Agentes de Codificación
El nuevo agente de codificación de Cognition obtiene resultados cercanos a los frontier por una fracción del costo
El modelo de codificación SWE-1.7 de Cognition reduce la brecha con los sistemas frontier a una fracción del costo, logrando un 42.3% en FrontierCode y operando a 1.000 tok/s. El modelo fue entrenado en un pipeline de aprendizaje por refuerzo mejorado usando Kimi K2.7 como base.
Cognition, la startup detrás de Devin, lanzó hoy SWE-1.7. La empresa afirma que es su mejor modelo hasta la fecha y que socava la idea de que el RL ha llegado a un techo. Operando a 1.000 tokens por segundo, obtiene un 42.3% en el conjunto de pruebas FrontierCode interno de Cognition, unos puntos por detrás de los mejores modelos frontier, según la empresa. minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance
Los avances del aprendizaje por refuerzo continúan
El costo es la cifra destacada: cada tarea en el benchmark cuesta $1.97, una fracción de lo que cobran los actores frontier. Cognition afirma que lo logró refinando su pipeline de RL sobre una base Kimi K2.7, y que la mejora sugiere que el RL aún tiene margen para avanzar. moonshot-ais-k27-code-is-faster-and-cheaper-but-open-source-coding-models-face-a-new-benchmark-gap
"El RL no está alcanzando su límite: tras refinar nuestra receta, seguimos viendo ganancias a medida que escalamos", escribió la empresa en X.
Benchmark FrontierCode
FrontierCode es la prueba propia de Cognition: verifica si un modelo produce código que un desarrollador realmente fusionaría. Ese proxy de utilidad en el mundo real va más allá de la búsqueda de posiciones en rankings académicos. El 42.3% de SWE-1.7 es un paso significativo en la curva de costo-rendimiento. the-verification-horizon-why-rewarding-coding-agents-is-getting-harder
El modelo está disponible en la plataforma de Cognition, dirigido a desarrolladores y equipos que buscan generación de código rápida y barata sin perder precisión. vibe-coding-works-but-the-technical-debt-nobody-talks-about-could-sink-your-project
SWE-1.7 ingresa a un campo ya saturado de agentes de codificación y modelos especializados de Anthropic's Claude y OpenAI's GPT-4o. La apuesta de Cognition es que su receta de entrenamiento y la eficiencia de su pipeline le dan una ventaja, no el número bruto de parámetros. anthropic-unveils-claude-sonnet-5-claude-science-and-claude-tag-in-major-product-push