SWE-2 Flash vs Qoder Cantus: две модели для программирования, которые можно только арендовать

SWE-2 Flash и Qoder Cantus почти ничего не объединяет, кроме того, что определяет всё это сравнение: ни одну из них нельзя вызвать. SWE-2 Flash от Cognition вышла 4 ноября 2026 года и работает только внутри Devin Desktop и Devin CLI. Qoder Cantus — встроенная модель высшего уровня от Alibaba для её платформы для программирования Qoder — с июля 2026 года работает исключительно в собственных продуктах Qoder. Ни эндпоинта, ни идентификатора модели, ни весов, которые можно скачать. Две модели, два агентных продукта — и ни одного общего бенчмарка, на котором хоть одну из них независимо протестировали.

Это звучит как тупик для страницы сравнения. На самом деле это и есть вся история, потому что это меняет то, что вы сравниваете. Это не состязание между двумя чекпоинтами. Это выбор между двумя арендованными комнатами, и полезные вопросы — в какой комнате публикуют показания счётчика, в какой публикуют домашнюю работу и что из этих двух вещей вы предпочли бы иметь, когда придёт счёт.

Восемь строк против пустого столбца

Анонсный пост Cognition необычайно щедр на цифры. SWE-2 Flash приводит восемь строк с результатами бенчмарков, два прироста по итогам обучения, показатель скорости и показатель цены. А для Cantus Qoder не опубликовал ни одного результата бенчмарков вообще — ни на собственном сайте, ни на Artificial Analysis, ни на LMArena — как и ни числа параметров, ни архитектуры, ни размера контекстного окна.

Так и тянет прочитать это как восемь строк против нуля. Но это скорее восемь утверждений против нуля утверждений, и это различие важнее, чем само число.

• FrontierCode 2.0 — 24,0 против 23,8 у более крупной SWE-2 и 3,2 у базовой модели Inkling-Small, на которой она была дообучена.

• FrontierCode 1.1 Main — 45,5 против 50,0 у SWE-2.

• DeepSWE 1.1 — 60,1 против 73,0 у SWE-2.

• Terminal-Bench 4.0 — 20,0 против 27,3 у SWE-2 и 0,9 у базовой модели.

• Terminal-Bench 2.1 — 89,2 против 92,8 у SWE-2.

• SWE-Atlas QA — 50,0 против 56,3 у SWE-2.

• SWE-Bench Pro v2 Hard — 89.9, против 90.6 у SWE-2.

• ExploitBench — 34,8 против 36,1 у SWE-2.

Каждый из этих пунктов основан на данных, предоставленных вендорами. Cognition не публикует ни тестовый стенд, ни настройку усилий на рассуждение, ни информацию о том, являются ли цифры результатом одной попытки или лучшим из N, а FrontierCode — это собственный бенчмарк Cognition. Таким образом, восемь строк — это не восемь независимых фактов. Это восемь утверждений, относительно которых читатель может хотя бы составить собственное мнение, и это нечто иное и меньшее.

Пустая колонка Cantus — это слабость иного рода. Пропущенное число можно вписать позже. Заявление, которое так и не было сделано, невозможно проверить, а у Qoder с июля была возможность его сделать.

Строка, которая на самом деле предсказывает этот матч

Сравните показатель SWE-2 Flash с его более крупным собратом — и проступает закономерность. На SWE-Bench Pro v2 Hard, бенчмарке чётко заданных патчей, Flash набирает 89,9 против 90,6 у SWE-2 — разрыв в семь десятых балла, то есть ничего. На DeepSWE 1.1 и Terminal-Bench 4.0, где агенту приходится дольше работать без надзора и с меньшим объёмом скаффолдинга, разрывы увеличиваются до 12,9 и 7,3 балла.

Это характерная черта модели, которая устойчиво работает на ограниченных задачах и слабеет по мере увеличения горизонта. Это совершенно разумный выбор дизайна для быстрого и дешёвого уровня, и это самая важная для принятия решения вещь в анонсе запуска.

Теперь сопоставьте это с тем, как продаётся Cantus. На собственной странице запуска Qoder описывает его как созданный для «расширенного автономного выполнения задач» — того конца спектра, где задачи длительные, а контроль минимален. Именно по этой оси собственные показатели SWE-2 Flash слабее всего.

Итак, единственный параметр, по которому эти две модели действительно соревнуются, — это также тот, где у одной стороны посредственный опубликованный результат, а у другой результата нет вообще. Вы не можете разрешить этот вопрос на основе имеющихся данных, и любой, кто говорит вам обратное, сравнивает таблицу от поставщика с маркетинговым прилагательным.

Сколько стоит каждый из них — в единственных опубликованных единицах.

Здесь асимметрия переворачивается — и переворачивается резко.

SWE-2 Flash бесплатен до 30 ноября 2026 года — это лучшая из возможных цен и одновременно наименее долговечная. После этой даты единственное заявление Cognition о ценах заключается в том, что Flash стоит «одну пятую цены» SWE-2. У SWE-2 тоже нет опубликованного прайс-листа. Это соотношение реально существует внутри биллинга Devin и не даёт ничего, что читатель мог бы вычислить, поэтому фактическая стоимость после ноября неизвестна.

Cantus работает наоборот. Qoder публикует справочный коэффициент для каждой модели и медианную стоимость в кредитах для каждого режима задачи, чего достаточно для арифметических расчётов. На странице кредитов Qoder запрос Editor в агентском режиме при контекстном окне 200K оценивается примерно в 12 кредитов; Editor Ask — примерно в 4; запрос Qoder в агентском режиме при 200K — примерно в 50.

Множитель поверх этого изменился. В примечаниях к выпуску Qoder указан новый референсный коэффициент, действующий с 00:00 по сингапурскому времени 21 сентября 2026 года: Cantus повышен с 3,2x до 4x. Поэтому тот же прогон агента Editor, который в августе стоил примерно 38 референсных кредитов, теперь стоит 48 — рост на 25% при неизменной модели. Qoder не публикует официальный тариф в долларах за кредит; по широко распространённым сообщениям, пакеты пополнения стоят около $20 за 1500 кредитов, что при тарифах на пополнение даёт около $0,64 за такой прогон, а при оплате из лимита плана — меньше.

Скажем прямо: у модели с восемью строками бенчмарков цена, которую невозможно рассчитать, а у модели с нулём строк бенчмарков — цена, которую рассчитать можно. Это самое полезное предложение на этой странице.

А таблицу коэффициентов стоит прочитать целиком, потому что она сопоставляет Cantus со всем остальным в том же сравнении. При 4x он в пять раз превышает 0,8x у GLM-5.3, в восемь раз — 0,5x у Qwen3.8-Max и в сорок раз — 0,1x у DeepSeek-Flash. Если ваша работа в Qoder — это в основном точечные правки, а не длительные автономные прогоны, то Cantus — самый дорогой способ сделать это с большим отрывом; это сравнение публикует сам Qoder, и почти ни один обзор модели не удосуживается его провести.

Контекст: 200 тыс. задокументировано, остальное не раскрыто, и одно допущение, которое нужно отбросить.

У Cantus нет опубликованного контекстного окна, но оценки кредитов Qoder выражены в значениях 50K и 200K, и рабочей цифрой является 200K — именно на это окно калибруется собственная модель тарификации Qoder.

Контекстное окно SWE-2 Flash нигде не указано в посте о его запуске. Ловушка здесь — в наследовании: SWE-2 работает на Kimi K3, у которой окно в 1 млн токенов, и легко предположить, что у Flash оно такое же. Это не следует. Flash прошла посттренировку на основе Inkling-Small — другой базы с другой родословной, — и Cognition ничего не говорила об окне, которое она предоставляет. Считайте его неизвестным, а не большим.

• Контекст — Cantus 200K в модели тарификации Qoder против SWE-2 Flash с нераскрытыми параметрами, и это не наследуется от SWE-2.

• Параметры — у Cantus не раскрыты, у Inkling-Small — 276 млрд всего / 12 млрд активных (upstream).

• Веса — Cantus никогда не обещала, а SWE-2 Flash удерживает их, при этом партнёрская программа была обещана «через несколько недель».

• Независимое тестирование — ни у одного из них его нет.

Две запертые комнаты, два метра

Обе модели привязаны к одной среде, и эти среды не взаимозаменяемы. Cantus присутствует в IDE Qoder, плагине для JetBrains, CLI, QoderWake, Cloud Agents и мобильном/веб-приложении — широко внутри Qoder, но полностью отсутствует за его пределами. SWE-2 Flash доступен в Devin Desktop и Devin CLI — это уже, но для команд, уже работающих на Devin, это смена модели, а не миграция.

Метрики также более волатильны, чем прайс-лист. Коэффициент Cantus изменился на 25% в одном уведомлении без изменения модели, а его более новый собрат Sonus был запущен в сентябре с коэффициентом 8x. Соотношение «одна пятая» у Cognition — это цифра стартового периода, которая будет пересчитана после закрытия бесплатного окна 30 ноября.

Одна практическая загвоздка, о которой стоит знать, если вы используете Qoder: пользователи сообщали в течение октября, что Cantus и Sonus исчезают из средства выбора моделей в десктопном приложении при настроенном прокси, а обходной путь — отключить прокси. Это ошибка клиента, а не проблема модели, но именно такие вещи превращают долгий автономный прогон в потраченный впустую день.

Для полноты картины, поскольку это очевидный следующий вопрос: ни SWE-2 Flash, ни Qoder Cantus нет в OrcaRouter, потому что ни один из поставщиков не предлагает API для маршрутизации. А в OrcaRouter есть набор моделей, которые в той же таблице Cognition на Terminal-Bench 4.0 набирают 41,8 и 42,3 — GLM 5.3 Flash и DeepSeek V4.1 Flash 1017 — по $0,15 за миллион входных токенов против $0,50 и $0,60 за миллион выходных, с контекстными окнами на 1M токенов. Это измерения Cognition в их собственной среде тестирования, поэтому воспринимайте их как ориентировочные, а не сертифицированные, но направление вполне очевидно: обе модели можно вызывать, обе показывают результат выше 20,0 у SWE-2 Flash в этой строке, и обе работают через один ключ с 0% наценки к прейскурантной цене провайдера и автоматическим переключением при деградации провайдера. Если вы читали эту страницу, чтобы найти модель для кодинга, которую можно поставить в пайплайн, а не на место, то это честный ответ, и это не одна из двух моделей из заголовка.

Кто должен выбирать

• Если вы уже работаете на Devin и рамки задачи определены — используйте SWE-2 Flash прямо сейчас. Он бесплатен до 30 ноября, по качеству близок к SWE-2 на хорошо описанных задачах патчинга, а чтобы его попробовать, достаточно сменить модель в селекторе.

• Если вы уже на Devin, работа долгая и без надзора — оставайтесь на SWE-2 или направляйте запросы к вызываемой модели. Показатель Flash 20,0 на Terminal-Bench 4.0 — это строка, которая определяет это, и он на 7,3 балла отстаёт от модели, дешевле которой является.

• В Qoder — по причинам соответствия требованиям или региональным ограничениям — Cantus является высшим уровнем и единственным, позиционируемым для расширенной автономности, но при 4x это в восемь раз превышает коэффициент Qwen3.8-Max для той же оценки задачи. Приберегите его для тех запусков, где он действительно нужен.

• {{1}}Нужен API, или нужно компоновать модели, или нужна отказоустойчивость — ни то ни другое.{{/1}} {{2}}Это требование исключает оба варианта ещё до того, как будет рассмотрен какой-либо бенчмарк.{{/2}}

Следить нужно не за бенчмарком. А за тем, прикрепит ли Cognition прайс-лист к SWE-2 Flash, когда 30 ноября закроется бесплатное окно, и опубликует ли Qoder хотя бы одну оценку для Cantus. До тех пор честный вердикт таков: одна модель лучше задокументирована, другая лучше по цене, и ни одну из них нельзя проверить — странная пара фактов, которую приходится взвешивать, и причина, по которой это противостояние не поддаётся обычному ответу.