Кодовый агент может быть дорогим даже при дешёвых токенах. Если он 48 шагов читает репо...
Кодовый агент может быть дорогим даже при дешёвых токенах. Если он 48 шагов читает репозиторий, прежде чем нажать Edit. Cognition выпустила SWE-2 — новую модель для Devin, построенную поверх китайской Kimi K3. По их данным, на тестовых задачах агент начинает первую настоящую правку в среднем на 18-м шаге вместо 48 у прошлой версии. Это важнее очередной таблички «мы почти догнали флагман». Когда агент меньше блуждает по папкам, быстрее строит план и раньше запускает тесты, вы платите не только за меньшее число токенов. Вы меньше смотрите, как он с умным видом читает README пятый раз. Все красивые цифры — собственные оценки Cognition, и доступна SWE-2 пока через Devin Desktop и CLI, а не как свободные веса. В разборе релиза есть методика и сравнения — их стоит читать вместе с оговорками, а не только с процентом экономии. Новая метрика для агентного кодинга простая: не «сколько он рассуждал», а «через сколько минут появился первый внятный дифф и прошли тесты».