Un nuovo modello di programmazione si avvicina al vertice per molto meno denaro, e ha una lacuna evidente

Il 10 settembre 2026 Cognition — l'azienda dietro l'agente di programmazione Devin — ha rilasciato un nuovo modello chiamato SWE-2. Il titolo in una riga: ha ottenuto il 50,0% su FrontierCode 1.1 Main contro il 50,9% di Fable 5.1 di Anthropic, un divario inferiore a un solo punto, e Cognition afferma che eseguirlo costa il 64% in meno per raggiungere lo stesso punteggio. Ma la storia non finisce qui. Su Terminal-Bench 4, SWE-2 ha ottenuto solo il 27,3%, contro il 55,8% di Fable 5.1 e il 57,9% di GPT-6 Astra — un divario di circa trenta punti in una sola colonna.

Questa contraddizione è la vera lezione per le aziende, non il numero conveniente da solo. Stiamo entrando in una fase in cui il confronto tra modelli non si ferma più a "quale è più intelligente" ma parte da una domanda più precisa: più intelligente in quale tipo di lavoro, a quale costo e dove cede.

I numeri pubblicati, così come sono

Cognition ha pubblicato una tabella di confronto diretto tra SWE-2, il proprio modello di base e due modelli di livello frontiera. Ecco la lettura completa:

  • FrontierCode 1.1 Main: SWE-2 al 50,0%, il modello di base Kimi K3 al 44,2%, GPT-6 Astra al 53,3%, Fable 5.1 al 50,9%.
  • DeepSWE 1.1: SWE-2 al 73,0%, sopra Fable 5.1 al 67,4% e vicino ad Astra al 74,1%.
  • Terminal-Bench 2.1: SWE-2 al 92,8%, il valore più alto della tabella, davanti al 91,4% di Fable 5.1 e all'89,9% di Astra.
  • Terminal-Bench 4: SWE-2 solo al 27,3%, contro il 55,8% e il 57,9%. Questa è la colonna che perde nettamente.

In tre colonne su quattro SWE-2 è alla pari con modelli più costosi o davanti a loro; in una colonna crolla. Nota anche che ha battuto la propria base, Kimi K3, in ogni colonna — quel miglioramento è esattamente ciò che ha aggiunto l'addestramento di Cognition.

Come è stato costruito: un grande modello aperto, poi un addestramento specializzato sopra

SWE-2 non è stato costruito da zero. La sua base è Kimi K3, il modello a pesi aperti di Moonshot AI da 2,8 trilioni di parametri. Cognition ha eseguito un post-addestramento con apprendimento per rinforzo mirato a un unico lavoro: vera ingegneria del software all'interno di repository di codice reali.

Il dettaglio tecnico interessante è che il modello offre tre livelli di impegno selezionabili — medio, alto e massimo. Non sono stati addestrati in tre esecuzioni separate né come tre modelli specialistici, ma in un'unica esecuzione di addestramento con una penalità di costo integrata nella funzione di ricompensa: il successo meno il costo del tentativo, moltiplicato per un coefficiente che cambia con il livello di impegno. Il risultato è un unico modello che sa quando essere parsimonioso e quando scavare più a fondo, invece di costringerti a gestire tre modelli.

La differenza pratica è tangibile: al livello di impegno medio, il team afferma che il modello riduce il numero di passaggi del 58% e il costo dell'81% in media rispetto alla precedente versione SWE-1.7 sullo stesso benchmark. In linguaggio di progetto, significa girare meno attorno a un problema prima di arrivare a una soluzione.

Il vincolo importante prima di entusiasmarsi: niente pesi aperti, niente API

Va detto chiaramente. SWE-2 non è un modello che puoi scaricare sui tuoi server, e non puoi richiamarlo dalla tua applicazione tramite un'API autonoma. Funziona solo all'interno della piattaforma Devin: prima nell'app desktop e nella riga di comando, poi in espansione verso Web e Fusion. Ciò significa che l'economia dei costi descritta da Cognition è legata all'abbonamento alla sua piattaforma, non alla libertà di eseguire il modello dove vuoi.

Questa distinzione conta per chiunque stia confrontando le opzioni. Un modello a pesi aperti ti dà sovranità sui tuoi dati e la libertà di ospitarlo all'interno del Regno; questo è un prodotto chiuso acquistato come servizio. Se il motivo per cui cercavi un'alternativa più economica era mantenere il codice nel tuo ambiente, questo annuncio non risolve il tuo problema. Se il motivo era ridurre la spesa per gli strumenti di sviluppo, potrebbe farlo.

Che cosa significa in pratica per la tua azienda

Tre indicazioni per un titolare che paga una fattura di sviluppo o sta valutando strumenti di IA per un team tecnico:

  • La specializzazione è diventata una scorciatoia per competere: un'azienda molto più piccola dei laboratori di frontiera ha preso un modello aperto, lo ha addestrato per un unico lavoro e ora compete in quel lavoro specifico. La stessa logica vale per il tuo progetto: un modello di medie dimensioni messo a punto sui tuoi dati e sulle tue procedure di solito batte un modello più grande che opera senza contesto.
  • Un solo numero in un annuncio non basta mai: se guardassi solo FrontierCode concluderesti che SWE-2 è un sostituto completo. La colonna di Terminal-Bench 4 dice il contrario per una particolare categoria di compiti. Chiedi sempre: su quale benchmark, che cosa misura e dov'è il divario.
  • Il costo non è il prezzo per chiamata: il tuo costo reale è il numero di tentativi fino a un risultato corretto. Un modello più economico che gira a vuoto all'infinito può risultare più caro nella pratica — ed è esattamente ciò che la penalità di costo nell'addestramento di SWE-2 cerca di affrontare.

Come gestiamo annunci come questo in Origami

Non leghiamo i sistemi dei clienti a un unico modello. Costruiamo uno strato intermedio che permette di sostituire il modello dietro le quinte, e misuriamo sui compiti reali del cliente invece che sui benchmark pubblicati: contratti reali, fatture reali, conversazioni reali con i clienti. Così un annuncio come SWE-2 diventa un'opportunità che puoi testare in una settimana, non una decisione che ricostruisce il tuo sistema.

Il passo pratico se hai un team di sviluppo: prendi tre compiti reali dal tuo repository, eseguili con il tuo strumento attuale e con l'alternativa più economica, e misura solo tre numeri — il compito è riuscito, quanti tentativi sono serviti, quanto è costato. Dopo di che la decisione diventa evidente, senza affidarsi alla tabella dell'annuncio di nessuno.

Fonti