SWE-2 Flash 对比 Qoder Cantus：两款只能租用的编程模型

SWE-2 Flash 和 Qoder Cantus 几乎毫无共同之处，除了那个决定这场对比的关键点：这两个模型你都调用不了。Cognition 的 SWE-2 Flash 于 2026 年 11 月 4 日发布，且仅在 Devin Desktop 和 Devin CLI 内部运行。Qoder Cantus 是阿里巴巴为其 Qoder 编程平台内置的顶级模型，自 2026 年 7 月起一直只在 Qoder 自家的产品界面内运行。没有端点，没有模型 ID，也没有可下载的权重。两个模型、两个智能体产品，而且不存在任何可供二者分别接受独立测试的共同基准。

这听起来像是给“对比”类文章判了死刑。可它其实才是事情的全貌，因为它改变了你所比较的对象。这不是两个检查点之间的一场较量，而是在两个租来的房间之间做选择；真正有用的问题是：哪个房间肯公布它的电表读数，哪个房间肯公开它的作业，而当账单送到你手上时，这两样你更想要哪一个。

八行对着一个空列

Cognition 的发布帖在数字方面异常慷慨。SWE-2 Flash 报告了八行基准测试、两项训练增量、一个速度数值和一个价格数值。Qoder 则完全没有公布 Cantus 的任何基准测试分数——既没有在其自己的网站上公布，也没有在 Artificial Analysis 上公布，也没有在 LMArena 上公布——同时也没有公布参数数量、架构和上下文窗口。

人们很容易把那理解为八行对零行。更准确地说，这是八项主张对零项主张，而这一区别比数量本身更重要。

• FrontierCode 2.0 — 24.0，相比之下，更大的 SWE-2 为 23.8，而其进行后训练所基于的 Inkling-Small 基础模型为 3.2。

• {{1}}FrontierCode 1.1 Main{{/1}} — 45.5，而 {{2}}SWE-2{{/2}} 为 50.0。

• DeepSWE 1.1 — 60.1，而 SWE-2 为 73.0。

• Terminal-Bench 4.0 — 20.0，相比之下 SWE-2 为 27.3，基础模型为 0.9。

• Terminal-Bench 2.1 — 89.2，而 SWE-2 为 92.8。

• SWE-Atlas QA — 50.0，对比 SWE-2 的 56.3。

• SWE-Bench Pro v2 Hard — 89.9，而 SWE-2 为 90.6。

• ExploitBench — 34.8，相较 SWE-2 的 36.1。

这些全都是厂商报告的。Cognition 没有公布测试框架、推理努力程度设置，也没有说明这些数字是单次尝试还是 best-of-N 的结果，而 FrontierCode 是 Cognition 自己的基准测试。所以这八行并不是八项独立事实。它们是八条读者至少可以对其形成看法的陈述，而这是另一回事，且是更次一等的事。

Cantus 的空列并不是同一种弱点。缺失的数字可以以后再补上。从未提出的主张无法核实，而 Qoder 自 7 月以来本有机会提出一个。

真正能预测这场对决的那一行

将 SWE-2 Flash 与其自家更大规模的同系列模型对比，规律就显现了。在 SWE-Bench Pro v2 Hard 这个由规格明确的补丁组成的基准上，Flash 得分为 89.9，SWE-2 为 90.6——差距为七成一分，也就是 0.7 分，微不足道。而在 DeepSWE 1.1 和 Terminal-Bench 4.0 上，智能体需要在更少脚手架支持下更长时间无监督工作，差距扩大到 12.9 分和 7.3 分。

这正是那种在范围明确的任务上表现稳健、但随着任务周期拉长而逐渐力不从心的模型所具备的特征。对于一个主打快速、低成本的层级来说，这是完全合理的设计取舍，也是这篇发布文章中最具决策相关性的一点。

现在把这个和 Cantus 的销售方式放在一起看。Qoder 自己的发布页面将其描述为专为“扩展的自主任务执行”而构建——即长周期、低监督的那一端。而这正是 SWE-2 Flash 自身数据最弱的维度。

所以，这两个模型真正竞争的那个维度，也正是其中一方只有平庸的公开得分、而另一方根本没有得分的维度。你无法用现有证据解决这个问题，任何告诉你并非如此的人，都是在拿厂商表格和营销形容词作比较。

每个要花多少钱，以唯一公布的单位计算

在这里，这种不对称发生了反转，而且是急剧反转。

SWE-2 Flash 在 2026 年 11 月 30 日之前免费，这是最理想的价格，也是最不持久的价格。此后，Cognition 关于定价的唯一说法是：Flash 的成本是 SWE-2 的“五分之一”。SWE-2 同样没有公开的价目表。这个比例在 Devin 的计费系统内部是真实的，但最终无法得出任何读者能够计算出的结果，因此 11 月之后的实际成本仍然未知。

Cantus 的运作方式则相反。Qoder 会按每个模型发布一个参考系数，并按每种任务模式发布一个积分成本中位数，这足以进行算术计算。在 Qoder 的积分页面上，200K 上下文窗口下的 Editor 智能体模式请求估计约为 12 个积分；Editor Ask 约为 4 个；200K 下的 Qoder 智能体模式请求约为 50 个。

在此基础上，倍率又发生了变化。Qoder 的发布说明设定了一个新的参考系数，自新加坡时间 2026 年 9 月 21 日 00:00 起生效，将 Cantus 从 3.2 倍提高到 4 倍。因此，同一个 Editor 智能体轮次在 8 月大约花费 38 个参考积分，现在则要花费 48 个——模型未变，费用却上涨了 25%。Qoder 未公布官方的每积分美元费率；据广泛报道，充值包价格约为每 1,500 积分 20 美元，按附加费率计算，该轮次费用接近 0.64 美元；若从套餐额度中支付，则更低。

直白地说：有八行基准数据的模型，价格是你算不出来的；而基准数据为零行的模型，价格却是你能算出来的。这是本页最有用的句子。

而这张系数表值得完整读一遍，因为它把 Cantus 与同一体系内其他所有模型放在一起进行定价对比。以 4x 计，它是 GLM-5.3 的 0.8x 的五倍、Qwen3.8-Max 的 0.5x 的八倍，以及 DeepSeek-Flash 的 0.1x 的四十倍。如果你在 Qoder 中的工作主要是限定范围的编辑，而不是长时间自主运行，那么用 Cantus 来做就是成本最高的方式，而且高出不止一点——这一对比由 Qoder 自己发布，而几乎没有任何关于该模型的报道愿意去做。

背景：20万有记录，另一个未披露，还有一个假设需要放弃

Cantus 没有公开的上下文窗口，但 Qoder 的积分估算是按 50K 和 200K 计价的，而 200K 才是实际生效的数字——那正是 Qoder 自身计费模型所校准的窗口。

SWE-2 Flash 的上下文窗口在其发布帖中没有任何说明。这里的陷阱在于继承：SWE-2 运行在 Kimi K3 上，而 Kimi K3 带有 1M token 的窗口，因此很容易想当然地认为 Flash 也是如此。但这并不能推出。Flash 是从 Inkling-Small 后训练得到的，后者是一个具有不同谱系的不同基座，而 Cognition 并未说明它提供的窗口。应将其视为未知，而不是很大。

• 上下文 — Cantus 在 Qoder 计费模型中为 200K，而 SWE-2 Flash 未披露，且无法从 SWE-2 继承。

• 参数 — Cantus 未披露，对比 Inkling-Small 上游的 276B 总参数 / 12B 激活参数。

• 权重——Cantus 从未承诺，而 SWE-2 Flash 被暂缓发布，同时承诺“几周内”推出合作伙伴计划。

• 独立测试——两者都没有。

两间上锁的房间，两个仪表

两个模型都只覆盖单一使用界面，且这些界面不可互换。Cantus 出现在 Qoder 的 IDE、JetBrains 插件、CLI、QoderWake、Cloud Agents 以及移动/Web 应用中——在 Qoder 内部覆盖面很广，在 Qoder 之外则为零。SWE-2 Flash 出现在 Devin Desktop 和 Devin CLI 中——范围更窄，但对于已经在使用 Devin 的团队来说，这只是切换模型，而不是迁移。

计费标准也比费率卡更易波动。Cantus 的系数在一次通知中就变动了 25%，而模型并未改变；其较新的同门产品 Sonus 于 9 月以 8 倍系数推出。Cognition 的“五分之一”比率是发布期的数字，一旦免费窗口在 11 月 30 日关闭，就会重新定价。

如果你在使用 Qoder，有一个实际的小问题值得了解：用户在整个十月都反馈，配置代理后，Cantus 和 Sonus 会从桌面端的模型选择器中消失，解决办法是禁用代理。这是客户端的一个 bug，而不是模型本身的问题，但正是这类事情，会让一次长时间的自主运行白白浪费一个下午。

为完整起见，既然这是显而易见的后续问题：SWE-2 Flash 和 Qoder Cantus 都不在 OrcaRouter 上，因为两家厂商都不提供可供路由的 API。OrcaRouter 上提供的是 Cognition 同一张表在 Terminal-Bench 4.0 上评分为 41.8 和 42.3 的那组模型——GLM 5.3 Flash 和 DeepSeek V4.1 Flash 1017——输入每百万 token 0.15 美元，输出每百万 token 分别为 0.50 和 0.60 美元，上下文窗口为 1M token。这些是 Cognition 在其自有测试框架中测得的数值，因此应视为方向性参考而非认证结果，但方向并不含糊：两者都可调用，在该行上的得分都高于 SWE-2 Flash 的 20.0，并且都通过同一个密钥访问，按供应商标价 0% 加价，若某供应商服务降级则自动故障转移。如果你读这页的原因是想找一个能放进流水线而非占一个席位的编码模型，这才是诚实的答案，而且它不是标题里的那两个。

谁应该选哪个

• 已经用上 Devin、任务范围也明确的，现在就改用 SWE-2 Flash 吧。它在 11 月 30 日之前免费，在规格清晰的补丁类任务上表现接近 SWE-2，而尝试它的成本不过是切换一下模型选择器。

• 如果已经在使用 Devin，而任务耗时长且无人监督——就继续使用 SWE-2，或路由到可调用的模型。Flash 在 Terminal-Bench 4.0 上的 20.0 正是决定这一点的关键一行，而且它落后于那个比它更贵的模型 7.3 分。

• 在 Qoder 上，出于合规或区域方面的原因——Cantus 是最高层级，也是唯一被定位为可支持扩展自主性的层级，但其 4x 倍率是 Qwen3.8-Max 在相同任务估算下倍率的八倍。请将其留给确实需要它的运行任务。

• 需要 API，或需要组合模型，或需要故障转移——两者皆非。这项要求在任何基准测试被参考之前，就把两者都排除了。

需要关注的不是基准测试，而是当免费窗口于11月30日关闭时，Cognition是否会为SWE-2 Flash附上一份价目表，以及Qoder是否终会为Cantus公布哪怕一个分数。在那之前，诚实的结论是：一个模型的文档更完善，另一个模型的价格更优惠，而两者都无法验证——这是一组不得不权衡的奇怪事实，也正是这场对比难以给出常规答案的原因。