SWE-2 Flash 評測：3 倍編碼速度，成本只有 1/5？

如果你在 Devin 裡處理的是日常、規則明確的工程工作，SWE-2 Flash 很適合當預設選項：速度可達每秒 200 tokens，成本只有 SWE-2 的五分之一。不過，遇到接近 Terminal-Bench 4.0 的工作就得保守一點——SWE-2 Flash 在該測試只有 20.0%，SWE-2 為 27.3%，領先模型則超過 40%。

結論：一般佇列用 Flash，最棘手的 10% 交給 SWE-2

對於 Devin 裡大量、低歧義的工程任務，SWE-2 Flash 足以成為預設選擇。它用特定基準測試上的品質落差，換來 3 倍生成速度，以及明顯更低的單一任務成本。

在 2026 年 11 月 30 日前，Devin Desktop 與 CLI 都能免費使用，正適合拿來測試。可以先把新的日常工作佇列交給 SWE-2 Flash，再根據返工情況決定是否全面採用。

SWE-2 Flash 的底層組成：Inkling-Small 加上中期訓練

SWE-2 Flash 是 Cognition 打造的快速程式編碼模型，基礎來自 Thinking Machines 的 Inkling-Small。它採用總參數 276B、啟用參數 12B 的混合專家模型，並在強化學習前加入 Cognition 自行設計的中期訓練階段。

中期訓練先透過 token 效率圖表挑選資料組合，接著分三個階段使用數兆 tokens 訓練，並將最稀缺的資料留到最後。留出的資料損失以穩定的對數線性速率下降；之後再以經過審核的任務進行強化學習。根據 Cognition 於 2026 年 11 月 4 日發布的文章，Terminal-Bench 4.0 從 0.9% 提升到 20.0%，FrontierCode 2.0 則從 3.2% 提升到 24.0%。Cognition 另外表示，SWE-2 Flash 的速度為每秒 200 tokens，SWE-2 則是每秒 60 tokens。

「Cognition 最新的 SWE-2 Flash 來了！這是一個總參數 276B、啟用參數 12B 的 Flash 模型。我原本沒想過 SWE-2 會推出 Flash 模型，既驚訝又覺得很棒。基準測試表現看起來不錯，距離 2.8T 的 SWE-2 模型也沒有差太遠。」—— @ItsmeAjayKV，真實使用者的第一印象

不同基準測試結果分歧，必須分測試套件解讀

SWE-2 Flash 的結果會隨測試套件明顯分化。它在結構化軟體任務上表現亮眼，但面對開放式終端機工作時弱得多，因此用單一平均分數概括，反而容易誤導。

提升幅度不算全面。在 FrontierCode 1.1 Main 上，SWE-2 Flash 的 45.5% 超過 Inkling-Small 的 21.5%，超過一倍；在 SWE-Bench Pro v2 Hard 上，也從 56.5% 大幅跳升至 89.9%，幾乎追平 SWE-2 的 90.6%。

Flash 沒有補上 SWE-2 的弱項。不要把 SWE-Bench Pro 的成功直接套用到長時間終端機工作；同一張表中，GLM 5.3 Flash 在 Terminal-Bench 4.0 達到 41.8%。

「開放權重」的說法仍要看上下文。SWE-2 Flash 在多數項目都勝過 Muse Spark Open，例如 DeepSWE 1.1 是 60.1% 對 60.0%，FrontierCode 2.0 則是 24.0% 對 6.2%。但在 Terminal-Bench 4.0、SWE-Atlas QA 與 DeepSWE 1.1 上，DeepSeek V4.1 Flash 和 GLM 5.3 Flash 都勝過 SWE-2 Flash。所有數據均由各家供應商提供，且每個模型都採用自身最佳努力設定，不同供應商使用的測試工具鏈也不相同。

沒有價目表時，成本五分之一到底代表什麼？

目前沒有單獨的每 token 價格，因為 SWE-2 Flash 並未提供獨立端點。唯一可參考的是 Cognition 的任務成本比例：每次 rollout 的美元成本是 SWE-2 的五分之一，而且這個數字包含模型、工具鏈與服務架構。

這個比例有參考價值，但並不完整。Cognition 也從未公布 SWE-2 的單一任務美元成本；OrcaRouter 對 SWE-2 的拆解只能引用 Fable 5.1 作為參考：中等努力程度下，每個 FrontierCode 任務為 $3.28，最高努力程度則為 $12.83。該文列出的 Devin 方案包括 Free $0、Pro 每月 $20、Max 每月 $200，以及 Teams $80 加上每席 $40——這是訂閱制計費，不是按 token 計費。因此，任務成本降到五分之一，不代表 Devin 帳單就會自動降低。

實際上，2026 年 11 月 30 日前在 Devin Desktop 與 CLI 提供的免費使用期，涵蓋 Pro、Max 與 Teams 使用者，也是測量實際消耗最便宜的方法。與其追蹤 tokens，不如記錄每週完成的任務數與返工率。如果 SWE-2 Flash 能以每秒 200 tok/s 一次完成日常工單，節省幅度可能比 1/5 更大；但如果經常需要升級到 SWE-2，成本優勢就會消失。

誰能使用：僅限 Devin，且權重計畫不等於開放權重

目前 SWE-2 Flash 的可用範圍相當有限。Cognition 列出的現階段平台只有 Devin Desktop 與 Devin CLI。

目前沒有公開 API 識別碼、Hugging Face 權重，也沒有自行部署的途徑。Cognition 將這項限制解釋為網路安全風險管理：SWE-2 Flash 的訓練刻意涵蓋網路安全工作，讓 ExploitBench 從 11.3% 提升到 34.8%，而相同能力也可能被攻擊者利用。Cognition 提出的解決方式，是未來以安全方式向可信賴的業界夥伴與研究實驗室分享權重，詳細內容預計幾週後公布。現階段應把它視為受控存取計畫，而不是開放權重承諾。

在 Devin 以外，目前無法直接評估 SWE-2 Flash：它沒有公開端點，也沒有自行部署的途徑。

該跑 Flash 還是 SWE-2？用任務層級規則分流

大量任務交給 SWE-2 Flash；高歧義任務則交給 SWE-2。

自動化、依賴套件更新、補充測試、回覆審查意見、驗收條件清楚的小型功能，以及文件更新，都可以先使用 SWE-2 Flash。這些工作對應到它與 SWE-2 差距不大的測試：FrontierCode 2.0 為 24.0% 對 23.8%，SWE-Bench Pro v2 Hard 則是 89.9% 對 90.6%。

如果任務需要跨多個檔案規劃、長時間執行終端機指令，或涉及接近漏洞利用的推理，就應升級到 SWE-2。這些項目的差距已經相當明顯：DeepSWE 1.1 少 12.9 個百分點，SWE-Atlas QA 少 6.3 個百分點，Terminal-Bench 4.0 則少 7.3 個百分點。HamiRev 的 SWE-2 評測指出，SWE-2 相較 SWE-1.7 更偏向減少步驟、提早修改；這種偏好短任務的傾向，在 SWE-2 Flash 上更進一步。

可以讓每張工單先由 SWE-2 Flash 嘗試，最多跑兩輪；如果進度卡住，再升級到 SWE-2。等 11 月的免費期結束後，再用實際 Devin 支出取代 1/5 這個比例重新評估。現在尚未解決的問題仍是透明度：安全權重分享計畫或許能讓私有部署成為可能，但在條款公布前，受監管團隊還無法以 SWE-2 Flash 作為規劃依據。

SWE-2 Flash 常見問題

SWE-2 Flash 能透過 API 使用嗎？

目前沒有獨立的 SWE-2 Flash API。使用管道只有 Devin Desktop 與 Devin CLI；Pro、Max 和 Teams 使用者可免費使用至 2026 年 11 月 30 日。

SWE-2 Flash 是開放權重嗎？

不是。Cognition 以網路安全風險為由，目前只承諾未來向特定合作夥伴與研究實驗室推出安全分享計畫。

SWE-2 Flash 和 SWE-2 有什麼差別？

SWE-2 Flash 的速度為 200 tok/s，SWE-2 則為 60 tok/s；按照 Cognition 的任務成本計算，前者成本只有後者的五分之一。不過 SWE-2 在 DeepSWE 1.1 仍以 73.0% 領先 60.1%，在 Terminal-Bench 4.0 則以 27.3% 領先 20.0%。

SWE-2 Flash 的上下文視窗多大？

Cognition 尚未公布 SWE-2 Flash 的上下文視窗、最大輸出長度或支援模態規格。不要假設它沿用 Inkling-Small 的限制。

11 月 30 日免費期結束後會怎樣？

Cognition 尚未說明促銷結束後 SWE-2 Flash 的計費方式。預期會以 Devin 訂閱方案內的用量計算，而不是另外提供 token 價格。