Cognition lança o SWE-2 Flash, modelo de código com etapa extra de mid-training

O SWE-2 Flash parte do Inkling-Small, da Thinking Machines, modelo com 276B de parâmetros totais e 12B ativos. A Cognition diz que, pela primeira vez, incluiu uma etapa de mid-training antes do reinforcement learning. Segundo a empresa, o Terminal-Bench 4.0 foi de 0,9% para 20,0% e o FrontierCode 2.0 de 3,2% para 24,0% em relação ao modelo base. A Cognition afirma ainda que o modelo supera todos os modelos open-weight americanos nos principais benchmarks, inclusive os três vezes maiores.

O mid-training usou alguns trilhões de tokens de artigos científicos, blogs, código e outras fontes, em três estágios, com os dados mais escassos e de maior qualidade no fim. Para escolher a mistura, a equipe comparou quantos tokens cada mix precisava para atingir a mesma loss de validação do baseline. No RL, a empresa diz que os ganhos vieram mais da qualidade e da diversidade das tarefas (instruções, ambientes e verificadores auditados) do que de mudanças na receita. O modelo está disponível hoje no Devin Desktop e na CLI, a um quinto do preço e três vezes a velocidade do SWE-2. Os pesos não são públicos: a Cognition prepara um programa para compartilhá-los com parceiros e pesquisadores, com mais detalhes em algumas semanas. O treino mirou segurança cibernética e elevou o ExploitBench de 11,3% para 34,8%.

Em 11 de setembro de 2026, o CEVIU noticiou "Cognition Lança SWE-2: IA que Redefine o Padrão de Custo-Benefício em Programação", com 50,0% no FrontierCode 1.1 Main. Em 11 de julho de 2026, o texto "SWE-1.7 da Cognition: Inteligência de Fronteira Mais Acessível" tratou de refinamentos no pipeline de RL. Agora o foco é um modelo menor, o SWE-2 Flash, derivado de outro modelo base e com mid-training. Os números do FrontierCode não são comparáveis diretamente, porque as versões do benchmark são diferentes (1.1 e 2.0).

Para quem opera agentes de código em escala, a leitura é que a Cognition está empurrando tarefas de rotina (revisão de código, documentação, automações) para um modelo mais barato e rápido. Quem precisa de deploy on-prem ou ajuste fino deve esperar o programa de acesso aos pesos, ainda sem detalhes. Os resultados de benchmark são da própria empresa.