SWE-2 Flash 對決 Qoder Cantus：兩款只能租用的程式設計模型

SWE-2 Flash 與 Qoder Cantus 幾乎沒有共通點，唯一共同之處正是決定這場比較的關鍵：你根本用不了其中任何一個。Cognition 的 SWE-2 Flash 於 2026 年 11 月 4 日推出，只能在 Devin Desktop 與 Devin CLI 內執行。Qoder Cantus 是阿里巴巴為旗下 Qoder 程式開發平台內建的最高階模型，自 2026 年 7 月起也只在 Qoder 自家的介面中運行。沒有 API 端點、沒有模型 ID、沒有可下載的權重。兩個模型、兩款代理式產品，卻沒有任何共同的基準測試可供獨立驗證兩者中的任何一方。

這聽起來像是對決頁面的死路。其實這正是整件事的全貌，因為它改變了你在比較的東西。這不是兩個檢查點之間的評比。這是在兩間租來的房間之間做選擇，而真正有用的問題是：哪一間房會公開它的計量表，哪一間會公開它的作業，以及當帳單來的時候，你比較想擁有這兩者中的哪一個。

八列對應一個空白欄

Cognition 的發布文章在數字上格外大方。SWE-2 Flash 列出了八列基準測試、兩項訓練增量、一個速度數字和一個價格數字。Qoder 完全沒有公布 Cantus 的任何基準測試分數——不論是在自家網站、Artificial Analysis 還是 LMArena 上都找不到——同時也沒有參數量、沒有架構，也沒有上下文視窗。

那很容易被理解成八行對零行；但更接近的說法是八項主張對零項主張，而這個區別比數字本身更重要。

• FrontierCode 2.0 — 24.0，相較之下，規模更大的 SWE-2 為 23.8，而其後訓練所依據的 Inkling-Small 基礎模型則為 3.2。

• FrontierCode 1.1 Main — 45.5，相較於 SWE-2 的 50.0。

• DeepSWE 1.1 — 60.1，相較於 SWE-2 的 73.0。

• Terminal-Bench 4.0 — 20.0，相較之下 SWE-2 為 27.3，而基礎模型為 0.9。

• Terminal-Bench 2.1 — 89.2，相較於 SWE-2 的 92.8。

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

• SWE-Bench Pro v2 Hard — 89.9，相較於 SWE-2 的 90.6。

• ExploitBench — 34.8，相較於 SWE-2 的 36.1。

那些每一項都是由供應商自行報告的。Cognition 並未公開測試框架、推理投入程度設定，或這些數字是單次嘗試還是 best-of-N，而 FrontierCode 是 Cognition 自家的基準。因此，這八列並不是八項獨立事實。它們是八項陳述，讀者至少能對它們形成某種看法，而那是另一回事，且層次較低。

Cantus 的空欄位並不是同一種弱點。缺漏的數字日後還能補上。從未提出的主張則無從查核，而 Qoder 從七月至今本有機會提出一項。

真正能預測這場對決的那一列

將 SWE-2 Flash 這一列與自家體型更大的同系列版本對照，一個模式便浮現出來。在 SWE-Bench Pro v2 Hard 這項由規格明確的修補程式構成的基準測試上，Flash 拿下 89.9 分，SWE-2 則是 90.6 分——差距只有零點七分，根本不算什麼。到了 DeepSWE 1.1 與 Terminal-Bench 4.0，代理必須在更少輔助架構下、更長時間地自主作業，差距便擴大到 12.9 分與 7.3 分。

這是一個模型的典型特徵：在範圍明確的工作上表現穩健，但隨著時間跨度拉長而逐漸變弱。對一個快速、便宜層級的模型而言，這是完全合理的設計選擇，也是發布文章中最與決策相關的一點。

現在把它和 Cantus 的銷售方式並列來看。Qoder 自家的發布頁面將它描述為專為「延伸式自主任務執行」而打造——也就是光譜中長時程、低監督的那一端。而這正是 SWE-2 Flash 自身數據最弱的軸線。

所以，這兩個模型真正競爭的唯一一個維度，也正是其中一方只有平庸的公開分數、另一方則完全沒有分數的那個維度。你無法用現有證據解決這個問題，而任何告訴你並非如此的人，都是在拿廠商表格跟行銷形容詞作比較。

每一個要花多少，以唯一公布的單位表示

在這裡，不對稱性反轉了，而且反轉得相當劇烈。

SWE-2 Flash 在 2026 年 11 月 30 日前免費，這是最理想的價格，也是最不持久的價格。此後，Cognition 唯一的定價說法是 Flash 的價格是 SWE-2 的「五分之一」。SWE-2 也沒有公布費率表。這個比例在 Devin 的帳務系統內確實存在，但最終無法讓讀者計算出任何結果，因此十一月之後的實際成本未知。

Cantus 的運作方式相反。Qoder 會為每個模型公布一個參考係數，並為每種任務模式公布中位數的點數成本，這樣就足以進行算術計算。在 Qoder 的點數頁面上，200K 上下文視窗下的 Editor 代理模式請求估計約為 12 點；Editor Ask 約為 4 點；200K 下的 Qoder 代理模式請求約為 50 點。

在此之上的乘數也已變動。Qoder 的版本說明設定了新的參考係數，自新加坡時間 2026 年 9 月 21 日 00:00 起生效，將 Cantus 從 3.2 倍調高到 4 倍。因此，同一個 Editor 代理程式回合在 8 月大約花費 38 個參考點數，現在則要 48 個——在模型未變的情況下上漲了 25%。Qoder 並未公布官方的每點數美元費率；外界普遍報導儲值包約為每 1,500 點數 20 美元，若按加購費率計算，該回合接近 0.64 美元，而從方案額度支付時則更低。

說白了：有八列基準測試資料的那個模型，價格是你算不出來的；而一列基準測試資料都沒有的那個模型，價格你卻算得出來。這是這一頁上最有用的一句話。

而 factor table 值得完整讀一遍，因為它把 Cantus 拿去和同一棟 building 裡的其他一切一起定價。在 4x 之下，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 裡的工作主要是限定範圍的編輯，而不是長時間的自主執行，那麼 Cantus 是這麼做最昂貴的方式，而且差距很大——這是 Qoder 自己公布的比較，而幾乎沒有任何關於這個模型的報導願意做這件事。

背景：20 萬已記錄在案，另一項未披露，還有一個該捨棄的假設

Cantus 並未公布上下文視窗，但 Qoder 的額度估算係以 50K 與 200K 為單位，而 200K 才是實際採用的數字——這正是 Qoder 自身計費模式所校準依據的視窗。

SWE-2 Flash 的上下文視窗在其發布文章中完全沒有提及。這裡的陷阱在於繼承：SWE-2 執行於 Kimi K3 之上，而後者具備 100 萬 token 的視窗，因此很容易假設 Flash 也一樣。但這並不成立。Flash 是從 Inkling-Small 後訓練而來，那是另一個基礎模型、不同的血統，而 Cognition 對它提供的視窗隻字未提。應將其視為未知，而非很大。

• 背景 — Cantus 200K 在 Qoder 的計費模式中，而 SWE-2 Flash 未公開，且無法從 SWE-2 繼承。

• 參數 — Cantus 未披露，相較於 Inkling-Small 的總計 276B／上游 12B 活躍。

• 權重 — Cantus 從未承諾，而 SWE-2 Flash 則被扣留，並承諾「幾週內」推出合作夥伴計畫。

• 獨立測試——兩者皆無。

兩間上鎖的房間，兩個計量錶

這兩款模型都只支援單一介面，而且這些介面彼此無法互換。Cantus 遍及 Qoder 的 IDE、JetBrains 外掛、CLI、QoderWake、Cloud Agents 以及行動／網頁應用程式——在 Qoder 內部涵蓋廣泛，在 Qoder 之外則完全付之闕如。SWE-2 Flash 則出現在 Devin Desktop 與 Devin CLI 中——範圍較窄，但對已經採用 Devin 的團隊而言，這只是切換模型，而非移轉。

這些計價單位也比價目表更易波動。Cantus 的係數在一次公告中變動了 25%，而模型並未改變；其較新的同系列產品 Sonus 於九月推出，定價為 8 倍。Cognition 的「五分之一」比例是推出期間的數字，待 11 月 30 日免費窗口關閉後將重新定價。

如果你使用 Qoder，有一個實用的小狀況值得知道：使用者回報，整個十月期間，當設定了代理時，Cantus 和 Sonus 會從桌面版模型選擇器中消失，而解決方法是停用代理。這是客戶端錯誤，不是模型問題，但這種事正是會讓長時間的自動執行變成白白浪費一個下午的那類問題。

為求完整，因為這是顯而易見的下一個問題：SWE-2 Flash 與 Qoder Cantus 都不在 OrcaRouter 上，因為兩家廠商都沒有提供可供路由的 API。OrcaRouter 上有的，是同一份 Cognition 表格在 Terminal-Bench 4.0 上評為 41.8 與 42.3 的那組模型——GLM 5.3 Flash 與 DeepSeek V4.1 Flash 1017——每百萬輸入 token 0.15 美元，相較之下每百萬輸出為 0.50 與 0.60 美元，並具備 100 萬 token 上下文視窗。那些是 Cognition 在其測試框架中的測量結果，因此請將其視為方向性參考而非經過認證，但方向相當明確：兩者都可呼叫，兩者在該列的得分都高於 SWE-2 Flash 的 20.0，且兩者都位於同一把金鑰之後，對供應商定價零加成，並在供應商效能下降時自動容錯移轉。如果你閱讀本頁的原因是尋找一個能放進管線、而不是一個席位的程式設計模型，那就是誠實的答案，而且不是標題中的那兩個。

誰該選哪個

• 既然已經在用 Devin，工作範圍也已界定——現在就用 SWE-2 Flash。它在 11 月 30 日前免費，在規格明確的修補任務上表現接近 SWE-2，而嘗試它的成本不過是切換一下模型選擇器。

• 已在 Devin 上，工作時間長且無人監督——留在 SWE-2，或路由到可呼叫的模型。Flash 在 Terminal-Bench 4.0 上的 20.0 正是決定此事的數據列，而它落後於那個它比之更便宜的模型 7.3 分。

• 在 Qoder 上，出於合規或地區原因——Cantus 是最高等級，也是唯一定位於可延長自主運行的方案，但在 4x 之下，對於相同的任務估算，它是 Qwen3.8-Max 倍率的八倍。請將它保留給確實需要它的執行作業。

• 需要 API、需要組合模型，或需要容錯移轉——兩者皆非。這項需求在任何基準測試被參考之前，就已將兩者排除在外。

值得留意的不是某項基準測試，而是當免費窗口在11月30日關閉時，Cognition 是否會為 SWE-2 Flash 附上價目表，以及 Qoder 是否會為 Cantus 公布任何單一分數。在那之前，誠實的結論是：一個模型的文件記錄更完整，另一個模型的定價更划算，而兩者都無法驗證——這是必須權衡的一對奇特事實，也是這場對決難以給出慣常答案的原因。