SWE-2 Flash 评测：速度快 3 倍，成本只有五分之一？

对于 Devin 里的日常任务队列，SWE-2 Flash 看起来很适合作为默认选项：速度达到每秒 200 token，成本只有 SWE-2 的五分之一。但如果任务接近 Terminal-Bench 4.0 的开放式终端工作，情况就不同了——SWE-2 Flash 的得分仍为 20.0%，低于 SWE-2 的 27.3%，更落后于领先模型的 40% 以上。

结论：日常队列用 Flash，最棘手的 10% 交给 SWE-2

在 Devin 内部，面对高吞吐、低歧义的工程任务，SWE-2 Flash 值得成为默认选择。它牺牲了一部分特定基准上的质量，换来了 3 倍的生成速度，以及显著更低的单任务成本。

截至 2026 年 11 月 30 日，在 Devin Desktop 和 CLI 中均可免费使用，正适合低成本测试。可以先把新的日常任务队列交给 SWE-2 Flash，再根据返工情况决定是否长期采用。

SWE-2 Flash 到底是什么：Inkling-Small 加上中期训练

SWE-2 Flash 是 Cognition 打造的高速编程模型，底座来自 Thinking Machines 的 Inkling-Small。它采用总参数量 276B、激活参数量 12B 的混合专家模型，并在强化学习之前加入了 Cognition 自己设计的中期训练阶段。

中期训练首先通过 token 效率曲线筛选数据配比，随后分三个阶段使用数万亿 token 进行训练，并把最稀缺的数据放在最后。留出集损失以稳定的对数线性速率下降；之后，基于审计任务进行的强化学习又将 Terminal-Bench 4.0 的成绩从 0.9% 提升到 20.0%，将 FrontierCode 2.0 从 3.2% 提升到 24.0%。以上数据来自 Cognition 于 2026 年 11 月 4 日发布的文章。Cognition 还表示，SWE-2 Flash 的速度为每秒 200 token，而 SWE-2 为每秒 60 token。

“Cognition 最新发布了 SWE-2 Flash！这是一个总参数 276B、激活参数 12B 的 Flash 模型。我没想到 SWE-2 也会有 Flash 版本，既惊讶又觉得很棒。基准成绩看起来不错，距离 2.8T 参数的 SWE-2 并没有那么远。” — @ItsmeAjayKV，真实用户的第一反应

不同基准给出了不同答案，必须分测试套件来看

SWE-2 Flash 在不同基准上的表现差异很明显。它在结构化软件工程任务上表现强劲，但在开放式终端工作上明显落后，因此把所有成绩压成一个平均数并没有太大意义。

提升幅度是有限的。 在 FrontierCode 1.1 Main 上，SWE-2 Flash 的成绩超过 Inkling-Small 的两倍（45.5% 对 21.5%）；在 SWE-Bench Pro v2 Hard 上，它也从 56.5% 大幅提升到 89.9%，基本追平 SWE-2 的 90.6%。

Flash 并没有补上 SWE-2 的所有短板。 不要因为 SWE-Bench Pro 表现出色，就推断它同样适合长时间终端会话；同一张表中，GLM 5.3 Flash 在 Terminal-Bench 4.0 上拿到了 41.8%。

“开放权重”这一说法需要放回语境中理解。 SWE-2 Flash 在大多数项目上都超过 Muse Spark Open（DeepSWE 1.1 为 60.1% 对 60.0%，FrontierCode 2.0 为 24.0% 对 6.2%），但在 Terminal-Bench 4.0、SWE-Atlas QA 和 DeepSWE 1.1 上，DeepSeek V4.1 Flash 与 GLM 5.3 Flash 都超过了 SWE-2 Flash。所有数据均由模型厂商提供，各模型使用各自的最佳努力设置，不同厂商之间的测试框架也存在差异。

没有价目表时，“五分之一价格”究竟意味着什么

目前没有按 token 计费的价格，因为 SWE-2 Flash 并没有独立的 API 端点。唯一可参考的价格信号，是 Cognition 给出的任务成本比例：每次 rollout 的美元成本是 SWE-2 的五分之一，其中包含模型、任务框架和服务栈的成本。

这个比例有参考价值，但并不完整。Cognition 同样没有公布 SWE-2 的单任务美元成本；OrcaRouter 对 SWE-2 的拆解只能引用 Fable 5.1 作为参照：在中等强度下，每个 FrontierCode 任务为 3.28 美元，最高强度下为 12.83 美元。该文列出的 Devin 套餐则是 Free 0 美元、Pro 每月 20 美元、Max 每月 200 美元，以及 Teams 80 美元加每席位 40 美元——这些都是订阅费用，并非按 token 计费。因此，单任务成本降到五分之一，并不意味着 Devin 账单会自动减少。

实际使用时，更应该这样理解：截至 2026 年 11 月 30 日，Devin Desktop 和 CLI 面向 Pro、Max 和 Teams 用户提供的免费窗口，是测量真实消耗的最低成本方式。关注每周完成的任务数和返工率，而不是 token 数量。如果 SWE-2 Flash 能以每秒 200 token 一次性完成日常工单，那么“五分之一”可能还低估了实际节省；如果它频繁需要升级到 SWE-2，节省就会很快消失。

谁能使用：仅限 Devin，且所谓权重计划并不是开放权重

SWE-2 Flash 目前的可用范围相当有限。Cognition 列出的当前渠道只有 Devin Desktop 和 Devin CLI。

目前没有公开 API 标识符、没有 Hugging Face 权重，也没有自托管路径。Cognition 将这一限制解释为网络安全风险管理：SWE-2 Flash 的训练刻意强化了网络安全相关能力，使 ExploitBench 从 11.3% 提升到 34.8%，而这类能力同样可能被攻击者利用。Cognition 提出的解决方案，是向经过信任的行业合作伙伴和研究实验室安全共享模型权重，具体细节预计几周后公布。现阶段应把它看作受控访问计划，而不是开放权重承诺。

在 Devin 之外，今天还无法直接评估 SWE-2 Flash：它既没有公开端点，也不支持自托管。

该运行 Flash 还是 SWE-2？按任务路由的实用规则

高频任务交给 SWE-2 Flash，复杂和模糊的任务交给 SWE-2。

自动化、依赖升级、补充测试、回复代码审查意见、验收标准清晰的小型功能，以及文档更新，都适合先使用 SWE-2 Flash。这些任务对应的测试套件中，它与 SWE-2 的差距只有几个百分点：FrontierCode 2.0 为 24.0% 对 23.8%，SWE-Bench Pro v2 Hard 为 89.9% 对 90.6%。

如果任务涉及多文件规划、漫长的终端操作链，或接近漏洞利用的推理，就应该升级到 SWE-2。此时差距已经比较明显：DeepSWE 1.1 相差 12.9 个百分点，SWE-Atlas QA 相差 6.3 个百分点，Terminal-Bench 4.0 相差 7.3 个百分点。HamiRev 对 SWE-2 的评测提到，相比 SWE-1.7，SWE-2 更强调减少步骤并更早开始编辑；这种偏向短任务的特性，在 SWE-2 Flash 上被进一步放大。

可以让每个工单先由 SWE-2 Flash 处理，设置两轮循环的上限，卡住后再升级到 SWE-2。等 11 月的免费期结束后，再用真实的 Devin 支出重新评估，而不是继续依赖五分之一这一比例。眼下尚未解决的关键问题是透明度：安全权重共享计划或许能为私有部署打开空间，但在具体条款公布前，受监管团队还无法据此规划采用 SWE-2 Flash。

SWE-2 Flash 常见问题

SWE-2 Flash 是否提供 API？

目前没有独立的 SWE-2 Flash API。访问方式是 Devin Desktop 和 Devin CLI；Pro、Max 和 Teams 用户可免费使用至 2026 年 11 月 30 日。

SWE-2 Flash 是开放权重模型吗？

不是。Cognition 以网络安全风险为由，目前只承诺未来面向指定合作伙伴和研究实验室推出安全共享计划。

SWE-2 Flash 与 SWE-2 相比表现如何？

SWE-2 Flash 的速度为每秒 200 token，对比 SWE-2 的每秒 60 token；按照 Cognition 的任务成本计算，价格为 SWE-2 的五分之一。但在 DeepSWE 1.1（73.0% 对 60.1%）和 Terminal-Bench 4.0（27.3% 对 20.0%）上，SWE-2 仍然领先。

SWE-2 Flash 的上下文窗口多大？

Cognition 尚未公布 SWE-2 Flash 的上下文窗口、最大输出长度或模态规格。不要默认它继承 Inkling-Small 的限制。

11 月 30 日免费期结束后会怎样？

Cognition 尚未说明促销结束后 SWE-2 Flash 的具体计费方式。预计它会计入 Devin 订阅中的使用量，而不是单独提供 token 价格。