Cognition SWE-2 Flash: Coding-Modell für ein Fünftel des Preises, Gewichte bleiben unter Verschluss

Worum es geht

Cognition, die US-Firma hinter dem KI-Programmieragenten Devin (und seit 2025 Käuferin des Code-Editors Windsurf), hat am 4. November 2026 SWE-2 Flash vorgestellt. Das Coding-Modell soll Alltagsaufgaben in der Softwareentwicklung schnell und billig erledigen: Automatisierungen, Code-Reviews, gewöhnliche Feature-Entwicklung und das Aktualisieren von Dokumentation. Laut Cognition kostet es ein Fünftel des großen Schwestermodells SWE-2 und läuft dreimal so schnell.

Verfügbar ist SWE-2 Flash in Devin Desktop und der Kommandozeilenversion Devin CLI. Bis zum 30. November ist es kostenlos, laut Startup Fortune für Nutzer der Tarife Pro, Max und Teams. Eine eigene API, über die Entwickler das Modell in ihren Programmen nutzen könnten, gibt es nicht. Die Gewichte bleiben vorerst unveröffentlicht.

Ein neues Basismodell aus den USA

SWE-2 Flash ist eine Weiterentwicklung von Inkling-Small, einem Modell des Thinking Machines Lab von Ex-OpenAI-Technikchefin Mira Murati. Inkling-Small erschien am 30. Juli 2026 unter der freien Apache-2.0-Lizenz. Es ist ein Mixture-of-Experts-Modell (MoE): Es besteht aus vielen spezialisierten Teilnetzen, und für jedes Wort wird nur ein kleiner Teil davon benutzt, etwa so, als würde man in einem großen Team immer nur die passenden Fachleute fragen. Von 276 Milliarden Parametern sind pro Token (Wortbaustein) nur 12 Milliarden aktiv.

Das große SWE-2 vom 10. September basierte dagegen auf Kimi K3 des chinesischen Anbieters Moonshot AI, mit 2,8 Billionen Parametern, davon 104 Milliarden aktiv. Der Blog von OrcaRouter hält diesen Wechsel für die eigentliche Neuigkeit. Es sei das erste Coding-Modell von Cognition, das nicht auf einem chinesischen Basismodell aufbaut. Cognition bewirbt es entsprechend als „vollständig amerikanisches Coding-Modell“. Bei rund achtmal weniger aktiven Parametern sei der niedrigere Preis technisch plausibel und nicht bloß Werbung, denn die Betriebskosten hängen vor allem an den aktiven Parametern. OrcaRouter merkt aber an, dass „vollständig amerikanisch“ eher eine Lieferkette beschreibt als einen Vorsprung: Inkling-Small kann jeder herunterladen.

So wurde trainiert

Zum ersten Mal hat Cognition vor dem Reinforcement Learning (Lernen durch Belohnung für gelöste Aufgaben) eine große Mid-Training-Phase eingebaut. Dabei wird das Basismodell mit ausgewählten Daten weitertrainiert, bevor die eigentliche Spezialisierung beginnt. Um die beste Datenmischung zu finden, stellte das Team einen zurückgehaltenen Coding-Datensatz aus realistischen Software-Szenarien zusammen. Dann maß es, wie viele Tokens jede Kandidatenmischung brauchte, um denselben Validierungsfehler wie ein Basislauf zu erreichen. Das Ergebnis waren „einige Billionen Tokens“ aus wissenschaftlichen Artikeln, Blogs, Code und anderen Quellen. Trainiert wurde in drei Stufen, die seltensten und hochwertigsten Daten kamen zuletzt.

Im anschließenden Reinforcement Learning kamen die Fortschritte laut Cognition vor allem aus besseren und vielfältigeren Trainingsaufgaben, weniger aus Änderungen am Verfahren. Das Team prüfte Anweisungen, Umgebungen und Verifier, also die automatischen Prüfprogramme, die entscheiden, ob eine Aufgabe gelöst ist. Außerdem kamen neue Aufgabentypen hinzu. Rechenaufwand, genaue Tokenzahlen oder Versuche, die den Beitrag des Mid-Trainings vom Reinforcement Learning zu trennen, veröffentlicht Cognition laut OrcaRouter nicht.

Benchmarks: stark gegenüber der Basis, knapp hinter SWE-2

Alle Werte stammen von Cognition selbst. FrontierCode ist sogar ein hauseigener Benchmark.

Nur auf FrontierCode 2.0 liegt Flash knapp vor SWE-2. Bei begrenzten Aufgaben ist es nah dran, bei langen, mehrstufigen Aufgaben wie DeepSWE fällt es deutlicher zurück.

Cognition schreibt, Flash schlage alle amerikanischen Open-Weight-Modelle, „sogar dreimal größere“. OrcaRouter hat nachgerechnet. Das stärkste dieser Vergleichsmodelle, Muse Spark Open (616 Mrd. Parameter, 42 Mrd. aktiv), liegt auf DeepSWE 1.1 mit 60,0 nur 0,1 Punkte zurück. Auf Terminal-Bench 4.0 (20,0 zu 8,0) und FrontierCode 2.0 (24,0 zu 6,2) ist der Abstand allerdings deutlich. Das chinesische DeepSeek V4.1 Flash (763 Mrd., 16 Mrd. aktiv) schlägt SWE-2 Flash in derselben Tabelle auf vier von acht Benchmarks, etwa mit 77,0 zu 60,1 auf DeepSWE 1.1 und 42,3 zu 20,0 auf Terminal-Bench 4.0.

Auch die Leistungsangaben muss man genau lesen. „Ein Fünftel des Preises“ bezieht sich auf die Kosten einer Aufgabe innerhalb von Devin, nicht auf einen Preis pro Token. Die Geschwindigkeitsangabe von 200 gegenüber 60 Tokens pro Sekunde stammt aus einer simulierten Wiedergabe eines einzelnen Terminal-Bench-Laufs und ist keine Live-Messung. Anders als beim Start von SWE-2 fehlen laut OrcaRouter außerdem Angaben zum verwendeten Agenten-Gerüst, zur Denktiefe und dazu, ob jeweils der beste von mehreren Versuchen gewertet wurde.

Warum die Gewichte unter Verschluss bleiben

Cognition hat das Modell gezielt für Cybersicherheit trainiert, um Verteidigern zu helfen. Der ExploitBench-Wert, der misst, wie gut ein Modell Sicherheitslücken ausnutzen kann, stieg dadurch von 11,3 auf 34,8 Prozent. Dieselben Fähigkeiten könnten aber auch Angreifer nutzen, schreibt Cognition mit Verweis auf eine jüngste Welle von Cyberangriffen. Deshalb gibt es die Gewichte nicht öffentlich. Stattdessen baut Cognition ein Programm auf, über das vertrauenswürdige Industriepartner und Forschungslabore Zugang bekommen sollen. Sie könnten das Modell dann feinjustieren und auf eigener Hardware betreiben, auch on-prem, also im eigenen Rechenzentrum. Details soll es „in einigen Wochen“ geben.

OrcaRouter sieht darin einen Widerspruch. Der Kunde, der laut Cognition die Gewichte für den Betrieb im eigenen Haus braucht, bekommt sie nicht, und der genannte Grund ist eine Fähigkeit, die Cognition selbst hineintrainiert hat. Zudem liegt Flash auf ExploitBench nur 1,3 Punkte hinter SWE-2, das Cognition bereits verkauft.

Einordnung

SWE-2 Flash steht für eine bestimmte Wette. Laut Startup Fortune macht ein Coding-Agent pro Sitzung Dutzende bis Hunderte kleine Modellaufrufe: Datei lesen, Test prüfen, Zeile ändern. Für die meisten davon braucht es kein Spitzenmodell, sondern ein schnelles und billiges. Cognition baut deshalb eine Reihe von Modellen für unterschiedliche Aufgaben auf. Entscheidend sind dabei die Kosten pro erledigter Aufgabe, nicht die Spitzenwerte in Benchmarks.

Die Grenzen sind klar. Alle Zahlen sind Herstellerangaben, unabhängig geprüft wurde nichts. Ein neutraler Vergleich mit GPT- oder Claude-Modellen ist mangels API kaum möglich. Und obwohl die Basis frei verfügbar ist, ist SWE-2 Flash für Privatleute kein Open-Weight-Modell: Ausprobieren kann man es nur in Devin. Das Training ist trotzdem bemerkenswert, denn ein Modell mit 12 Milliarden aktiven Parametern kommt durch gute Daten und Prüfprogramme nah an ein zehnmal größeres Flaggschiff heran.