SWE-1.7 догнала фронтирные модели в коде

Cognition выпустила SWE-1.7 — новую модель для программирования и агентной разработки. Компания называет ее самой сильной моделью, которую обучала сама: она построена поверх Kimi K2.7 Code и дополнительно дообучена через обучение с подкреплением на инженерных задачах. Главная заявка релиза, что модель близка к GPT-5.5 и Claude Opus 4.8 на агентных бенчмарках, работает заметно дешевле и доступна в Devin через Cerebras со скоростью до 1000 токенов в секунду.

Для рынка кодинг-агентов это важный релиз. SWE-1.7 встроена в Devin — агентную среду, где модель читает репозиторий, запускает инструменты, пишет правки, проверяет гипотезы и ведет длинные задачи.

SWE-1.7 вышла 8 июля 2026 года. Модель доступна в Devin Web, Desktop и CLI. Инференс, то есть выполнение модели после обучения, идет через Cerebras со скоростью 1000 TPS или токенов в секунду. 

Cognition обучала SWE-1.7 поверх Kimi K2.7 Code. Это открытая агентная модель Moonshot AI для программирования. Kimi описывает K2.7 Code как модель для длинных инженерных задач с контекстом 262 144 токена, архитектурой «смесь экспертов» и 1 трлн параметров всего, из которых на каждый токен активируется 32 млрд. У Kimi K2.7 Code всегда включен режим рассуждения, а расход «токенов на размышления» снижен примерно на 30% по сравнению с Kimi K2.6.

Kimi K2.7 Code уже прошла масштабное пост-обучение. Cognition утверждает, что собственное обучение с подкреплением все равно дало крупный скачок качества.

В компании приводят три основных теста. На FrontierCode 1.1 Main SWE-1.7 получила 42,3%. Для сравнения, базовая Kimi K2.7 Code набрала 30,1%, GPT-5.5 — 43,0%, Opus 4.8 — 46,5%, Opus 4.7 — 38,5%, GLM-5.2 — 24,5%, Composer 2.5 — 25,6%, SWE-1.6 — 9,4%.

На Terminal-Bench 2.1 результат SWE-1.7 — 81,5%. Здесь впереди остаются GPT-5.5 с 84,2% и Opus 4.8 с 86,9%, но разрыв уже не выглядит пропастью. На SWE-Bench Multilingual модель Cognition набрала 77,8%, обойдя Kimi K2.7 Code с 73,5% и GPT-5.5 с 76,8%, но уступив Opus 4.8 с 84,4%.

Cerebras еще в мае рассказывала о совместной работе с Cognition на SWE-1.6: компания писала, что скорость около 950 токенов в секунду на fast-tier позволила проектировать поведение агента иначе — быстрее собирать контекст, активнее пользоваться инструментами и меньше ломать рабочий ритм разработчика. Для SWE-1.7 Cognition заявляет уже 1000 токенов в секунду в Devin через Cerebras.

Cognition выделяет четыре технических направления в обучении SWE-1.7: 

1. Стабилизацию долгого обучения с подкреплением, распределенное обучение по нескольким кластерам, отбор качественных задач и самосжатие для длинных сценариев.

2. Обучение с подкреплением — это режим, где модель получает задачу, пробует действовать в среде, получает оценку результата и постепенно учится выбирать траектории, которые чаще приводят к успеху. В задачах программирования оценка может строиться на тестах, проверках сборки, статическом анализе и других верификаторах. Cognition пишет, что фильтровала задачи с плохим обучающим сигналом, проверяла качество верификаторов и защищала среду от «читерства», когда агент получает награду обходным путем вместо реального решения.

3. Стабильность была отдельной проблемой. Длинные RL-запуски могут ломаться из-за схлопывания разнообразия ответов и расхождения между тем, как модель генерирует во время обучения, и тем, как считает вероятности обучающий процесс. Cognition описывает механизм replay для распределения сэмплирования: система записывает набор токенов, доступных во время генерации, и использует эти маски при обучении. Это нужно, чтобы удерживать обучение стабильным на длинной дистанции.

4. Multi-cluster RL. Cognition обучала модель на кластерах в четырех дата-центрах на трех континентах. Тренировочный кластер обновлял веса, а rollout-кластеры генерировали траектории. Полную модель между континентами не гоняли: вместо этого передавались сжатые изменения весов. Компания пишет, что такой подход сокращал размер передачи больше чем на 99%, а межконтинентальное обновление 1-триллионной модели занимало 1–2 минуты.

Одна из самых полезных идей релиза — self-compaction, или самосжатие. В длинной задаче агент рано или поздно подходит к пределу контекста. Вместо того чтобы просто потерять ранние шаги, модель учат делать короткий конспект своего рабочего состояния и продолжать работу уже из него. Это похоже на инженерную заметку для самого себя: что уже проверено, какие файлы важны, какие гипотезы отпали, где текущая точка входа и что делать дальше.

Компания пишет, что в обучении SWE-1.7 траектории с самосжатием длились до шести часов. Модель одновременно училась писать более информативные короткие конспекты и лучше работать из таких конспектов.

Cognition также использовала переменный штраф за длину. В одних фазах модель оптимизировалась только на успешность задачи, в других — получала штраф за лишние токены, лишние ходы и время инструментов. Задача такого подхода — не заставить модель всегда отвечать коротко, а научить ее не расписывать очевидное и при этом сохранять длинное рассуждение там, где задача сложная.

Kimi K2.7 Code сама по себе уже сильная модель. Moonshot AI позиционирует ее как открытую модель для длинных задач по коду, агентного выполнения и сложных инженерных рабочих процессов. Она доступна через Kimi Code и Kimi API, а веса доступны на Hugging Face.

В компании утверждают, что после собственного RL модель SWE-1.7  стала заметно иначе вести себя в задачах. Она чаще исследует кодовую базу перед правками, больше читает файлов, чаще ищет по репозиторию, активнее проверяет крайние случаи и неоднозначные требования. 

Разработчики продукта признают, что усиленное рассуждение иногда расширяет область изменений: модель может трогать больше файлов, писать дополнительные тесты и выходить за минимальный объем правки.

Cognition говорит о фронтирном качестве при меньшей стоимости, но в релизе не раскрывает полный публичный тариф SWE-1.7 как самостоятельной API-модели. На практике стоимость для пользователя сейчас привязана к Devin и его тарифам, а не к открытому прайс-листу SWE-1.7.