AIコーディングのCognition、新モデルSWE-2を公開しフロンティア級に近い性能を大幅に低い費用で実現したと主張

Cognitionは、自律型ソフトウェア開発エージェントDevinの中核を担う新モデルSWE-2を公開しました。同社はこれを、これまでで最も高性能なコーディングモデルだと位置づけています。提供はDevin DesktopとDevin CLIから始まり、Devin WebとFusionにも順次展開されます。同社独自の指標FrontierCode 1.1 Mainでの得点は50.0パーセントでした。この指標は、AIが書いた変更依頼を人間の保守担当者が実際に取り込むかどうかを測るものです。同社の比較表では、AnthropicのFable 5.1が50.9パーセント、OpenAIのGPT-6 Astraが53.3パーセントとされており、SWE-2は前者との差が1ポイント以内に収まりました。同社は、この水準を保ちながら実行費用はFable 5.1より64パーセント低く、GPT-6 Astraのおよそ4分の1だと説明しています。広く伝えられた最大7割という削減幅は、検証した複数の指標を通じた上限値にあたります。

技術面では、Moonshot AIが公開する2兆8000億パラメータのKimi K3を土台に、自社で追加学習を施しています。K3は既にエージェント的なコーディング向けの強化学習を相当量受けていますが、同社によれば、そこに独自の強化学習を重ねることで多くの指標が5から6ポイント改善したとしています。前モデルのSWE-1.7もKimiの旧世代モデルを土台としており、基盤モデルを一から作らず、強い公開モデルの上に実務向けの学習を積む方針が続いた形です。今回の特徴として同社が挙げるのは、中、高、最大という3段階の思考の深さを、別々の学習や別々のモデルに分けず、1回の強化学習の中でまとめて最適化した点です。報酬の設計に実行費用への罰則を組み込み、費用と性能の関係を曲線全体で押し上げる狙いだとしています。中の設定では、FrontierCodeの得点が前モデルを上回りながら、やり取りの回数は58パーセント少なく、平均費用は81パーセント低いという結果が示されました。1回あたりの平均手順は127から53へ、最初に実際のコードを書き換えるまでの中央値は48手目から18手目へ短縮されています。

一方で、あらゆる領域で最先端に並んだという主張ではありません。より難しいエージェント課題を扱うTerminal-Bench 4での得点は27.3パーセントで、Fable 5.1の55.8パーセント、GPT-6 Astraの57.9パーセントに大きく届きませんでした。DeepSWE 1.1では73.0パーセント、Terminal-Bench 2.1では92.8パーセントで、後者は比較表の中でSWE-2が首位に立つ唯一の項目です。これらはいずれも同社自身が公表した数値で、第三者による検証は示されていません。加えて、トークン単価は公表されておらず、モデルの重みは非公開のため、SWE-2はDevinの中でのみ利用できます。利用者にとって実際に変わるのは、作業の性質に応じて費用と手間の水準を選べる幅が広がった点になります。

Cognitionについて
Cognitionとは、2023年に設立されたアメリカのAI企業で、本社はカリフォルニア州サンフランシスコにあります。Scott Wu、Steven Hao、Walden Yanが共同創業し、Scott WuがCEOを務めます。主力製品は、課題を受け取って自ら計画し、コードの記述から検証まで進める自律型のソフトウェア開発エージェントDevinです。2025年に買収した開発環境のWindsurfや、Devinの中核を担う自社モデルのSWEシリーズも展開しています。人が書くコードを補完するのではなく、開発作業そのものを任せられる仕組みを作ることを事業の軸としています。