cloud Agents e no app mobile/web — amplo dentro do Qoder, zero fora dele. O SWE-2 Flash aparece no Devin Desktop e na CLI do Devin — mais restrito, mas, para equipes que já usam o Devin, é uma troca de modelo, não uma migração.

Os medidores também são mais voláteis do que uma tabela de preços. O fator da Cantus mudou 25% em um único aviso, sem alteração no modelo, e seu irmão mais novo, Sonus, foi lançado em setembro a 8x. A proporção de "um quinto" da Cognition é um número do período de lançamento que terá o preço reajustado quando a janela gratuita fechar em 30 de novembro.

Um detalhe prático que vale a pena conhecer se você usa o Qoder: usuários relataram, ao longo de outubro, que Cantus e Sonus desaparecem do seletor de modelos do desktop quando um proxy está configurado, e a solução alternativa é desativar o proxy. É um bug do cliente, não um problema do modelo, mas é o tipo de coisa que transforma uma longa execução autônoma em uma tarde perdida.

Por completude, já que é a próxima pergunta óbvia: nem o SWE-2 Flash nem o Qoder Cantus estão no OrcaRouter, porque nenhum dos fornecedores oferece uma API para roteamento. O que está no OrcaRouter é o conjunto de modelos que a mesma tabela da Cognition pontua no Terminal-Bench 4.0 em 41,8 e 42,3 — GLM 5.3 Flash e DeepSeek V4.1 Flash 1017 — a US$ 0,15 por milhão de tokens de entrada contra US$ 0,50 e US$ 0,60 por milhão de saída, com janelas de contexto de 1M tokens. Essas são medições da Cognition no harness da Cognition, então leia-as como direcionais, não certificadas, mas a direção não é sutil: ambos são invocáveis, ambos superam os 20,0 do SWE-2 Flash naquela linha, e ambos ficam atrás de uma única chave, com 0% de markup sobre o preço de tabela do fornecedor e failover automático se um fornecedor apresentar degradação. Se o seu motivo para ler esta página era encontrar um modelo de programação que você possa colocar em um pipeline em vez de um assento, essa é a resposta honesta, e não é nenhum dos dois do título.

Quem deve escolher qual?

• Já no Devin, o trabalho está bem definido — use o SWE-2 Flash agora. Ele é gratuito até 30 de novembro, fica próximo do SWE-2 em aplicação de patches bem especificada, e o custo de experimentá-lo é uma mudança no seletor de modelo.

• Já no Devin, o trabalho é longo e não supervisionado — fique no SWE-2 ou roteie para um modelo chamável. O 20,0 do Flash no Terminal-Bench 4.0 é a linha que rege isso, e está 7,3 pontos atrás do modelo do qual é mais barato.

• No Qoder, por razões de conformidade ou de região — o Cantus é o nível superior e o único posicionado para autonomia estendida, mas, a 4x, representa oito vezes o fator do Qwen3.8-Max para a mesma estimativa de tarefa. Reserve-o para as execuções que precisam dele.

• Precisa de uma API, ou precisa de compor modelos, ou precisa de failover — nenhum dos dois. Esse requisito elimina ambos antes de consultar qualquer benchmark.

O que é preciso acompanhar não é um benchmark. É se a {{1}}Cognition associa uma tabela de preços ao SWE-2 Flash quando a janela gratuita fechar em 30 de novembro{{/1}}, e se a {{2}}Qoder chega a publicar uma única pontuação para o Cantus{{/2}}. Até lá, o veredicto honesto é que um modelo está mais bem documentado e o outro tem melhor preço, e nenhum dos dois é verificável — o que é um par estranho de fatos que é preciso ponderar, e a razão pela qual este confronto resiste à resposta habitual.