Cognition新编程代理以极低成本接近前沿模型表现

Cognition，Devin背后的初创公司，今天发布了SWE-1.7。该公司表示，这是其迄今为止最好的模型，并反驳了强化学习已触及天花板的观点。该模型每秒处理1000个token，在Cognition内部FrontierCode套件中得分42.3%，据该公司称，仅落后于最佳前沿模型几个百分点。minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance

强化学习收益持续

成本是核心数据：基准测试中每个任务成本为1.97美元，仅为前沿玩家收费的一小部分。Cognition表示，这是通过在以Kimi K2.7为基础的模型上优化强化学习流程实现的，并且这种改进表明强化学习仍有发展空间。moonshot-ais-k27-code-is-faster-and-cheaper-but-open-source-coding-models-face-a-new-benchmark-gap

“强化学习并未达到极限：在优化我们的方法后，随着规模扩大，我们持续看到收益，”该公司在X上写道。

FrontierCode基准测试

FrontierCode是Cognition自己的测试：它检查模型是否生成开发者实际会合并的代码。这种对现实世界有用性的代理指标超越了学术排行榜的追逐。SWE-1.7的42.3%是成本-性能曲线上的一个有意义的进步。the-verification-horizon-why-rewarding-coding-agents-is-getting-harder

该模型已在Cognition平台上上线，面向希望在不牺牲准确性的情况下获得快速、廉价代码生成的开发者和团队。vibe-coding-works-but-the-technical-debt-nobody-talks-about-could-sink-your-project

SWE-1.7进入了一个已经充满编程代理和专用模型的领域，例如来自Anthropic的Claude和OpenAI的GPT-4o。Cognition的赌注在于其训练方法和流程效率，而非原始参数数量。anthropic-unveils-claude-sonnet-5-claude-science-and-claude-tag-in-major-product-push