„Cognition“ SWE-1.7: beveik frontier kodavimas už 1,97 USD ir 1000 žetonų per sekundę

„Cognition“ — bendrovė, pagarsėjusi dirbtinio intelekto programuotoju „Devin“ — liepos 8 d. pristatė SWE-1.7, savo galingiausią iki šiol kodavimo modelį. Įdomiausia čia ne vien tai, kad jis benchmark testuose beveik prilygsta pažangiausiems „GPT-5.5“ ir „Claude Opus 4.8“. Įdomiausia — kaina ir greitis: viena kodavimo užduotis kainuoja apie 1,97 USD, o modelis atsakymus generuoja 1000 žetonų per sekundę. Tai maždaug tokia sparta, kuri agentinį kodavimą iš „palaukime, kol pagalvos“ paverčia beveik tiesioginiu.

Ką iš tikrųjų rodo skaičiai

Pagrindinis „Cognition“ pademonstruotas matas — „FrontierCode 1.1“, sudėtingų realaus kodo užduočių rinkinys. Čia SWE-1.7 atsilieka nuo geriausiųjų vos per kelis procentinius punktus, bet kainuoja gerokai mažiau:

Modelis	FrontierCode 1.1
Claude Opus 4.8	46,5 %
GPT-5.5	43,0 %
SWE-1.7	42,3 %
Kimi K2.7 (bazinis)	30,1 %
SWE-1.6 (ankstesnis)	9,4 %

Šuolis nuo SWE-1.6 (9,4 %) iki SWE-1.7 (42,3 %) yra milžiniškas — „Cognition“ tai vadina ne patobulinimu, o „iš esmės nauju treniravimo bandymu“. Kituose testuose modelis rodo 81,5 % „Terminal-Bench 2.1“ ir 77,8 % „SWE-Bench Multilingual“ — pastarasis svarbus tiems, kas dirba ne vien su anglišku ar viena kalba parašytu kodu.

Greitis, kuris keičia darbo srautą

SWE-1.7 sukasi ne ant įprastų „Nvidia“ GPU, o ant „Cerebras“ vafelio dydžio lustų, todėl ir pasiekia 1000 žetonų per sekundę. Kodavimo agentui greitis nėra kosmetika: kai modelis per minutę perskaito repozitoriją, iškelia hipotezę, paleidžia testą ir pataiso — laukimo sekundės sudedamos į valandas. Būtent todėl tokie žaidėjai kaip „OpenAI“ (GPT-5.6 Sol) ir dabar „Cognition“ lenktyniauja ne tik dėl protingumo, bet ir dėl atsako spartos.

Modelis jau prieinamas visose „Devin“ versijose — naršyklėje, darbastalio programoje ir komandinės eilutės (CLI) kliente.

Modelis, kuris ieško priežasties, o ne simptomo

Techniniai skaičiai vieni patys nutyli tai, kas praktikoje svarbiausia — kaip modelis mąsto. „Cognition“ teigia, kad SWE-1.7 kur kas dažniau nei bazinis modelis nagrinėja tikrąją klaidos priežastį, svarsto kraštinius atvejus, hipotetines situacijas ir priešiškus (adversarial) įvedinius. Tas pats elgesys matuojamas ir kiekybiškai:

Pavyzdžiui, ties „priešiškais įvediniais“ SWE-1.7 juos paminėjo 428 kartus per bandymą, o bazinis modelis — vos 132. Praktikoje tai reiškia mažiau „veikia mano kompiuteryje“ tipo pataisymų ir daugiau tokių, kurie iš tikrųjų uždaro spragą. Kaina už tokį kruopštumą — modelis linkęs paliesti daugiau failų, nei būtina: gilesnis mąstymas kartais išplečia pakeitimų apimtį labiau, nei norėtųsi peržiūrint pull request.

Netikėtas pamatas: kinų atviras „Kimi K2.7“

Vienas įdomiausių dalykų — SWE-1.7 pastatytas ne ant nuosavo, o ant kinų „Moonshot AI“ atviro modelio „Kimi K2.7“ pagrindo. „Cognition“ jį smarkiai perkūrė savo pastiprinamojo mokymosi (RL) konvejeriu: pritaikė „sampling distribution replay“ metodą entropijai išlaikyti, treniravo per kelis skaičiavimo klasterius trijuose žemynuose ir įdiegė „self-compaction“, leidžiantį vienam bandymui trukti iki šešių valandų neprarandant konteksto.

Praktinė šio grafiko žinia paprasta: kai standartinis treniravimas laikui bėgant „užspaudžia“ modelio įvairovę (entropija krenta), „Cognition“ receptas ją išlaiko — o tai padeda modeliui neįstrigti ir toliau ieškoti geresnių sprendimų. Kartu tai dar vienas įrodymas, kad atviri kinų baziniai modeliai tampa rimta statybų medžiaga vakarietiškiems produktams.

Ką tai reiškia Lietuvos komandoms

Lietuvos programinės įrangos studijoms ir startuoliams svarbiausia žinutė — kaštų kreivė lūžta. Dar prieš metus „beveik frontier“ lygio kodavimo agentas reiškė brangiausius API tarifus; dabar panašus rezultatas ateina už kelis centus ar dolerius užduočiai. Tai keičia skaičiavimą, ar apsimoka AI agentą leisti ne tik ties kritiniu, bet ir ties rutininiu darbu — testų rašymu, priklausomybių atnaujinimu, klaidų tyrimu.

Verta ir blaivaus žvilgsnio. Pirma, benchmark rezultatai ne visada atsispindi konkrečioje jūsų kodų bazėje — 42,3 % „FrontierCode“ nereiškia, kad modelis 42 % laiko „padaro viską teisingai“. Antra, polinkis plėsti pakeitimų apimtį reiškia, kad žmogaus peržiūra (code review) niekur nedingsta — greitas ir pigus agentas be disciplinuoto review gali greitai ir pigiai priridenti techninės skolos. Trečia, priklausomybė nuo trečiųjų šalių modelių ir infrastruktūros (šiuo atveju — „Cerebras“ ir kinų bazinio modelio) yra strateginis, ne tik techninis sprendimas.

Vis dėlto kryptis aiški: kodavimo modeliai vienu metu darosi ir protingesni, ir pigesni, ir greitesni. SWE-1.7 — dar vienas ženklas, kad „ar naudoti AI agentą kasdieniame kūrime“ vis mažiau yra klausimas, o „kaip jį naudoti atsakingai“ — vis labiau.