Cognition SWE-1.7

• 1. 概要 （共 261 字）

  Cognition（Devin 的母公司）於 2026 年 7 月 8-9 日釋出 SWE-1.7，這是其迄今訓練過的最強軟體工程智慧體模型。它基於月之暗面（Moonshot AI）的開源模型 Kimi K2.7 Code 作為基座，再疊加 Cognition 自研的大規模強化學習後訓練，直接在 Devin 環境中針對長週期非同步任務調優。官方沒有宣稱全面超越最強閉源模型，而是把賣點放在「差幾個點、便宜一個量級」的可部署區間，在自建 FrontierCode 基準上單任務成本約 1.97 美元。所有基準數字均來自 Cognition 自述，第三方獨立複測尚未出現。

• 2. 產品背景 （共 262 字）

  Cognition 是應用 AI 實驗室，以打造自主軟體工程師 Devin 聞名。其 SWE 模型家族專為智慧體軟體工程（agentic software engineering）工作設計，透過 Devin 的 Web、桌面與 CLI 三端交付，針對長跨度、非同步的編碼任務做了最佳化。SWE-1.7 是家族當前首個被官方正式文件記錄的版本，前代是 2025 年 10 月釋出的 SWE-1.6（主打模型體驗與速度，曾免費三個月）。公司團隊規模小但密度高，創始成員擁有 10 枚 IOI 金牌，來自 Cursor、Scale AI、Modal、Google DeepMind 等機構。

• 3. 產品功能與使用體驗 （共 466 字）

  SWE-1.7 只在 Devin 平臺內以託管形式提供，不釋出開源權重、也沒有獨立模型 API。它在 Devin 三端可用，由 AI 晶片公司 Cerebras 提供算力，推理速度高達每秒 1000 token。訓練配方有四個關鍵元件：第一是熵保持，用 top-p 取樣加取樣分佈重放（sampling distribution replay）解決訓練-推理的 KL 散度不匹配，配合 Muon 最佳化器消除訓練器非確定性；第二是多叢集訓練，跨三大洲四個資料中心，訓練器居中、推理引擎分散式，壓縮權重增量體積減少 99% 以上、1-2 分鐘跨洲同步，推理故障由 NVIDIA Dynamo 重路由；第三是高質量資料策劃，自動執行測試、過濾低學習訊號任務、防獎勵駭客；第四是長跨度自壓縮（self-compaction），上下文臨近極限時模型自行總結並續跑，單次 rollout 最長可達 6 小時，配合交替長度懲罰（alternating length penalty）在簡單任務上壓縮冗餘。行為上，相比 Kimi K2.7 基座，它會在改動前做更多探查式程式碼閱讀、給出更凝練的推理鏈、做根因級缺陷修復。

• 4. 定價與商業模式 （共 203 字）

  SWE-1.7 不單獨售賣，其能力隨 Devin 訂閱提供；部分價格線索來自 Windsurf Cascade 文件：SWE-1.7 Lightning 檔按每百萬 token 計價，輸入 2.50 美元、快取輸入 1.00 美元、輸出 12.50 美元。免費檔使用者僅能使用上一代 SWE-1.6。對 Devin 這類按任務消耗計費的產品，單位成本比榜首分數更決定規模化能力，Cognition 把 1.97 美元的單任務成本作為核心商業數字來強調。

• 5. 使用者評價 （共 199 字）

  作為剛釋出、且只在 Devin 平臺內可用的模型，公開的一手使用者反饋尚少，社媒討論更多集中在速度與定位。開發者 dabit 評價 1000 tok/s「讓非同步代理工作有了實時感」，形容一種「技術上是非同步、但快到你願意盯著看」的中間態；他也指出更多推理換來更長的執行，但會放大改動的影響面。普遍認可的聲音是：它把競爭點從「榜首分數」移到了「成本-效能帕累託前沿」，對按任務計費、追求規模化吞吐的團隊有現實吸引力。

• 6. 行業評價 （共 363 字）

  行業媒體普遍接受其「接近前沿、但是便宜一個量級」的定位。多家評測指出，在 FrontierCode 1.1 Main 上 SWE-1.7 得 42.3%，略低於 GPT-5.5 的 43.0% 和 Claude Opus 4.8 的 46.5%，但遠高於基座 Kimi K2.7 Code 的 30.1% 與上代 SWE-1.6 的 9.4%；在 Terminal-Bench 2.1 上得 81.5%（Opus 4.8 為 86.9%）；在 SWE-Bench Multilingual 多語言軟體工程上得 77.8%，超過了 GPT-5.5 的 76.8%。結論是它並未在所有維度領先閉源對手，卻在多語言泛化和單位成本上打出了差異。Cognition 還借這次釋出挑戰了一個流行判斷：開源基座在充分後訓練後繼續做 RL 的收益會迅速見頂——而 SWE-1.7 在已多輪 RL 的 Kimi K2.7 之上仍拿到大幅增益。

• 7. 爭議與風險 （共 340 字）

  最大的爭議來自基座的出身。Kimi K2.7 Code 是來自中國大陸實驗室的開源模型，Cognition 為此專門釋出《Measuring the Trustworthiness of Open-Source-Derived Models》一文，用一套多語言宣傳與審查評測（145 個政治敏感問題、每題 5 個樣本、覆蓋英文/簡體/繁體中文，按六個軸打分）檢驗模型可信度，並強調選 Kimi K2.7 是因其編碼能力與中立性兼具、再在後續訓練中進一步提升中立。這套做法被業界視為「把地緣風險擺上檯面」的誠實操作，但也提醒買家：模型僅透過 Devin 平臺提供，需要自託管、嚴格模型路由或接入自有技術棧的團隊，訪問方式本身就是一項限制。此外，所有基準均為 Cognition 自報，獨立第三方複測缺位，數字應謹慎看待。

• 8. 適用人群與使用建議 （共 188 字）

  它適合已經或準備採用 Devin、按任務消耗計費、追求規模化軟體工程吞吐的團隊，尤其是被前沿模型單位成本壓制的場景。不適合需要本地自託管、模型權重可控或要接入自有應用棧的團隊——這部分使用者應考慮 GLM、Kimi 等開源權重路線。替代方案包括 Anthropic 的 Claude 系列、OpenAI 的 GPT-5.5/Codex、以及 Cursor、Windsurf 等整合了多模型的編碼代理。

• 9. 總結 （共 122 字）

  SWE-1.7 是 Cognition 把「開源基座 + 自研 RL + 推理協同設計」跑通的一次示範：分數沒拿榜首，但把成本曲線往左下推了一大步。對按任務付費的程式設計代理產品而言，這可能比幾個基準百分點更有分量；只是自報數字與平臺繫結，仍需獨立複測與時間檢驗。

暫無深度報告

• 

  CGonzalez_2024

  —

  坦白說我只關心一件事：它修的 bug 是不是根因級的。報告裡說它比基座更會做根因修復、改動前先探查式閱讀，這點比單純分數更影響日常體驗。我們之前用別的 agent 經常是改了表面、測試過了，結果隔壁模組因為同一個根因又炸，這種才是真浪費。

---

• 

  6coch1

  —

  基座選 Kimi K2.7 Code 這件事本身就值得聊，開源模型被頂級 RL 團隊二次後訓練還能漲十幾個點，說明 RL 上限沒到頭。

---

• 

  Emma.Martin_X

  —

  多叢集 RL 那套跨洲權重增量同步看著很爽，但我們更關心它防獎勵駭客的沙箱設計，報告提了網路隔離和作弊零獎勵，方向是對的。

---

• 

  StarkNetStarReyes

  —

  終端裡能 1000 tok/s 實時看著 agent 幹活，這種非同步但夠快的「中間態」比純後臺跑體驗好太多，等待焦慮明顯降低。以前丟一個長任務就切去幹別的，回來發現跑偏了還得重來；現在半分鐘就能看到它在讀程式碼、在下探針，不對勁當場就能喊停。

---

• 

  KimberlyKristensen

  —

  自壓縮能撐到 6 小時 rollout 是個真需求，我們之前用別的 agent 跑長任務經常上下文爆掉中途丟狀態，這個設計對症。

---

• 

  Michael.ChavezSr474

  —

  這個分數擺位很聰明：不搶榜首，搶成本曲線。對我們這種按任務計費、一個月要消化幾百個 PR 的團隊，單價比那幾個百分點重要得多。1.97 美元一個 FrontierCode 任務如果屬實，相比 Opus 4.8 那種每次 rollout 的成本，規模化之後差距會被放大到很誇張。

---

• 

  琉璃448

  —

  Cognition 把宣傳/審查評測擺上檯面的做法挺誠實，比起那些假裝沒用中國開源基座的實驗室，這點加分。

---

• 

  SJacksonSr

  —

  所有基準都是 Cognition 自己報的，FrontierCode 還是他們自家基準，先觀望等第三方複測，別急著寫進選型報告。尤其 OpenAI 自家之前都因為 SWE-bench 汙染問題棄用 Verified 版本，說明自報榜單水分空間很大，等獨立審計出來再下結論更穩。

---

• 

  Bobby.Johnson520278

  —

  不開源權重、沒有獨立 API，只能用 Devin，這點對我們是硬傷，我們需要自託管和嚴格模型路由，平臺繫結直接出局。

---

• 

  PatrickHendersonQ

  —

  免費檔還是隻給 SWE-1.6，想試 1.7 得付費，先讓團隊裡兩個人開訂閱跑一週真實任務再決定。

---

• 

  Brenda.Collins346

  —

  1.97 美元單任務這個數字是重點，但得拿我們自己的「單次可合併變更成本」去比，光看標杆分數沒意義。

---

• 

  Jean_Hill_66

  —

  在 Devin 裡切到 SWE-1.7 跑了兩個老倉庫的遷移任務，體感確實快，1000 tok/s 下等結果的心理負擔小了很多。

---

• 

  LJonesX

  —

  SWE-Bench Multilingual 77.8% 超過 GPT-5.5 的 76.8%，多語言泛化這塊確實打出了差異，對我們跨語言倉庫挺有用。

---

• 

  Sawyer530

  —

  對比下來我更願意把它當「低成本長任務執行器」而不是「最強編碼模型」，定位想清楚就不會對著榜首分數糾結了。

---

• 

  BPerez_7

  —

  從 SWE-1.6 的 9.4% 跳到 42.3%，一代漲四倍，這個幅度比它和 Opus 的那點差距更讓我好奇訓練配方。

暫無評論