Cognition выпустила модель SWE-2 под инженерные задачи

Cognition выпустила SWE-2 — модель под инженерные задачи, ту, что стоит за агентом Devin. Компания заявляет результат 92,8 на Terminal-Bench 2.1 — наборе задач, где агент работает в терминале и должен довести работу до конца, а не просто предложить правку.

По заявлению Cognition, модель держится на уровне Fable 5.1 и GPT-Astra. В обсуждении спорят о привычном: замер на своём агенте сравнивают с чужими моделями в чужом коде вокруг модели. Разница в этом коде даёт разброс в десятки пунктов.