AIREITERDevin’deki rutin işler için SWE-2 Flash mantıklı varsayılan seçenek gibi duruyor: SWE-2’nin beşte biri maliyetle saniyede 200 token. Ancak iş Terminal-Bench 4.0 tarzı zorlu terminal görevlerine geldiğinde tablo değişiyor; SWE-2 Flash burada %20,0’da kalırken SWE-2 %27,3, lider modeller ise %40’ın üzerinde skor alıyor.
Karar: Kuyrukta Flash, zor %10 için SWE-2
Devin içinde yüksek hacimli ve belirsizliği düşük mühendislik işleri için varsayılan tercih SWE-2 Flash olmalı. Model, bazı benchmark’larda kalite kaybını 3 kat daha yüksek üretim hızı ve görev başına belirgin biçimde daha düşük maliyetle telafi ediyor.
| Görev türü | Yönlendirilecek model | Nedeni |
|---|---|---|
| Otomasyonlar, kod incelemeleri, küçük özellikler, dokümantasyon güncellemeleri | SWE-2 Flash | Cognition, SWE-2 Flash’ı günlük işler için konumlandırıyor; burada derin planlamadan çok hız önemli |
| Büyük refactor’lar, yeni ve bilinmeyen repolar, Terminal-Bench-4.0 benzeri terminal işleri | SWE-2 | SWE-2, Terminal-Bench 4.0’ta %27,3’e %20,0 ve DeepSWE 1.1’de %73,0’a %60,1 ile SWE-2 Flash’ın önünde |
| Güvenlik hassasiyeti olan veya şirket içinde çalıştırılması gereken işler | Bekleyin | SWE-2 Flash ağırlıkları kamuya açık değil; şu an yalnızca gelecekte sunulacağı belirtilen güvenli paylaşım programı var |
30 Kasım 2026’ya kadar Devin Desktop ve CLI’daki ücretsiz erişim, denemeyi düşük maliyetli hâle getiriyor. Yeni rutin iş kuyruklarını SWE-2 Flash ile başlatın ve karar vermeden önce yeniden işleme oranını ölçün.
SWE-2 Flash tam olarak ne? Inkling-Small tabanına ara eğitim eklenmiş hâli
SWE-2 Flash, Cognition’ın Thinking Machines imzalı Inkling-Small temelinde geliştirdiği hızlı kodlama modeli. Model; toplam 276 milyar, etkin olarak 12 milyar parametre kullanan mixture-of-experts tabanını, pekiştirmeli öğrenmeden önce Cognition’ın yeni bir ara eğitim aşamasıyla birleştiriyor.
Bu ara eğitim aşamasında veri karışımları token verimliliği grafikleriyle seçildi. Ardından birkaç trilyon token, en kıt verinin sona bırakıldığı üç aşamada işlendi. Ayrılan test verisindeki kayıp, istikrarlı bir log-lineer hızla düşerken denetimli görevlerle sürdürülen pekiştirmeli öğrenme Terminal-Bench 4.0 skorunu %0,9’dan %20,0’a, FrontierCode 2.0 skorunu ise %3,2’den %24,0’a taşıdı. Bu rakamlar Cognition’ın 4 Kasım 2026 tarihli paylaşımına ait. Şirket ayrıca SWE-2 Flash için saniyede 200 token, SWE-2 içinse saniyede 60 token üretim hızı bildiriyor.
"Cognition’ın son modeli burada: SWE-2 Flash! Toplam 276 milyar, etkin 12 milyar parametreli flash model. SWE-2 için bir flash model göreceğimizi düşünmemiştim; şaşırdım ama bunu memnuniyetle karşılıyorum. Benchmark’larda harika görünüyor, 2,8 trilyon parametreli SWE-2’den de çok uzak değil." — @ItsmeAjayKV, gerçek bir kullanıcının ilk tepkisi
Benchmark’lar aynı şeyi söylemiyor: Sonuçları test paketine göre okuyun
SWE-2 Flash’ın benchmark sonuçları test paketine göre belirgin biçimde ayrışıyor. Yapılandırılmış yazılım görevlerinde güçlü görünen model, açık uçlu terminal işlerinde bariz biçimde geride kalıyor. Bu nedenle tek bir ortalama skor gerçeği yansıtmıyor.
| Benchmark | SWE-2 Flash | SWE-2 (2.8T-A104B) | Inkling-Small | Cognition tablosundaki en iyi sonuç |
|---|---|---|---|---|
| FrontierCode 1.1 Main | %45,5 | %50,0 | %21,5 | %50,0 SWE-2 |
| FrontierCode 2.0 | %24,0 | %23,8 | %3,2 | %27,7 Claude Haiku 5.5 |
| DeepSWE 1.1 | %60,1 | %73,0 | %17,4 | %77,0 DeepSeek V4.1 Flash |
| Terminal-Bench 2.1 | %89,2 | %92,8 | %64,7 | %94,4 Claude Haiku 5.5 |
| Terminal-Bench 4.0 | %20,0 | %27,3 | %0,9 | %42,3 DeepSeek V4.1 Flash |
| SWE-Bench Pro v2 Hard | %89,9 | %90,6 | %56,5 | %90,6 SWE-2 |
| SWE-Atlas QA | %50,0 | %56,3 | %27,4 | %71,0 DeepSeek V4.1 Flash |
| ExploitBench | %34,8 | %36,1 | %11,3 | %44,7 GPT-6 Luna |
Kazanımın da bir sınırı var. SWE-2 Flash, FrontierCode 1.1 Main’de Inkling-Small’ın skorunu iki kattan fazla artırıyor (%45,5’e karşı %21,5). SWE-Bench Pro v2 Hard’da ise %56,5’ten %89,9’a çıkarak %90,6 alan SWE-2’ye neredeyse yetişiyor.
Flash, SWE-2’nin zayıf kaldığı alanları ortadan kaldırmıyor. SWE-Bench Pro’daki başarıyı uzun terminal oturumlarına genellemeyin. Aynı tabloda GLM 5.3 Flash, Terminal-Bench 4.0’ta %41,8 skor elde ediyor.
Açık ağırlık iddiasını bağlamından koparmayın. SWE-2 Flash, satırların çoğunda Muse Spark Open’dan daha iyi sonuç veriyor (%60,1’e karşı %60,0 DeepSWE 1.1’de, %24,0’a karşı %6,2 FrontierCode 2.0’da). Ancak DeepSeek V4.1 Flash ve GLM 5.3 Flash; Terminal-Bench 4.0, SWE-Atlas QA ve DeepSWE 1.1’de SWE-2 Flash’ı geçiyor. Tüm rakamlar sağlayıcıların kendi bildirimleri; her model en iyi çaba ayarında çalıştırılmış ve sağlayıcıların kullandığı harness’lar birbirinden farklı.
Fiyatın beşte biri ne demek? Ortada bir fiyat listesi yokken
Bağımsız bir endpoint bulunmadığı için token başına açıklanmış bir ücret de yok. Eldeki tek fiyat göstergesi, Cognition’ın görev maliyeti oranı: model, harness ve sunum altyapısı dâhil olmak üzere bir rollout’un maliyeti SWE-2’nin beşte biri.
Bu oran faydalı ama eksik. Cognition, SWE-2 için görev başına dolar maliyetini de hiçbir zaman açıklamadı; OrcaRouter’ın SWE-2 analizi yalnızca karşılaştırma amacıyla, Fable 5.1’in orta efor seviyesinde FrontierCode görevi başına 3,28 dolar, maksimum efor seviyesinde ise 12,83 dolar olduğunu aktarabiliyor. Burada listelenen Devin planları Free için aylık 0 dolar, Pro için aylık 20 dolar, Max için aylık 200 dolar ve Teams için 80 dolar artı koltuk başına 40 dolardı. Bunlar ölçülen token ücretleri değil, abonelik bedelleri. Görev maliyetinin beşte bire inmesi Devin faturasının da otomatik olarak düşeceği anlamına gelmiyor.
Pratikte yapılacak şey şu: 30 Kasım 2026’ya kadar Devin Desktop ve CLI’da Pro, Max ve Teams kullanıcılarına sunulan ücretsiz dönem, gerçek tüketimi ölçmenin en ucuz yolu. Token sayısını değil, haftada tamamlanan görevleri ve yeniden işleme oranını takip edin. SWE-2 Flash rutin işleri tek seferde ve 200 tok/s hızla bitiriyorsa, beşte bir iddiası gerçek tasarrufu olduğundan düşük gösteriyor olabilir. Ancak işlerin SWE-2’ye aktarılması gerekiyorsa tasarruf ortadan kalkar.
Erişim kimde? Yalnızca Devin ve henüz açık olmayan ağırlık paylaşımı
SWE-2 Flash’a bugün erişim oldukça sınırlı. Cognition, mevcut erişim kanallarını Devin Desktop ve Devin CLI olarak listeliyor.
Herkese açık bir API kimliği, Hugging Face ağırlıkları veya kendi altyapınızda çalıştırma seçeneği yok. Cognition bu kısıtlamayı siber risk yönetimiyle açıklıyor: SWE-2 Flash’ın eğitimi özellikle siber güvenlik işlerine odaklandı ve ExploitBench skorunu %11,3’ten %34,8’e yükseltti. Aynı yetenekler saldırganlara da yardımcı olabilir. Şirketin çözüm olarak önerdiği program, ağırlıkları güvenilir sektör ortakları ve araştırma laboratuvarlarıyla güvenli biçimde paylaşmak; ayrıntıların birkaç hafta içinde açıklanacağı belirtiliyor. Bu nedenle söz konusu planı açık ağırlık taahhüdü değil, kontrollü erişim programı olarak değerlendirin.
Devin dışında SWE-2 Flash bugün doğrudan test edilemiyor; herkese açık bir endpoint veya kendi altyapınızda çalıştırma seçeneği bulunmuyor.
Flash mı, SWE-2 mi? Görev bazlı yönlendirme kuralı
Hacimli işleri SWE-2 Flash’a, belirsiz işleri SWE-2’ye verin.
Otomasyonlar, bağımlılık güncellemeleri, test ekleme, kod inceleme yanıtları, kabul kriterleri net olan küçük özellikler ve dokümantasyon güncellemeleri için önce SWE-2 Flash’ı kullanın. Bunlar, SWE-2 Flash’ın SWE-2’ye birkaç puan mesafede kaldığı test paketleriyle örtüşüyor: FrontierCode 2.0’da %24,0’a karşı %23,8 ve SWE-Bench Pro v2 Hard’da %89,9’a karşı %90,6.
Görev birden fazla dosyayı kapsayan planlama, uzun terminal komut zincirleri veya exploit’e yakın akıl yürütme gerektiriyorsa SWE-2’ye geçin. Bu alanlardaki farklar kayda değer: DeepSWE 1.1’de 12,9 puan, SWE-Atlas QA’da 6,3 puan ve Terminal-Bench 4.0’ta 7,3 puan. HamiRev’in SWE-2 incelemesi, SWE-2’nin SWE-1.7’ye kıyasla daha az adım ve daha erken düzenleme yapacak şekilde ayarlandığını söylüyor. SWE-2 Flash da kısa işlere odaklanan bu yaklaşımı daha ileri taşıyor.
Her bileti SWE-2 Flash üzerinde iki döngülük bir sınırla başlatın; ilerleme durursa SWE-2’ye aktarın. Gerçek Devin harcaması beşte bir oranının yerini alacağı için 30 Kasım’daki ücretsiz dönemin ardından sonuçları yeniden değerlendirin. Belirsiz kalan konu şeffaflık: Güvenli ağırlık paylaşım programı özel dağıtımın önünü açabilir, ancak şartlar açıklanana kadar regülasyona tabi ekipler SWE-2 Flash üzerine plan yapamaz.
SWE-2 Flash SSS
SWE-2 Flash API üzerinden kullanılabiliyor mu?
Bağımsız bir SWE-2 Flash API’si yok. Erişim Devin Desktop ve Devin CLI üzerinden sağlanıyor; Pro, Max ve Teams kullanıcıları için 30 Kasım 2026’ya kadar ücretsiz.
SWE-2 Flash açık ağırlıklarla mı sunuluyor?
Hayır. Cognition siber riskleri gerekçe gösteriyor ve yalnızca seçilmiş ortaklar ile araştırma laboratuvarları için gelecekte sunulacak güvenli bir paylaşım programından söz ediyor.
SWE-2 Flash, SWE-2 ile karşılaştırıldığında nasıl?
SWE-2 Flash, 200 tok/s hızla çalışıyor; SWE-2 ise 60 tok/s hızında. Cognition’ın görev maliyeti hesabına göre Flash’ın maliyeti de beşte bir. Ancak SWE-2, DeepSWE 1.1’de (%73,0’a karşı %60,1) ve Terminal-Bench 4.0’ta (%27,3’e karşı %20,0) önde.
SWE-2 Flash’ın bağlam penceresi ne kadar?
Cognition, SWE-2 Flash için bağlam penceresi, maksimum çıktı veya modality özelliklerini açıklamadı. Inkling-Small’ın sınırlarını aynen devraldığını varsaymayın.
30 Kasım’daki ücretsiz dönemden sonra ne olacak?
Cognition, kampanya sonrasında SWE-2 Flash için nasıl bir ücretlendirme uygulanacağını açıklamadı. Ayrı bir token fiyatı yerine Devin aboneliği üzerinden tüketim modeli bekleniyor.