SWE-2 Flash vs Qoder Cantus: โมเดลเขียนโค้ดสองรุ่นที่คุณเช่าใช้ได้เท่านั้น

SWE-2 Flash กับ Qoder Cantus แทบไม่มีอะไรเหมือนกันเลย ยกเว้นปัจจัยที่ชี้ขาดการเปรียบเทียบครั้งนี้ นั่นคือคุณไม่สามารถเรียกใช้ได้แม้แต่ตัวใดตัวหนึ่ง SWE-2 Flash ของ Cognition เปิดตัวเมื่อวันที่ 4 พฤศจิกายน 2026 และทำงานได้เฉพาะภายใน Devin Desktop และ Devin CLI เท่านั้น ส่วน Qoder Cantus ซึ่งเป็นโมเดลระดับสูงสุดที่ Alibaba ติดตั้งมาให้ในแพลตฟอร์มเขียนโค้ด Qoder ของตน ทำงานได้เฉพาะภายในอินเทอร์เฟซของ Qoder เองตั้งแต่เดือนกรกฎาคม 2026 ไม่มี endpoint ไม่มี model ID ไม่มี weights ให้ดาวน์โหลด สองโมเดล สองผลิตภัณฑ์เอเจนต์ และไม่มี benchmark ร่วมกันที่ทั้งสองเคยได้รับการทดสอบอย่างอิสระ

ฟังดูเหมือนเป็นทางตันสำหรับหน้าเปรียบเทียบ แต่มันคือเรื่องทั้งหมดจริง ๆ เพราะมันเปลี่ยนสิ่งที่คุณกำลังเปรียบเทียบ นี่ไม่ใช่การแข่งขันทดสอบระหว่างเช็กพอยต์สองตัว แต่เป็นการเลือกระหว่างห้องเช่าสองห้อง และคำถามที่มีประโยชน์คือห้องไหนเปิดเผยมิเตอร์ของตัวเอง ห้องไหนเปิดเผยการบ้านของตัวเอง และเมื่อใบแจ้งหนี้มาถึง คุณอยากได้สิ่งไหนในสองสิ่งนั้นมากกว่า

แปดแถวเทียบกับคอลัมน์ว่าง

โพสต์เปิดตัวของ Cognition ให้ตัวเลขมาอย่างใจกว้างเป็นพิเศษ โดย SWE-2 Flash รายงานผล benchmark ถึงแปดแถว ค่าเดลต้าด้านการฝึกสองค่า ตัวเลขความเร็วหนึ่งค่า และตัวเลขราคาหนึ่งค่า ส่วน Qoder ไม่ได้เผยแพร่คะแนน benchmark สำหรับ Cantus เลย ไม่ว่าจะบนเว็บไซต์ของตัวเอง บน Artificial Analysis หรือบน LMArena พร้อมทั้งไม่มีจำนวนพารามิเตอร์ ไม่มีสถาปัตยกรรม และไม่มีหน้าต่างบริบท

มันชวนให้ตีความว่าเป็นแปดแถวต่อศูนย์ แต่แท้จริงแล้วใกล้เคียงกับแปดข้อกล่าวอ้างต่อศูนย์ข้อกล่าวอ้างมากกว่า และความแตกต่างนี้สำคัญกว่าตัวเลขเสียอีก

• FrontierCode 2.0 — 24.0 เทียบกับ 23.8 ของ SWE-2 ที่มีขนาดใหญ่กว่า และ 3.2 ของฐาน Inkling-Small ที่ถูก post-train ต่อยอดมา

• FrontierCode 1.1 Main — 45.5 เทียบกับ 50.0 ของ SWE-2

• DeepSWE 1.1 — 60.1 เทียบกับ 73.0 ของ SWE-2

• Terminal-Bench 4.0 — 20.0 เมื่อเทียบกับ SWE-2 ที่ 27.3 และ 0.9 สำหรับโมเดลฐาน

• Terminal-Bench 2.1 — 89.2 เทียบกับ 92.8 ของ SWE-2

• SWE-Atlas QA — 50.0 เมื่อเทียบกับ 56.3 ของ SWE-2

• SWE-Bench Pro v2 Hard — 89.9 เทียบกับ 90.6 ของ SWE-2

• ExploitBench — 34.8 เทียบกับ 36.1 ของ SWE-2

ทั้งหมดนั้นเป็นข้อมูลที่ผู้ขายรายงานเอง Cognition ไม่ได้เผยแพร่ฮาร์เนส การตั้งค่าระดับความพยายามในการใช้เหตุผล หรือว่าตัวเลขเหล่านั้นมาจากการลองครั้งเดียวหรือ best-of-N และ FrontierCode ก็เป็นเบนช์มาร์กของ Cognition เอง ดังนั้นแปดแถวนั้นจึงไม่ใช่ข้อเท็จจริงอิสระแปดข้อ แต่เป็นแปดข้อความที่ผู้อ่านอย่างน้อยสามารถประเมินได้ และนั่นเป็นสิ่งที่แตกต่างและด้อยกว่า

คอลัมน์ว่างของ Cantus ไม่ใช่จุดอ่อนแบบเดียวกัน ตัวเลขที่หายไปสามารถเติมทีหลังได้ คำกล่าวอ้างที่ไม่เคยถูกกล่าวออกมาก็ตรวจสอบไม่ได้ และ Qoder มีเวลาตั้งแต่เดือนกรกฎาคมที่จะสร้างคำกล่าวอ้างนั้น

แถวที่ทำนายแมตช์นี้ได้จริง

เมื่อเทียบแถวของ SWE-2 Flash กับรุ่นพี่ที่ใหญ่กว่าของมันเอง จะเห็นรูปแบบหนึ่งปรากฏขึ้น ใน SWE-Bench Pro v2 Hard ซึ่งเป็นเบนช์มาร์กของแพตช์ที่ระบุชัดเจน Flash ได้ 89.9 เทียบกับ 90.6 ของ SWE-2 — ห่างกันเจ็ดในสิบของจุด ซึ่งไม่มีความหมายอะไรเลย ใน DeepSWE 1.1 และ Terminal-Bench 4.0 ซึ่งเอเจนต์ต้องทำงานโดยไม่มีผู้ดูแลเป็นเวลานานขึ้นและมีโครงช่วยเหลือน้อยลง ช่องว่างก็ขยายเป็น 12.9 จุด และ 7.3 จุด

นั่นคือลักษณะเฉพาะของโมเดลที่ยังทำได้ดีกับงานที่มีขอบเขตชัดเจน และจะจางลงเมื่อขอบเขตเวลายิ่งยาวขึ้น มันเป็นตัวเลือกการออกแบบที่สมเหตุสมผลอย่างยิ่งสำหรับระดับที่เร็วและราคาถูก และเป็นสิ่งเดียวที่เกี่ยวข้องกับการตัดสินใจมากที่สุดในโพสต์เปิดตัว

ตอนนี้ลองเอาสิ่งนั้นมาเทียบกับวิธีที่ Cantus ถูกวางขายดู หน้าเปิดตัวของ Qoder เองบรรยายว่า Cantus ถูกสร้างมาเพื่อ “การทำงานแบบอัตโนมัติที่ยืดเยื้อ” — ปลายสุดของสเปกตรัมที่เน้นภาระงานระยะยาวและการกำกับดูแลต่ำ ซึ่งเป็นแกนเดียวกับที่ตัวเลขของ SWE-2 Flash เองอ่อนที่สุดพอดี

มิติเดียวที่สองโมเดลนี้แข่งขันกันอย่างแท้จริง ก็เป็นมิติเดียวที่ฝ่ายหนึ่งมีคะแนนที่เผยแพร่แล้วอยู่ในระดับกลาง ๆ ส่วนอีกฝ่ายไม่มีคะแนนเลย คุณไม่อาจหาข้อสรุปได้ด้วยหลักฐานที่มีอยู่ และใครก็ตามที่บอกคุณเป็นอย่างอื่นกำลังเอาตารางของผู้ขายมาเปรียบเทียบกับคำคุณศัพท์ทางการตลาด

แต่ละรายการมีค่าใช้จ่ายเท่าใด ในหน่วยเดียวที่เผยแพร่

ตรงนี้ความไม่สมมาตรพลิก และพลิกอย่างรุนแรง

SWE-2 Flash ใช้งานฟรีจนถึงวันที่ 30 พฤศจิกายน 2026 ซึ่งเป็นราคาที่ดีที่สุดเท่าที่เป็นไปได้ และเป็นราคาที่คงอยู่ได้สั้นที่สุดด้วย หลังจากนั้น ข้อมูลราคาเพียงอย่างเดียวของ Cognition คือ Flash มีราคาเป็น "หนึ่งในห้าของราคา" ของ SWE-2 ทั้งนี้ SWE-2 ก็ไม่มีตารางอัตราค่าบริการที่เผยแพร่เช่นกัน อัตราส่วนดังกล่าวเป็นจริงภายในระบบเรียกเก็บเงินของ Devin และไม่ได้ลงเอยด้วยสิ่งใดที่ผู้อ่านจะคำนวณได้ ดังนั้นค่าใช้จ่ายจริงหลังเดือนพฤศจิกายนจึงไม่เป็นที่ทราบ

Cantus ทำงานในทางกลับกัน Qoder เผยแพร่ปัจจัยอ้างอิงต่อโมเดลและต้นทุนเครดิตค่ามัธยฐานต่อโหมดงาน ซึ่งเพียงพอสำหรับการคำนวณทางคณิตศาสตร์ บนหน้าครดิตของ Qoder คำขอในโหมด agent ของ Editor ที่หน้าต่างบริบท 200K ประเมินไว้ที่ประมาณ 12 เครดิต; Editor Ask ประมาณ 4; คำขอในโหมด agent ของ Qoder ที่ 200K ประมาณ 50

ตัวคูณที่อยู่ด้านบนนั้นเปลี่ยนไป บันทึกประจำรุ่นของ Qoder กำหนดปัจจัยอ้างอิงใหม่ซึ่งมีผลตั้งแต่เวลา 00:00 ตามเวลาสิงคโปร์ของวันที่ 21 กันยายน 2026 โดยปรับ Cantus จาก 3.2x เป็น 4x ดังนั้นเทิร์นของเอเจนต์ Editor แบบเดียวกันซึ่งเคยมีต้นทุนประมาณ 38 เครดิตอ้างอิงในเดือนสิงหาคม ตอนนี้มีต้นทุน 48 เครดิต — เพิ่มขึ้น 25% สำหรับโมเดลที่ไม่เปลี่ยนแปลง Qoder ไม่ได้เผยแพร่อัตราดอลลาร์ต่อเครดิตอย่างเป็นทางการ มีรายงานอย่างแพร่หลายว่าแพ็กเติมเครดิตอยู่ที่ประมาณ $20 ต่อ 1,500 เครดิต ซึ่งทำให้เทิร์นดังกล่าวมีต้นทุนใกล้ $0.64 ในอัตราแบบซื้อเพิ่ม และต่ำกว่านั้นเมื่อชำระจากวงเงินในแพ็กเกจ

พูดให้ชัด ๆ: โมเดลที่มีแถวผลการทดสอบมาตรฐานแปดแถวมีราคาที่คุณคำนวณไม่ได้ ส่วนโมเดลที่ไม่มีแถวผลการทดสอบมาตรฐานเลยมีราคาที่คุณคำนวณได้ นั่นคือประโยคที่มีประโยชน์ที่สุดในหน้านี้

ตารางตัวคูณนี้คุ้มค่าที่จะอ่านให้ครบ เพราะมันกำหนดราคาของ Cantus เทียบกับทุกอย่างอื่นในอาคารเดียวกัน ที่ 4x นั้นคิดเป็นห้าเท่าของ 0.8x ของ GLM-5.3, แปดเท่าของ 0.5x ของ Qwen3.8-Max และสี่สิบเท่าของ 0.1x ของ DeepSeek-Flash หากงานของคุณใน Qoder ส่วนใหญ่เป็นการแก้ไขแบบจำกัดขอบเขตมากกว่าการรันแบบอัตโนมัติเป็นเวลานาน Cantus ก็เป็นวิธีที่แพงที่สุดในการทำเช่นนั้นแบบทิ้งห่างมาก — เป็นการเปรียบเทียบที่ Qoder เปิดเผยเองและแทบไม่มีสื่อใดที่รายงานเกี่ยวกับโมเดลนี้สนใจจะทำ

บริบท: 200K ที่มีเอกสารยืนยัน อีกส่วนหนึ่งไม่เปิดเผย และมีสมมติฐานหนึ่งข้อที่ต้องตัดทิ้ง

Cantus ไม่มีหน้าต่างบริบทที่เปิดเผย แต่การประมาณเครดิตของ Qoder ระบุเป็นหน่วย 50K และ 200K และ 200K คือตัวเลขที่ใช้งานจริง — นั่นคือหน้าต่างบริบทที่โมเดลการเรียกเก็บเงินของ Qoder เองถูกปรับเทียบไว้

หน้าต่างบริบทของ SWE-2 Flash ไม่ได้ระบุไว้ที่ใดเลยในโพสต์เปิดตัว กับดักตรงนี้คือการสืบทอด: SWE-2 ทำงานบน Kimi K3 ซึ่งมีหน้าต่างขนาด 1M โทเคน และเป็นเรื่องง่ายที่จะคิดว่า Flash ก็มีเช่นกัน แต่ไม่ได้แปลว่าจะเป็นเช่นนั้น Flash ถูก post-train จาก Inkling-Small ซึ่งเป็นฐานที่แตกต่างและมีสายการพัฒนาที่แตกต่างกัน และ Cognition ไม่ได้กล่าวถึงหน้าต่างที่มันให้บริการเลย ให้ถือว่ามันเป็นค่าที่ไม่ทราบ ไม่ใช่ค่าที่ใหญ่

• บริบท — Cantus 200K ในโมเดลการเรียกเก็บเงินของ Qoder เทียบกับ SWE-2 Flash ที่ไม่เปิดเผย และไม่สามารถสืบทอดจาก SWE-2 ได้

• พารามิเตอร์ — Cantus ไม่เปิดเผย เทียบกับ Inkling-Small ซึ่งมีจำนวนรวม 276B / ใช้งานจริง 12B ฝั่งต้นทาง

• น้ำหนักโมเดล — Cantus ไม่เคยสัญญาไว้ ต่างจาก SWE-2 Flash ที่ถูกระงับไว้ พร้อมคำมั่นว่าจะมีโครงการพันธมิตร "ภายในไม่กี่สัปดาห์"

• การทดสอบอิสระ — ไม่มีฝ่ายใดมีเลย

ห้องที่ถูกล็อกสองห้อง มิเตอร์สองตัว

โมเดลทั้งสองเป็นแบบพื้นผิวเดียว และพื้นผิวเหล่านี้ใช้แทนกันไม่ได้ Cantus ปรากฏอยู่ใน Qoder IDE, ปลั๊กอิน JetBrains, CLI, QoderWake, Cloud Agents และแอปมือถือ/เว็บ — ครอบคลุมกว้างภายใน Qoder แต่ไม่มีเลยนอก Qoder ส่วน SWE-2 Flash ปรากฏใน Devin Desktop และ Devin CLI — แคบกว่า แต่สำหรับทีมที่ใช้ Devin อยู่แล้ว นี่คือการสลับโมเดล ไม่ใช่การโยกย้าย

มิเตอร์เหล่านี้ยังผันผวนกว่าการ์ดราคาอีกด้วย ตัวคูณของ Cantus ขยับ 25% ภายในประกาศเพียงครั้งเดียวโดยไม่มีการเปลี่ยนแปลงโมเดล และ Sonus ซึ่งเป็นรุ่นน้องที่ใหม่กว่าเปิดตัวในเดือนกันยายนที่ 8x อัตราส่วน “หนึ่งในห้า” ของ Cognition เป็นตัวเลขในช่วงเปิดตัวที่จะถูกปรับราคาใหม่เมื่อช่วงเวลาฟรีปิดลงในวันที่ 30 พฤศจิกายน

ข้อควรรู้ในทางปฏิบัติหากคุณใช้ Qoder: ผู้ใช้รายงานตลอดช่วงเดือนตุลาคมว่า Cantus และ Sonus หายไปจากตัวเลือกโมเดลบนเดสก์ท็อปเมื่อมีการกำหนดค่าพร็อกซี โดยมีวิธีเลี่ยงคือปิดการใช้งานพร็อกซี นี่เป็นบั๊กของไคลเอนต์ ไม่ใช่ปัญหาของโมเดล แต่เป็นเรื่องประเภทที่ทำให้การรันแบบอัตโนมัติเป็นเวลานานกลายเป็นช่วงบ่ายที่เสียเปล่า

เพื่อความครบถ้วน เพราะนี่คือคำถามถัดไปที่เห็นได้ชัด: ทั้ง SWE-2 Flash และ Qoder Cantus ไม่ได้อยู่บน OrcaRouter เพราะผู้ให้บริการทั้งสองรายไม่ได้เสนอ API ให้เราเราเตอร์ได้ สิ่งที่อยู่บน OrcaRouter คือชุดโมเดลที่ตาราง Cognition ตารางเดียวกันให้คะแนนบน Terminal-Bench 4.0 ไว้ที่ 41.8 และ 42.3 — GLM 5.3 Flash และ DeepSeek V4.1 Flash 1017 — ในราคา $0.15 ต่อล้านโทเคนอินพุต เทียบกับ $0.50 และ $0.60 ต่อล้านโทเคนเอาต์พุต พร้อมหน้าต่างบริบท 1M โทเคน การวัดเหล่านี้เป็นการวัดของ Cognition ในฮาร์เนสของ Cognition ดังนั้นควรอ่านเป็นแนวทางมากกว่าข้อมูลที่รับรองแล้ว แต่ทิศทางไม่ได้ละเอียดอ่อน: ทั้งสองเรียกใช้ได้ ทั้งสองทำคะแนนได้สูงกว่า 20.0 ของ SWE-2 Flash ในแถวนั้น และทั้งสองอยู่หลังคีย์เดียวโดยคิดมาร์กอัป 0% จากราคาลิสต์ของผู้ให้บริการ พร้อมการสลับไปใช้ระบบสำรองอัตโนมัติหากผู้ให้บริการมีประสิทธิภาพลดลง หากเหตุผลที่คุณอ่านหน้านี้คือการหาโมเดลเขียนโค้ดที่คุณใส่ในไปป์ไลน์ได้ ไม่ใช่แค่ที่นั่งใช้งาน คำตอบที่ซื่อสัตย์ก็คืออย่างนั้น และไม่ใช่ทั้งสองตัวที่อยู่ในหัวเรื่อง

ใครควรเลือกอันไหน

• หากใช้ Devin อยู่แล้วและขอบเขตงานชัดเจน — ใช้ SWE-2 Flash ได้เลย ตอนนี้ใช้ฟรีถึง 30 พฤศจิกายน ให้ผลใกล้เคียง SWE-2 ในการแพตช์ที่ระบุชัดเจน และต้นทุนในการลองก็เพียงแค่เปลี่ยนตัวเลือกโมเดล

• หากอยู่บน Devin แล้ว งานใช้เวลานานและไม่มีผู้ดูแล — ให้อยู่บน SWE-2 ต่อไป หรือ.route ไปยังโมเดลที่เรียกใช้ได้ คะแนน 20.0 ของ Flash บน Terminal-Bench 4.0 คือแถวที่ชี้ขาดเรื่องนี้ และมันตามหลังโมเดลที่ถูกกว่าอยู่ 7.3 คะแนน

• บน Qoder ด้วยเหตุผลด้านการปฏิบัติตามข้อกำหนดหรือภูมิภาค — Cantus คือระดับสูงสุดและเป็นเพียงตัวเดียวที่ถูกวางตำแหน่งสำหรับความเป็นอิสระแบบขยาย แต่ที่ 4x มันมีตัวคูณเป็นแปดเท่าของ Qwen3.8-Max สำหรับการประมาณงานเดียวกัน ควรสงวนไว้สำหรับการรันที่จำเป็นต้องใช้มัน

• ต้องการ API หรือต้องการประกอบโมเดล หรือต้องการ fail over — ไม่ใช่ทั้งคู่ ข้อกำหนดนั้นตัดทั้งสองทางเลือกออกก่อนจะพิจารณา benchmark ใด ๆ

สิ่งที่ต้องจับตาดูไม่ใช่ benchmark แต่คือว่า Cognition จะแนบตารางราคาให้ SWE-2 Flash หรือไม่เมื่อช่วงใช้งานฟรีสิ้นสุดลงในวันที่ 30 November และว่า Qoder จะเผยแพร่คะแนนสักค่าหนึ่งสำหรับ Cantus หรือไม่ จนกว่าจะถึงตอนนั้น คำตัดสินที่ซื่อตรงก็คือ โมเดลหนึ่งมีเอกสารประกอบที่ดีกว่าและอีกโมเดลมีราคาที่ดีกว่า และทั้งคู่ยังตรวจสอบยืนยันไม่ได้ — ซึ่งเป็นข้อเท็จจริงคู่หนึ่งที่แปลกเมื่อต้องเอามาชั่งน้ำหนัก และเป็นเหตุผลว่าทำไมการเปรียบเทบคู่นี้จึงไม่ตอบตามคำตอบแบบที่เคยเป็น