2026 年 11 月 4 日，Cognition 在官網發布了〈Introducing SWE-2 Flash〉，宣布 SWE-2 Flash 進入 Devin Desktop 與 CLI。它提出的吸引力很直接：以較低價格、更快生成速度，承接日常程式工作。真正值得追問的是，便宜的每個 Token，能否換成便宜的每件合格成果？
下面先讀原文的訓練與成績，再核對速度和價格的分母，最後討論該怎麼選模型。先給判斷：這是值得納入評估的成本路線；目前取得的材料，仍不足以把廠商數字寫成獨立重現的工作效率。本文查閱資料截至 2026 年 11 月 6 日，未登入 Devin 執行模型或基準測試。封面為 AlphaLab 原創編輯插畫，表達程式提案、驗收與重修的關係，並非產品介面。
一、SWE-2 Flash 的核心：把現成基礎模型再訓練成程式工作者
想對照同系列先前的訓練路線，可先讀SWE-2 成本與評測分析；這次原文的技術起點則是 Thinking Machines 的 Inkling-Small。基礎模型原廠公告可交叉核對：它是 MoE（混合專家）模型，共 2,760 億參數，每個 Token 啟用約 120 億。總參數像整間公司的知識庫，啟用參數像這次出動的小組；後者較小，不能直接當成整份模型的儲存需求。
依 Cognition 的說明，SWE-2 Flash 先加入大規模 mid-training（中期訓練），再做強化學習。前段挑選科學文章、部落格、程式等資料，分階段安排，較稀少的高品質材料放到後段；後段則加強任務的品質、多樣性，以及指令、執行環境與驗收器的審核。它用保留的程式驗證資料比較各種配方：到達相同驗證損失，哪一種需要較少訓練 Token，再用這項效率選資料混合比例。這些配方與其效果，仍屬公司的研究自述。
可以把兩段想成先補工作材料，再依實際作業回饋練習。但驗收器獎勵什麼，模型就更有機會學會什麼：若只看畫面或單一測試變綠，可能漏掉另一條程式路徑。資料配方值得研究，回饋是否對準真正的交付，也同樣重要。
二、成績提高很多，但三張考卷回答不同問題
Cognition 列出的 Terminal-Bench 4.0，基礎模型為 0.9%，Flash 為 20.0%；FrontierCode 2.0 則從 3.2 到 24.0 分。這些起終點支持的是公司報告其訓練後版本進步。只憑這組比較，還分不出資料、訓練階段、任務或執行設定各貢獻多少，也不能把分數倍率當成人類工作效率倍率。
兩個基準的量尺也不同。Terminal-Bench 4.0 官方說明列出資源校準、任務修正與題組變動，並把 Agent 逾時上限設為八小時；它量終端任務的完成情況。換過題組或資源的版本，必須重跑才能比較。八小時是評測預算，並非使用者應等待的產品承諾。
FrontierCode 2.0 的方法文章則說明，成績是評分條目的加權彙總，未通過 blocking criteria（必要條件）的解答記零。24.0 分不能直接讀成 24% 的工作可自動合併。而且這套基準由 Cognition 建立，能幫我們理解出題目的，不能充當另一家機構對 Flash 的獨立背書。
原文比較裡也有取捨：Flash 在 FrontierCode 2.0 為 24.0，大型 SWE-2 為 23.8；但在 Terminal-Bench 4.0，兩者為 20.0 與 27.3，在 DeepSWE 1.1 則為 60.1 與 73.0。這更像不同考題上的成本與能力配置，不能只挑其中一格宣稱全面替代。0.2 分差也不足以單獨證明穩定領先。
三、SWE-2 Flash 的「三倍速度」，先看動畫究竟演了什麼
at one-fifth the price and 3x the speed
中文：價格為五分之一，速度為三倍。
Cognition，Introducing SWE-2 Flash
這是 Cognition 對 Flash 相較 SWE-2 的主張。原頁的速度示範另明確標示：兩模型各自的 gsea-proteomics 任務紀錄，以模擬的 200 與 60 Token／秒重播，兩份文字紀錄先截為相同長度。它能展示宣稱的生成節奏，不能另外當成一場即時、端到端的獨立測速。
對開發者，完成時間至少還包括讀取上下文、等工具、跑測試、重試及人工驗收。假設一件工作花 100 秒，其中只有 30 秒是生成；即使這部分真的快到三倍，其餘 70 秒不變，總時間仍為 30÷3＋70＝80 秒，整體是 1.25 倍。這是本文的假設算例，沒有替 Flash 填入實測結果。
生成更快仍有價值，尤其是你反覆等模型回覆的工作。只是判斷時應把「每秒出多少字」和「多久拿到可合併修改」各留一欄；若後者沒有縮短，前者就尚未變成排程上的收益。模型與工具等待如何分工，可先讀Agent Harness 的白話說明。
四、五分之一價格，還要接回成功率、重試與人工
價格的相對值也要有邊界。11 月 6 日查閱的Devin 模型文件，具名價目與優惠條文仍以 SWE-2 為名，並要求從模型選單確認價格與可用性。因此不能把那些美元數字自行除以五，當成 SWE-2 Flash 的正式逐 Token 報價；本篇保留的，是發布方對相對價格的說法。公告末尾另標示「Free through 11/30」，也就是 2026 年 11 月 30 日前的試用宣傳；這則訊息本身不替每個帳戶確認資格、涵蓋範圍或用量限制，試用安排也要與日後的價格比較分開。
更適合團隊的計算是：每件合格成果成本＝這批工作的模型費、工具費與人工處理成本總和 ÷ 驗收通過件數。失敗與重跑花的資源，也留在分子。若只記成功的那一次，容易把成本算得過於樂觀。
舉個自訂算例：兩個模型各接 100 件同類工作。A 總共花 100 單位，驗收 80 件；B 花 40 單位，驗收 40 件。只看模型支出，B 每件合格成果是 1 單位，A 是 1.25 單位。若 B 還需要額外 40 單位人工補救，B 就變成 2 單位。這沒有預測哪個模型會贏，而是把你真正付出的代價放回帳上。
也別把「便宜」誤讀為可以無限重試。反覆失敗可能消耗的是同一個難點；若模型缺少必要線索，應補資訊；若候選修改反覆引入回歸，則應縮小任務或換方案。先設好停止條件，能避免低單價變成更長的失敗迴圈。驗收設計可接著看AI Evals 入門。
五、開放基礎模型，不等於 Flash 權重已公開
we are not sharing the weights publicly yet.
中文：我們目前尚未公開分享權重。
Cognition，Introducing SWE-2 Flash
這句話來自原文的 Origins & Cyber 段落。Cognition 以資安雙重用途為由，表示正建立向可信產業夥伴與研究單位安全分享權重的計畫。截至本次查閱，公告承諾的受控分享計畫，不能寫成所有人已能下載、自架或微調 Flash。基礎模型開放與衍生版本如何交付，是不同事件。
公司另報告資安評測進步；本文把它保留為發布背景，不拿它推導實際攻防優勢。能力測試能提示需要加強評估的方向；分享給誰、能做何種測試、是否可公開失敗案例，則決定外界能檢查多少。限制權重分享不是安全成效的直接證據，公開權重也不是風險已獲處理的證明。
因此最值得追的下一份交付，是計畫的具體條件：哪些單位可取得哪個版本，能否在自有環境運行，測試結果如何被外界檢查。若你的採用理由依賴這些控制權，先把它們列為待確認條件；不要將未來計畫填進今天的部署清單。對照案例可讀Kimi 權重交付與引擎邊界。
六、AlphaLab 的判讀：值得追的是任務分工，別讓驗收成本消失
我同意：日常程式工作需要更多成本檔位
不是每一份文件修改、補測試或小功能，都需要用同一種最昂貴配置。如果較省的模型能在固定標準下交件，省下的資源就可以投入更難的任務。SWE-2 Flash 值得測試的價值在這裡：讓更多工作有一個可以比較的候選，而不是只爭一張總榜。
我存疑：把單價、速度與榜單合成一個效率倍數
三項數字沒有共同分母。價格要乘上實際用量；生成速度只覆蓋工作的一部分；評測分數還依賴任務、框架與預算。把它們相乘，算出「整體划算十五倍」，會略過最關鍵的成功率、重修與驗收。應用者應要求同任務、同完成條件的比較，再決定是否分流。
更便宜的提案，會讓好驗收更值錢
提案數量變多，並不保證團隊有更多時間讀 diff。較有用的配套，是讓修改範圍、回歸檢查與失敗原因清楚可見，讓審查者容易找出風險。這也呼應原文強調任務與驗收器品質的方向；它不是宣稱一個訓練配方已解決審查，而是提醒我們，同樣的問題還會出現在使用端。
七、下一步：用一批小工作，換掉三個漂亮倍率
如果你已有 Devin 使用資格，先在現有專案的副本挑三類小工作：一個有重現方式的 bug、一份測試補強、一段文件更新。Devin CLI 官方頁列有 /model 選單；先確認自己的帳戶列出精確型號與費用，再決定是否執行。不必為了比較先購買新方案，也不把未確認的免費資格算進預算。
各模型從同一份起點、相同需求與相同工具權限開始。預先寫好可修改範圍、時間與支出上限，保留每次失敗。收件時分別記下模型支出、工具等待、端到端耗時、人工修正分鐘，以及最後是否驗收通過。這是一個待執行的比較設計；本文不預填你的結果。
若 Flash 在你的題目上能穩定交件且總成本較低，就把那一類工作交給它；若只有生成變快，先找出剩下的等待點。想接自己的驗收循環，可以讀最小 Agent Harness 實作；若想比較另一個模型的開放權重與評測承諾，可看Ripple-65B Preview 解讀。
對 SWE-2 Flash，下一個有說服力的里程碑，是可比條件下更低的合格交件成本。先拿到這筆數字，再決定要把多少工作移過去；這會比追著生成動畫換模型，更接近開發者真正想省下的時間。
接著閱讀
左右滑動查看更多推薦