发生了什么
11 月 4 日，Devin 母公司 Cognition 发布 SWE-2 Flash，同日在 Devin 桌面端与 CLI 上线，免费使用至 11 月 30 日。模型基于 Thinking Machines 的 Inkling-Small（276B 总参数、每 token 激活 12B），官方定位是承接日常工程活：代码评审、小功能开发、文档更新与自动化脚本，重量级问题仍交给 2.8 万亿参数、104B 激活的 SWE-2。
官方口径是价格约为 SWE-2 的五分之一，速度约 3 倍（约 200 token/s 对 60 token/s）。这一档的速度差在长时间智能体会话里最明显——模型要反复读文件、跑测试、改代码，每次停顿都会累积成等待。
收益来自训练配方，不是结构
这是 Cognition 第一次在强化学习之前加入大规模中训练。团队先构造一份贴近真实软件工程的留出集，用 token 效率曲线比较候选数据配方的训练效率，最终收敛到数万亿 token 的混合语料——科学文章、博客、代码等，分三阶段训练，最稀缺、质量最高的数据放在后期。随后是强化学习；官方称配方改动不大，多数增益来自任务质量与多样性的提升，为此重审了任务指令、环境搭建与验证脚本，并新增多类任务。
- Terminal-Bench 4.0：基座 0.9% 提升到 20.0%
- FrontierCode 2.0：3.2% 提升到 24.0%
- DeepSWE 1.1：17.4% 提升到 60.1%
- SWE-Bench Pro v2 Hard：56.5% 提升到 89.9%
- ExploitBench：11.3% 提升到 34.8%
「超过所有美国开源模型」要拆开看
官方对比表显示，SWE-2 Flash 在 FrontierCode 2.0 上以 24.0 略高于旗舰 SWE-2 的 23.8，但在 Terminal-Bench 4.0 上是 20.0 对 27.3，DeepSWE 1.1 是 60.1 对 73.0，SWE-Bench Pro v2 Hard 是 89.9 对 90.6。它是成本与速度的替代品，不是全面升级。
同一张表也给出了对照数字：GLM 5.3 Flash（320B-A18B）在 Terminal-Bench 4.0 上是 41.8，DeepSeek V4.1 Flash 1017（763B-A16B）是 42.3，Claude Haiku 5.5 是 39.2，均高于 SWE-2 Flash 的 20.0。所以「超过所有美国开放权重模型」的说法成立的前提，是同时限定「美国」与「开放权重」两个条件，不能读成同档价位最强。
权重为什么不放出来
Cognition 在训练中刻意强化了网络安全能力，ExploitBench 从 11.3% 提到 34.8%，并明确说同一批能力也可被攻击方使用，因此暂不公开权重，改为搭建面向产业伙伴与科研机构的受控共享计划，允许在客户自有环境（含本地部署）做微调与运行。这是介于完全开源与纯 API 之间的一条中间路线，也让"能力越强、分发越收"成为安全类模型发布的默认做法。
不确定之处
全部成绩由 Cognition 自评，尚无第三方复测；官方页面只给了「五分之一」的相对价格，未列每百万 token 的具体费率；受控共享计划的准入条件与时间表也尚未公布。对企业的实际意义在于分层：把日常任务交给便宜档位，把难题留给旗舰，这套组合是否真的省钱，取决于各家的任务分布，而不是基准分数。