Cognition 推出了 SWE-2，這是一款基於 Kimi k3 進行後訓練的軟體工程 AI 模型，其效能足以與 GPT-Astra 和 Fable 5.1 等頂級競爭對手抗衡。此次發布標誌著強化學習首次被擴展至萬億參數級別以應用於此類任務。 SWE-2 代表了專用編碼代理模型的顯著進步，以較低的成本提供了與前沿模型相當的代理編碼能力。它的發布加劇了 AI 軟體工程領域的競爭，對 GPT-Astra 等專有模型的主導地位構成挑戰。 該模型具備 100 萬個 token 的上下文視窗，並使用明確的推理模式來提升複雜問題的解決能力，但代價是增加了延遲。社群討論指出其在 Terminal Bench 上存在巨大的分數落差，引發了關於基準測試泛化能力與過度擬合的質疑。
事件背景
SWE-2 建立在月之暗面（Moonshot AI）開發的 2.8 兆參數開放權重多模態模型 Kimi k3 之上。GPT-Astra 指的是 OpenAI 最新一代的大型語言模型，設定了當前代理編碼任務的基準。Terminal Bench 是一個標準化的評估套件，用於衡量 AI 模型在終端環境中自主解決軟體工程問題的能力。
社群觀察
社群反應兩極，用戶讚賞其成本效益的突破，同時對模型的開放性和基準測試的有效性表示懷疑。批評者指出 Terminal Bench 分數的巨大落差是潛在過度擬合的證據，並辯論像 SWE-2 這樣的閉源權重模型能否與 DeepSeek 等開放替代方案競爭。
