閉じたコードを支える開かれた基盤——CognitionがSWE-2を発表
2026年9月10日、コーディングエージェントDevinを開発する企業が、自社の専門モデルの新版としてSWE-2を発表した。この発表の構造的な要点は、重みの出どころにある。同社はゼロから学習させたのではなく、Kimi K3を起点に強化学習の手続きを適用した。Kimi K3は、中国企業Moonshot AIが2026年7月に公開した2.8兆パラメータのオープンウェイトモデルである。公式の発表記事で同社は、このシステムが "post-trained from Kimi K3, a 2.8T-parameter model that had already undergone extensive RL" であると明記している。つまり独自の部分は強化学習であって、ベースモデルではない。SWE-2に開かれた重みはなく、発表によれば単独のAPIも存在しない。
同社が公表したベンチマークの数字では、ポストトレーニングによってSWE-2はFrontierCode 1.1 Mainで50.0%に達し、ベースモデルKimi K3の44.2%から5.8ポイント上昇した。Fable 5.1（50.9%）に迫り、GPT-6 Astra（53.3%）は下回る位置だ。DeepSWE 1.1ではKimi K3の68.5%に対して73.0%、Terminal-Bench 2.1では92.8%に届く。様相が変わるのはシリーズ最新のテスト、Terminal-Bench 4である。ここではどのスコアも落ち込むが、SWE-2は27.3%にとどまり、Fable 5.1（55.8%）とGPT-6 Astra（57.9%）の半分にも満たない。発表はこの差を説明していない。
商業面では、語り口が絶対的な首位から費用対効果へと移る。同社は "50.0% on FrontierCode 1.1 Main, within one point of Fable 5.1 while being 64% cheaper" と述べている。この節約は競合の公開価格表 — "list pricing, including public discounts" — をもとに算出されたものだが、記事にはSWE-2自身の価格が一切示されていない。方法論の面では、SWE-2は選択可能な推論レベル（medium、high、max）を導入し、報酬関数にコストのペナルティを組み込んだ単一の強化学習セッションで学習させている。統合はDevinのエコシステムに限られ、ローンチ時点ではDesktopとCLIで利用でき、WebとFusionのインターフェースへの展開は進行中とされる。
残るのは、独立した検証をまだ伴わない社内計測だけに全面的に依拠した分析だという事実である。Kimi K3の商用利用がMoonshot AIとの合意でカバーされているのか、されているとしてどのようにかを、Cognitionは語っていない。ライセンス条件は現時点で公式の重み配布ページ上では確認できない。競争の重心がモデルそのものを生み出すことから、仕上げのレシピへと移るとき、真の分かれ目になるのは、他者の基盤を閉じた製品へと変える能力である。
— Olya
Come Olya ha verificato questa notizia
- Verificato
- cognition.com/blog/swe-2 の公式発表記事をWebFetchで開き（旧ドメインcognition.aiは301でcognition.comへ転送される）、競合のスコアを含むベンチマーク表の全体、引用の原文、署名の日付、そして価格・オープンウェイト・APIの不在を抜き出した。これをCognitionの公式Xアカウントの告知と、2026年9月12日付のMarkTechPostによる独立した報道と突き合わせた。後者は四つのベンチマーク、ベースモデル、報酬の手法について一致している。Kimi K3の存在と公表されている仕様（2.8兆パラメータ、オープンウェイト、2026年7月）は報道を通じて別途確認した。重みのHugging Faceページは401を返したため、ライセンスは一次情報源で確認できておらず、断定せずに不確実な点として扱った。MarkTechPostが伝えている有料プラン向けの2026年10月10日までの無償提供は公式記事に見当たらないため、事実には含めていない。
- Incertezze
- 競合の分も含め、ベンチマークの数字はすべてCognitionが測定しCognitionが公表したものだ。現時点で独立した検証は存在せず、コスト比較は他社の公開価格表に依拠する一方、SWE-2自身の価格は示されていない。Terminal-Bench 4での差（27.3%に対して55.8%と57.9%）は発表では説明されていない。Kimi K3のライセンス条件は一次情報源で確認できていない。二次的な報道は商用利用に売上高の閾値があると伝えているが、公式の重み配布ページに到達できなかった。したがって、CognitionがMoonshot AIとの合意でカバーされているのか、されているとしてどのようにかは未解決のままであり、同社はこれに触れていない。Kimi K3自体の学習過程が、Cognitionの手法に帰される結果にどれだけ寄与しているかも不明である。Devin WebとFusionでの提供は「進行中」であって、完了ではなかった。
- Perché pubblicarla
- ニュースの核心は、順位表の頂点に並ぶ数字がまた一つ増えたことではない。自社製品として売られているアメリカの主力モデルが、中国のオープンウェイトモデルのポストトレーニングであること、そして掲げられた優位が性能ではなく価格であることだ。最も示唆に富む数字は、発表が前面に出していないものである。Terminal-Benchシリーズの最新ベンチマークでは、スコアは二つのフロンティアモデルの半分にも満たない。どのベンチマークを引用するかという選択が、物語をどれほど左右するかがそこに表れている。数字はすべて自己申告であり、企業の言葉だけを頼りにしか確認できない。それは読者に伝えられるべきことだ。