Cognition's SWE-2 favicon

Cognition's SWE-2

SWE-2 est le modèle de programmation phare de Cognition, post-entraîné à partir de Kimi K3 et conçu pour le génie logiciel agentique, avec une navigation ciblée dans le code et une vérification rigoureuse sur plusieurs niveaux d'effort.

Code et ITParcourt les dépôts à l'aide d'outils…Exécute des commandes de compilation,…Crée des commits Git et communique les…Identifie des sources de données…
Cognition's SWE-2 product interface screenshot
Visites mensuelles estimées
427 k
Période des données:
Référencé sur AIToolly

Qu’est-ce que Cognition's SWE-2 ? Présentation du produit

Fonction du produit et positionnement officiel

SWE-2 est un modèle de programmation spécialisé développé par Cognition, post-entraîné à partir du modèle de base Kimi K3 de 2,8 billions de paramètres grâce à un apprentissage par renforcement adapté au génie logiciel agentique.

Directement intégré au sein des environnements Devin, SWE-2 exécute des flux de développement de bout en bout, comprenant la recherche dans les dépôts, l'édition de code multi-fichiers, la vérification de build et la création de tests.

À quoi peut servir Cognition's SWE-2 ?

Cas d’usage étayés par les sources officielles

Maintenance de dépôt et correction de bugs

Les développeurs peuvent confier des anomalies de code à SWE-2 pour examiner les fichiers pertinents, planifier les changements, appliquer les mises à jour et valider les correctifs par commit.

Génération automatisée de tests et vérification des régressions

Les équipes d'ingénierie peuvent utiliser le modèle pour rédiger des tests de bout en bout qui valident indépendamment les modifications logicielles face aux cas limites.

Architecture de post-entraînement et apprentissage par renforcement

SWE-2 est post-entraîné à partir de Kimi K3, adaptant l'apprentissage par renforcement à un modèle de plusieurs billions de paramètres afin d'optimiser les performances sur différents paliers d'effort de raisonnement en une seule session d'entraînement.

L'architecture d'entraînement utilise une référence de récompense pondérée par la longueur pour stabiliser la variance du gradient sans nécessiter de passes arrière supplémentaires. Les déploiements d'inférence s'appuient sur des noyaux NVFP4 et FP8 ainsi que sur le décodage spéculatif soutenu par un modèle d'ébauche mis à jour en ligne.

  • Intègre des pénalités linéaires adaptées à la pente locale de la courbe frontière du modèle de base à travers les niveaux d'effort.
  • Applique des références de groupe pondérées par la longueur pour réduire la divergence de politique entre l'entraînement et l'inférence.
  • Utilise des noyaux NVFP4 et FP8 à faible précision avec un entraînement conscient de la quantification afin de gérer la surcharge mémoire durant les déploiements.

Points à tester avant de choisir Cognition's SWE-2

Vérifications à effectuer avec vos contenus et votre flux de travail

  • Vérifier que SWE-2 est accessible dans l'interface souhaitée, telle que Devin Desktop, Devin CLI, Devin Web ou Devin Fusion.
  • Déterminer si les paramètres d'effort de raisonnement moyen, élevé ou maximal correspondent le mieux à la complexité et aux besoins d'exploration du dépôt cible.
  • Examiner les exigences du projet reposant fortement sur des commandes de terminal avancées au regard des performances documentées sur les bancs d'essai de terminal.

Sources et date de vérification de Cognition's SWE-2

Sources vérifiées et date de la vérification

Dernière vérification
Catégorie
Code et IT

Questions fréquentes sur Cognition's SWE-2

Réponses fondées sur la fiche produit dont les sources ont été vérifiées

Sur quel modèle de fondation SWE-2 s'appuie-t-il ?

SWE-2 est post-entraîné à partir de Kimi K3, un modèle de 2,8 billions de paramètres ayant déjà fait l'objet d'un apprentissage par renforcement pour le codage agentique.

Quels environnements de déploiement prennent en charge SWE-2 ?

SWE-2 est disponible au sein de Devin Desktop et Devin CLI, avec des déploiements progressifs s'étendant à Devin Web et Devin Fusion.

Comment SWE-2 aborde-t-il l'exploration des dépôts par rapport aux modèles précédents ?

SWE-2 concentre son exploration sur les fichiers pertinents, ce qui lui permet d'initier l'édition de code en moins d'étapes exploratoires que SWE-1.7.

Quels niveaux d'effort de raisonnement peuvent être sélectionnés dans SWE-2 ?

Le modèle prend en charge les niveaux d'effort moyen, élevé et maximal, offrant le choix entre des modifications rapides de code et une planification ou une vérification plus approfondie.

Comment SWE-2 gère-t-il la vérification lorsqu'il est mis en doute ?

SWE-2 recalcule ses conclusions en exécutant des artefacts de test et en examinant les preuves techniques, plutôt que d'accepter sans vérification les hypothèses soumises par l'utilisateur.

Découvrez d’autres outils récemment ajoutés dans la même catégorie.