SWE-2 Flash de Cognition: modelo 3 veces más rápido para agentes de código basado en 12 mil millones de parámetros activosNota · digest del 11 de noviembre
Macrofotografía de un microchip de silicio con clústeres activos de expertos iluminados sobre la placa base
Nota2 secciones≈ 5 min

SWE-2 Flash de Cognition: modelo 3 veces más rápido para agentes de código basado en 12 mil millones de parámetros activos

Estás frente a la terminal abierta, le encargaste al agente de código refactorizar tests asíncronos en un microservicio con Python y FastAPI, y el cursor parpadea pensativo. El modelo pesado lee la base, vuelve a revisar los módulos vecinos y exprime líneas tan despacio que la espera se alarga dos minutos y medio: 2 minutos 40 segundos. En ese tiempo es fácil distraerse con el chat del trabajo y perder el hilo de la tarea.

Esta lentitud viscosa de los agentes pesados en la rutina siempre me sorprendió, así que estudié con interés el lanzamiento de Cognition —los creadores del ingeniero de IA Devin—, que el 4 de noviembre publicaron el modelo veloz SWE-2 Flash (también analizado por Julian Goldie). Surge de inmediato la pregunta: ¿se puede triplicar la velocidad de un agente de código sin perder calidad ni fiabilidad arquitectónica? Resulta que la especialización estrecha de pesos y el ajuste fino en sesiones reales de ingeniería permiten a un modelo compacto alcanzar a los pesos pesados en benchmarks multiplicando la velocidad.

Arquitectura de expertos dispersos y templado en tres etapas

El primer resorte de aceleración es una mezcla dispersa de expertos (Mixture-of-Experts, MoE) sobre una base nueva. El buque insignia SWE-2 se construyó sobre el modelo chino Kimi K3 de Moonshot AI (2.8 billones de parámetros y 104 mil millones activos), mientras que SWE-2 Flash se convirtió en el primer modelo de código íntegramente estadounidense de la compañía sobre los pesos abiertos Inkling Small de Thinking Machines Lab, de Mira Murati. De 276 mil millones de parámetros totales, en cada token trabajan solo 12 mil millones de parámetros activos (un 88% menos). Es como en un buen equipo: para un ajuste puntual no convocas a todo el departamento, sino que despiertas al ingeniero especialista. La carga cae a una quinta parte y la velocidad en las mediciones de Cognition salta de 60 a 200 tokens por segundo.

Un cerebro compacto no gasta ciclos de la tarjeta gráfica moviendo lastre: el código aparece en pantalla a la velocidad de un pensamiento vivo.

El segundo resorte es el entrenamiento intermedio en tres fases (mid-training) y el aprendizaje por refuerzo (Reinforcement Learning, RL). Antes de la recta final, el modelo se entrenó con billones de tokens de artículos, blogs y código limpio en tres oleadas, dejando las mejores muestras para el final, como un estudiante con los apuntes clave la noche antes del examen. Luego vinieron prácticas en sandboxes con repositorios de GitHub, verificadores y compiladores. En el informe me llamó especialmente la atención el salto desde la base: en Terminal Bench 4.0 la puntuación subió de 0.9 a 20.0, y en Frontier Code 2.0, de 3.2 a 24.0, superando al enorme SWE-2 (23.8). En Terminal Bench 2.1 el modelo obtuvo 89.2% frente a 92.8%, y en SWE-bench Pro v2 Hard, 89.9% frente al 90.6% del buque insignia.

Un programa de estudios medido y pruebas automáticas exigentes en sandbox sustituyeron billones de parámetros «en bruto».

Escenarios de trabajo en Devin, techos del modelo y pesos cerrados

Volvamos al microservicio en FastAPI. Al cambiar a SWE-2 Flash en Devin CLI, el agente lanza de inmediato el ejecutor de pruebas, detecta una condición de carrera en sesiones de SQLAlchemy, corre los tests unitarios y fija el commit sin fallos en 38 segundos: unos 40 segundos en lugar de dos minutos y medio. El modelo también está disponible en Devin Desktop (el editor Windsurf actualizado con tablero kanban de agentes, búsqueda Fast Context, revisión Devin Review y traslado de sesión a Devin Cloud). Hasta el 30 de noviembre de 2026, SWE-2 Flash es gratuito en ambas herramientas: ideal para bugs locales, tests automáticos y documentación.

En sesiones interactivas, donde importa la retroalimentación instantánea, el velocista ligero supera limpiamente al peso pesado.

Pero siempre miro también el reverso de los gráficos. La victoria se declara solo sobre modelos abiertos estadounidenses, mientras que en Frontier Code 2.0 el cerrado Claude Haiku 5.5 marca 27.7 puntos, y en Terminal Bench 4.0 los chinos GLM 5.3 Flash (41.8%) y DeepSeek Fee 4.1 Flash (42.3%) logran el doble en la carrera de modelos rápidos para agentes. En reestructuración arquitectónica entre módulos (Deep Subway 1.1), la novedad también queda por debajo de SWE-2: 60.1 puntos frente a 73.0. Y debido al salto en detección de vulnerabilidades en Exploit Bench del 11.3% al 34.8%, Cognition cerró los pesos frente a hackers y prepara un programa protegido (on-premise) para socios: a mi juicio, una medida sensata.

Por eso, antes de lanzar una tarea en Devin Desktop o CLI, hazte una pregunta sencilla: ¿necesito ahora corregir rápido un nodo local y tests en un par de archivos, o rehacer la arquitectura de una decena de servicios? Para una tarea puntual activa sin dudar el gratuito SWE-2 Flash hasta el 30 de noviembre, y deja la inferencia pesada para los cambios de gran escala.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 2