SWE-2 Flash vs Qoder Cantus: Hai mô hình lập trình mà bạn chỉ có thể thuê

SWE-2 Flash và Qoder Cantus gần như không có điểm gì chung, ngoại trừ điều quyết định phép so sánh này: bạn không thể gọi bất kỳ mô hình nào trong hai mô hình đó. SWE-2 Flash của Cognition ra mắt ngày 4 tháng 11 năm 2026 và chỉ chạy bên trong Devin Desktop và Devin CLI. Qoder Cantus, mô hình cao cấp tích hợp sẵn của Alibaba dành cho nền tảng lập trình Qoder, chỉ chạy bên trong các giao diện riêng của Qoder kể từ tháng 7 năm 2026. Không có endpoint, không có model ID, không có trọng số nào để bạn tải xuống. Hai mô hình, hai sản phẩm agent, và không có benchmark chung nào mà một trong hai đã được kiểm thử độc lập trên đó.

Điều đó nghe như một ngõ cụt đối với một trang so sánh đối đầu. Nhưng thực ra đó lại là toàn bộ câu chuyện, vì nó thay đổi thứ bạn đang so sánh. Đây không phải là một cuộc đọ sức giữa hai checkpoint. Đây là lựa chọn giữa hai căn phòng đi thuê, và những câu hỏi hữu ích là: căn phòng nào công bố đồng hồ đo của mình, căn nào công bố bài làm của mình, và bạn thích thứ nào trong hai thứ đó hơn khi hóa đơn đến.

Tám hàng so với một cột trống

Bài đăng ra mắt của Cognition hào phóng một cách bất thường về các con số. SWE-2 Flash báo cáo tám dòng benchmark, hai mức chênh lệch huấn luyện, một con số tốc độ và một con số giá. Qoder hoàn toàn không công bố điểm benchmark nào cho Cantus — không trên trang web của chính họ, không trên Artificial Analysis, không trên LMArena — cùng với đó là không có số lượng tham số, không có kiến trúc và không có cửa sổ ngữ cảnh.

Thật dễ để đọc điều đó thành tám hàng so với không. Nhưng nó gần với tám tuyên bố so với không tuyên bố hơn, và sự phân biệt này quan trọng hơn con số.

• FrontierCode 2.0 — 24.0, so với 23.8 của SWE-2 lớn hơn và 3.2 của bản cơ sở Inkling-Small mà nó được huấn luyện hậu kỳ từ đó.

• FrontierCode 1.1 Main — 45,5, so với 50,0 của SWE-2.

• DeepSWE 1.1 — 60.1, so với 73.0 của SWE-2.

• Terminal-Bench 4.0 — 20,0, so với 27,3 của SWE-2 và 0,9 của mô hình cơ sở.

• Terminal-Bench 2.1 — 89.2, so với 92.8 của SWE-2.

• SWE-Atlas QA — 50,0, so với 56,3 của SWE-2.

• SWE-Bench Pro v2 Hard — 89.9, so với 90.6 của SWE-2.

• ExploitBench — 34.8, so với 36.1 của SWE-2.

Mỗi một mục trong số đó đều do nhà cung cấp tự báo cáo. Cognition không công bố harness, thiết lập mức nỗ lực suy luận, hay liệu các con số là kết quả một lần thử hay best-of-N, và FrontierCode là benchmark của chính Cognition. Vì vậy, tám hàng đó không phải là tám sự kiện độc lập. Chúng là tám phát biểu mà người đọc ít nhất có thể hình thành một quan điểm về chúng, và đó là một thứ khác, kém hơn.

Cột trống của Cantus không phải là cùng kiểu điểm yếu đó. Một con số còn thiếu có thể được điền vào sau. Một tuyên bố chưa từng được đưa ra thì không thể kiểm chứng, và Qoder đã có từ tháng Bảy để đưa ra một tuyên bố như vậy.

Hàng thực sự dự đoán được cặp đối đầu này

Đọc dòng SWE-2 Flash so với người anh em lớn hơn của chính nó và một quy luật hiện ra. Trên SWE-Bench Pro v2 Hard, một benchmark gồm các bản vá được đặc tả rõ ràng, Flash đạt 89,9 so với 90,6 của SWE-2 — khoảng cách bảy phần mười điểm, không đáng kể. Trên DeepSWE 1.1 và Terminal-Bench 4.0, nơi tác nhân phải làm việc không giám sát lâu hơn với ít khung hỗ trợ hơn, khoảng cách nới rộng lên 12,9 điểm và 7,3 điểm.

Đó là dấu hiệu đặc trưng của một mô hình vẫn trụ vững với công việc có phạm vi giới hạn và yếu dần đi khi tầm nhìn kéo dài. Đó hoàn toàn là một lựa chọn thiết kế hợp lý cho một hạng nhanh, rẻ, và là điều liên quan nhất đến quyết định trong bài đăng ra mắt.

Giờ hãy đặt điều đó cạnh cách Cantus được bán. Trang ra mắt của chính Qoder mô tả nó được xây dựng cho “thực thi tác vụ tự trị kéo dài” — tức phía dài hạn, ít cần giám sát của phổ. Đó chính xác là trục mà các con số của chính SWE-2 Flash yếu nhất.

Vậy khía cạnh duy nhất mà hai mô hình này thực sự so tài cũng chính là khía cạnh mà một bên có điểm số công bố ở mức xoàng, còn bên kia thì không có điểm nào. Bạn không thể phân xử điều đó bằng bằng chứng hiện có, và bất kỳ ai nói ngược lại đều đang so sánh một bảng số liệu của nhà cung cấp với một tính từ tiếp thị.

Mỗi thứ giá bao nhiêu, tính theo đơn vị duy nhất được công bố.

Ở đây, sự bất đối xứng đảo chiều, và đảo chiều rất mạnh.

SWE-2 Flash miễn phí đến hết ngày 30 tháng 11 năm 2026, đây là mức giá tốt nhất có thể và cũng là mức giá kém bền vững nhất. Sau đó, tuyên bố định giá duy nhất của Cognition là Flash có giá "một phần năm giá" của SWE-2. SWE-2 cũng không có bảng giá công bố nào. Tỷ lệ này là có thật trong hệ thống tính phí của Devin và không dẫn đến bất kỳ con số nào mà người đọc có thể tính ra, vì vậy chi phí thực tế sau tháng 11 là không rõ.

Cantus hoạt động theo cách ngược lại. Qoder công bố hệ số tham chiếu cho mỗi mô hình và chi phí tín dụng trung vị cho mỗi chế độ tác vụ, đủ để thực hiện phép tính. Trên trang tín dụng của Qoder, một yêu cầu ở chế độ agent của Editor với cửa sổ ngữ cảnh 200K được ước tính khoảng 12 tín dụng; Editor Ask khoảng 4; một yêu cầu ở chế độ agent của Qoder ở 200K khoảng 50.

Hệ số nhân trên đó đã thay đổi. Ghi chú phát hành của Qoder đặt hệ số tham chiếu mới có hiệu lực từ 00:00 giờ Singapore ngày 21 tháng 9 năm 2026, nâng Cantus từ 3,2x lên 4x. Vì vậy, cùng một lượt của tác nhân Editor từng tốn khoảng 38 tín dụng tham chiếu vào tháng 8 nay tốn 48 — tăng 25% đối với một mô hình không đổi. Qoder không công bố tỷ giá chính thức đô la trên mỗi tín dụng; các gói nạp thêm được nhiều nguồn báo cáo ở mức khoảng $20 cho 1.500 tín dụng, khiến lượt đó rơi vào khoảng $0,64 theo giá nạp thêm, và thấp hơn khi thanh toán từ hạn mức của gói.

Nói thẳng ra: mô hình có tám dòng benchmark có mức giá mà bạn không thể tính được, còn mô hình không có dòng benchmark nào thì có mức giá mà bạn có thể tính được. Đó là câu hữu ích nhất trên trang này.

Và bảng hệ số đáng để đọc trọn vẹn, vì nó định giá Cantus so với mọi thứ khác trong cùng một mái nhà. Ở mức 4x, nó cao gấp năm lần 0,8x của GLM-5.3, gấp tám lần 0,5x của Qwen3.8-Max và gấp bốn mươi lần 0,1x của DeepSeek-Flash. Nếu công việc của bạn trong Qoder chủ yếu là các chỉnh sửa có phạm vi giới hạn thay vì những lượt chạy tự trị dài, thì Cantus là cách đắt đỏ nhất để làm việc đó, vượt xa phần còn lại — một so sánh do chính Qoder công bố và gần như không có bài đưa tin nào về mô hình chịu thực hiện.

Bối cảnh: 200K được ghi nhận, phần còn lại không được tiết lộ, và một giả định cần loại bỏ

Cantus không công bố cửa sổ ngữ cảnh, nhưng các ước tính tín dụng của Qoder được quy đổi theo các mốc 50K và 200K, và 200K là con số được áp dụng — đó chính là cửa sổ mà mô hình tính phí của Qoder được hiệu chỉnh dựa theo.

Cửa sổ ngữ cảnh của SWE-2 Flash không được nêu ở bất kỳ đâu trong bài đăng ra mắt của nó. Cái bẫy ở đây là sự kế thừa: SWE-2 chạy trên Kimi K3, vốn mang cửa sổ 1 triệu token, và rất dễ giả định Flash cũng vậy. Điều đó không suy ra được. Flash được huấn luyện hậu kỳ từ Inkling-Small, một nền tảng khác với dòng dõi khác, và Cognition chưa nói gì về cửa sổ mà nó cung cấp. Hãy coi đó là chưa biết thay vì lớn.

• Bối cảnh — Cantus 200K trong mô hình tính phí của Qoder so với SWE-2 Flash không được tiết lộ, và không thể kế thừa từ SWE-2.

• Tham số — Cantus không được tiết lộ so với Inkling-Small với tổng 276B / 12B hoạt động ở upstream.

• Trọng số — Cantus chưa từng được hứa hẹn, so với SWE-2 Flash bị giữ lại, cùng với một chương trình đối tác được hứa hẹn “trong vài tuần nữa”.

• Kiểm thử độc lập — cả hai đều không có.

Hai căn phòng bị khóa, hai đồng hồ đo

Cả hai mô hình đều chỉ hoạt động trên một bề mặt duy nhất và các bề mặt này không thể hoán đổi cho nhau. Cantus xuất hiện xuyên suốt IDE của Qoder, plugin JetBrains, CLI, QoderWake, Cloud Agents và ứng dụng di động/web — rộng khắp bên trong Qoder, nhưng không hiện diện bên ngoài. SWE-2 Flash xuất hiện trong Devin Desktop và Devin CLI — hẹp hơn, nhưng với các nhóm đã dùng Devin, đó là việc chuyển đổi mô hình chứ không phải di trú.

Các đồng hồ đo cũng biến động hơn so với một bảng giá. Hệ số của Cantus đã nhích 25% chỉ trong một thông báo mà không hề có thay đổi nào về mô hình, còn người anh em mới hơn của nó là Sonus thì ra mắt vào tháng 9 ở mức 8x. Tỷ lệ "một phần năm" của Cognition là con số của giai đoạn ra mắt và sẽ được định giá lại một khi cửa sổ miễn phí đóng lại vào ngày 30 tháng 11.

Một rắc rối thực tế đáng để biết nếu bạn đang dùng Qoder: người dùng đã báo cáo trong suốt tháng 10 rằng Cantus và Sonus biến mất khỏi trình chọn model trên desktop khi có cấu hình proxy, và cách khắc phục tạm là tắt proxy. Đây là lỗi phía client, không phải vấn đề của model, nhưng đúng là kiểu sự cố khiến một phiên chạy tự động dài biến thành cả một buổi chiều lãng phí.

Để đầy đủ, vì đó là câu hỏi tiếp theo hiển nhiên: cả SWE-2 Flash lẫn Qoder Cantus đều không có trên OrcaRouter, bởi không nhà cung cấp nào trong hai bên cung cấp API để định tuyến. Những gì có trên OrcaRouter là tập hợp các mô hình mà cùng bảng Cognition chấm trên Terminal-Bench 4.0 ở 41.8 và 42.3 — GLM 5.3 Flash và DeepSeek V4.1 Flash 1017 — với $0.15 mỗi triệu token đầu vào so với $0.50 và $0.60 mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 1 triệu token. Đó là các phép đo của Cognition trong bộ khung đánh giá của Cognition, nên hãy đọc chúng như mang tính định hướng chứ không phải đã được chứng nhận, nhưng hướng thì không hề tinh tế: cả hai đều gọi được, cả hai đều có điểm cao hơn 20.0 của SWE-2 Flash ở hàng đó, và cả hai đều nằm sau một khóa với mức tăng giá 0% trên giá niêm yết của nhà cung cấp và tự động chuyển đổi dự phòng nếu một nhà cung cấp bị suy giảm. Nếu lý do bạn đọc trang này là tìm một mô hình lập trình mà bạn có thể đưa vào một quy trình thay vì một chỗ ngồi, thì đó là câu trả lời trung thực, và nó không phải là một trong hai cái tên trong tiêu đề.

Ai nên chọn cái nào

• Đã dùng Devin thì phạm vi công việc đã rõ — hãy dùng SWE-2 Flash ngay. Nó miễn phí đến ngày 30 tháng 11, gần ngang SWE-2 về vá lỗi được chỉ định rõ ràng, và chi phí để thử nó chỉ là một thay đổi bộ chọn mô hình.

• Khi đã dùng Devin, công việc kéo dài và không được giám sát — hãy ở lại SWE-2, hoặc định tuyến một mô hình có thể gọi được. Điểm 20.0 của Flash trên Terminal-Bench 4.0 là hàng chi phối điều này, và nó thấp hơn 7.3 điểm so với mô hình mà nó rẻ hơn.

• Trên Qoder vì lý do tuân thủ hoặc khu vực — Cantus là bậc cao nhất và là lựa chọn duy nhất được định vị cho khả năng tự chủ mở rộng, nhưng ở mức 4x, nó cao gấp tám lần hệ số của Qwen3.8-Max cho cùng một ước tính tác vụ. Hãy để dành nó cho những lượt chạy thực sự cần đến.

• Cần API, hoặc cần kết hợp các mô hình, hoặc cần chuyển đổi dự phòng — không cái nào trong số đó. Yêu cầu ấy loại trừ cả hai trước khi xem xét bất kỳ benchmark nào.

{{1}}Điều cần theo dõi không phải là một benchmark.{{/1}} Mà là {{2}}liệu Cognition có gắn bảng giá cho SWE-2 Flash khi cửa sổ miễn phí đóng vào ngày 30 tháng 11 hay không{{/2}}, và {{3}}liệu Qoder có bao giờ công bố dù chỉ một điểm số cho Cantus hay không{{/3}}. Cho đến lúc đó, {{4}}kết luận trung thực là một mô hình được tài liệu hóa tốt hơn còn mô hình kia có giá tốt hơn, và cả hai đều không thể kiểm chứng{{/4}} — một cặp sự thật kỳ lạ khi phải cân nhắc, và là lý do cuộc đối đầu này khó có câu trả lời thông thường.