Cognition ha presentato SWE-2, nuovo modello dedicato alle attività di programmazione ottenuto attraverso il post-training di Kimi K3, il modello di Moonshot AI da circa 2,8 trilioni di parametri. SWE-2 è stato addestrato tramite un singolo processo di reinforcement learning e utilizza come base un modello circa tre volte più grande rispetto a quello impiegato per SWE-1.7, la precedente generazione sviluppata dall’azienda. L’obiettivo è aumentare le prestazioni sui task di sviluppo software mantenendo sotto controllo il costo computazionale dell’inferenza.
Nel benchmark proprietario FrontierCode 1.1 Main, SWE-2 ha raggiunto una precisione del 50,0%, avvicinandosi al 50,9% registrato da Fable 5.1 e mantenendo, secondo Cognition, un costo di calcolo e inferenza inferiore del 64%. Il risultato segna un miglioramento anche rispetto al modello di base Kimi K3, fermo al 44,2%, e rispetto a SWE-1.7, che raggiungeva il 42,0%. In termini assoluti, SWE-2 guadagna quindi 5,8 punti percentuali rispetto a Kimi K3 e 8 punti rispetto alla generazione precedente.
I miglioramenti emergono anche in altri test dedicati al coding. Nel benchmark DeepSWE 1.1, SWE-2 ha ottenuto il 73,0%, superando il 68,5% di Kimi K3 e il 37,7% di SWE-1.7. Su Terminal-Bench 2.1 ha raggiunto il 92,8%, il punteggio più alto tra i modelli messi a confronto. I risultati non sono però uniformi su tutti i test: in Terminal-Bench 4 SWE-2 si ferma al 27,3%, nettamente sotto il 55,8% di Fable 5.1 e il 57,9% di GPT-6 Astra, indicando un’area nella quale il modello necessita ancora di miglioramenti.
Uno degli elementi centrali del nuovo training riguarda la gestione dei diversi livelli di ragionamento. Cognition ha evitato di addestrare separatamente le modalità media, alta e massima intensità di inferenza, scegliendo invece di ottimizzarle all’interno dello stesso ciclo di reinforcement learning. A ciascun livello è stata associata una diversa penalizzazione dei costi, in modo da spingere il modello a trovare un equilibrio tra qualità della soluzione e risorse consumate. Questo approccio punta a evitare che il miglioramento delle prestazioni derivi semplicemente da un aumento indiscriminato del tempo di elaborazione.
Il comportamento risultante viene descritto da Cognition come focused exploration, cioè una capacità di concentrare la ricerca sulle parti del problema più rilevanti invece di estendere inutilmente il percorso di ragionamento. Su FrontierCode 1.1 Main, il livello medio di ragionamento di SWE-2 ha superato SWE-1.7 riducendo contemporaneamente del 58% il numero di passaggi necessari e dell’81% il costo complessivo del task. Anche il tempo necessario per arrivare alla prima modifica concreta del codice è diminuito: la mediana è passata da 48 passaggi con SWE-1.7 a 18 con SWE-2.
Cognition segnala miglioramenti anche nel comportamento operativo dell’agente durante lo sviluppo software. SWE-2 tende a coprire in modo più completo la fase di test, cerca metodi alternativi quando uno strumento non è disponibile e mostra una maggiore propensione a verificare direttamente le affermazioni dell’utente invece di accettarle senza controllo. Questi aspetti riguardano quindi non soltanto la generazione del codice, ma anche il modo in cui il modello organizza e verifica il processo di risoluzione del problema.
L’azienda ha lavorato anche sull’efficienza dell’infrastruttura di training. Il batching di più richieste sulla GPU ha aumentato il throughput tra il 10% e il 20%, mentre nella fase di inferenza è stato adottato lo speculative decoding. Cognition ha inoltre utilizzato calcolo NVFP4 e FP8 insieme a tecniche di quantization-aware training, con l’obiettivo di contenere l’uso della memoria e ridurre la differenza tra le condizioni di training e quelle di inferenza, nonostante il passaggio a un modello di base con un numero di parametri circa tre volte superiore.
Anche gli ambienti utilizzati per il reinforcement learning sono stati ampliati, raggiungendo un numero circa tre volte superiore rispetto a SWE-1.7. Il training include problemi di programmazione più difficili raccolti da repository differenti, dati destinati a migliorare la capacità di seguire contemporaneamente più istruzioni e un processo nel quale risultati prodotti da versioni precedenti di SWE-2 sono stati utilizzati per individuare e correggere errori nei sistemi di verifica. In questo modo Cognition ha cercato di migliorare non solo il modello, ma anche la qualità dell’ambiente nel quale le sue risposte vengono valutate durante l’addestramento.
SWE-2 non viene distribuito come modello scaricabile e Cognition non ha reso disponibili né i pesi né un’API indipendente. Al momento il modello è utilizzabile esclusivamente all’interno dell’ecosistema Devin, inizialmente tramite Devin Desktop e CLI. L’azienda prevede successivamente di estenderne l’accesso anche alla versione web e a Devin Fusion, mantenendo quindi SWE-2 come componente interno dei propri strumenti di sviluppo software assistito dall’intelligenza artificiale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)