SWE-2: Cognition lanza modelo de código que iguala Fable 5.1 a 64% menos costo

⏱ Tiempo de lectura: 3 min

Cognition, empresa detrás del agente Devin, presentó SWE-2, su modelo de codificación más avanzado hasta ahora. SWE-2 fue entrenado mediante refuerzo sobre Kimi K3, el modelo abierto de 2.8 billones de parámetros de Moonshot AI. Según Cognition, el modelo alcanza un 50.0% en FrontierCode 1.1 Main, dentro de 1 punto de Fable 5.1, pero a un costo 64% inferior.

SWE-2: el nuevo referente en modelos de código

Cognition liberó SWE-2 basado en post-entrenamiento con aprendizaje por refuerzo de Kimi K3. El modelo demuestra rendimiento competitivo en benchmarks de codificación complejos. FrontierCode 1.1 Main es un conjunto de pruebas que evalúa la capacidad de los modelos para resolver problemas de ingeniería de software avanzados. El resultado de SWE-2 posiciona a Cognition como un jugador relevante en modelos especializados de lenguaje orientados a desarrollo.

Especificaciones y rendimiento confirmados

SWE-2 alcanza un 50.0% en FrontierCode 1.1 Main, apenas 1 punto por debajo de Fable 5.1. La métrica de costo indica una reducción del 64% respecto al modelo de Anthropic, lo que sugiere optimización en eficiencia computacional o acceso a infraestructura más económica. Kimi K3, el modelo base, fue desarrollado por Moonshot AI y contiene 2.8 billones de parámetros. No se especifica en el texto fuente recibido si SWE-2 será de código abierto, cuál será su disponibilidad en API o si habrá acceso mediante suscripción. Más información en MarkTechPost.

Característica	Detalle
Modelo	SWE-2
Desarrollador	Cognition
Base de entrenamiento	Kimi K3 (Moonshot AI)
Parámetros de base	2.8 billones
Benchmark: FrontierCode 1.1 Main	50.0%
Comparativa vs Fable 5.1	+1 punto en diferencia, -64% en costo
Método de entrenamiento	Post-entrenamiento con aprendizaje por refuerzo
Disponibilidad	No se especifica en el texto fuente recibido

Qué se puede esperar ahora

SWE-2 marca un progreso en la carrera por modelos de codificación eficientes. Su desempeño cercano a Fable 5.1 con costos significativamente menores abre oportunidades para desarrolladores que buscan alternativas económicas en tareas de ingeniería de software complejas. La estrategia de Cognition de construir sobre modelos base abiertos como Kimi K3 refleja una tendencia en la industria hacia especialización mediante post-entrenamiento.

Preguntas frecuentes sobre SWE-2

¿Cuál es el rendimiento exacto de SWE-2?

SWE-2 obtiene un 50.0% en FrontierCode 1.1 Main, 1 punto por debajo de Fable 5.1. FrontierCode es un benchmark que evalúa problemas complejos de ingeniería de software.

¿Dónde puedo acceder a SWE-2?

No se especifica en el texto fuente recibido si SWE-2 está disponible públicamente, en API, como descarga o mediante suscripción. Se requiere comunicado adicional de Cognition.

¿Cuánto cuesta usar SWE-2 comparado con Fable 5.1?

Cognition reporta un costo 64% inferior al de Fable 5.1, pero no detalla precio por token, costo fijo o estructura de facturación específica en el texto fuente recibido.

Qué falta por confirmar

La fuente no especifica detalles sobre licencia (código abierto o propietario), acceso en API, disponibilidad geográfica, fecha exacta de lanzamiento, documentación técnica completa o roadmap futuro de Cognition. Tampoco clarifica si SWE-2 es un modelo independiente o una variante mejorada de versiones anteriores.

En Inteligencia Artificial consideramos que SWE-2 representa una validación de que la especialización mediante post-entrenamiento es viable para reducir costos sin sacrificar rendimiento en benchmark. ¿Veremos modelos de código abierto que compitan con sistemas propietarios en el próximo ciclo?

Fuente: www.marktechpost.com