UMBRELLA 4365 SWE-2
Cognition（Devin） · SWE 谱系 · 2026.09.10 发布 · 在 4 项基准上留有 4 条公开成绩。数字全部取自官方发布材料、第三方评测机构与站内已查证档案，评测口径（版本 / 算力档 / 脚手架）标在备注里；因训练数据污染撤榜的成绩不收录。仅作记录，不构成选型建议。
底座换成 2.8 万亿参数的 Kimi K3，首次把 RL 做到万亿级：FrontierCode 1.1 Main 50.0% 距 Fable 5.1 一分而成本低 64%，Terminal-Bench 2.1 92.8% 为对照表最高；用按帕累托切线定的成本惩罚把 medium / high / max 三档在同一次 RL 里训出。仍不放权重、无 API，只在 Devin 内可用。
◈ 评分卡 SCORECARD
综合分 · 相对前沿70.8
总排名#16 / 27
已测维度2 / 6
综合分 = 各已测维度「相对前沿分」的平均：每个维度取该模型最近一次公开成绩，除以该维度当前最高分（最高 = 100）。至少两个维度有成绩才入总榜，覆盖维度数标在分数旁；未测不等于不行，只是没人公开考过。
| 维度 | 基准 | 成绩 | 相对前沿 | 该维度当前最高 | 日期 |
|---|---|---|---|---|---|
| 编码 | DeepSWE v1.1 | 73% | 96.8 | Muse Spark 1.3 75.4% | 2026.09.10 |
| 终端 Agent | Terminal-Bench 4.0 | 27.3% | 44.8 | Claude Mythos 5.1 60.9% | 2026.09.10 |
◈ 身份卡 IDENTITY
| 实验室 LAB | Cognition（Devin） |
| 谱系 FAMILY | SWE |
| 发布日 RELEASE | |
| 定位 TIER | 自研 · 编码 |
| 上下文 CONTEXT | — |
| 价格 PRICE | — |
| 权重 WEIGHTS | 闭源 CLOSED |
| 状态 STATUS | 在役 ACTIVE |
| 信源 SOURCE | cognition.com/blog/swe-2 |
| 站内档案 ARCHIVE | 档案 #136 » |
◈ 全部公开成绩 ALL RESULTS4 条
| 基准 | 分数 | 日期 | 口径 / 备注 | 信源 |
|---|---|---|---|---|
| DeepSWE v1.1 | 73% | 官方自报 · 各档最佳 | 原文 ↗ | |
| FrontierCode 1.1 Main | 50% | 官方自报 · 各档最佳 | 原文 ↗ | |
| Terminal-Bench 2.1 | 92.8% | 官方自报 · 各档最佳 · 对照表最高 | 原文 ↗ | |
| Terminal-Bench 4.0 | 27.3% | 官方自报 · 各档最佳 | 原文 ↗ |