Cognition stellt SWE-2 Flash vor: Ein Code-Modell auf Basis von Inkling-Small, dessen Gewichte unter Verschluss bleiben
Cognition, der Anbieter von Devin, hat am 4. November SWE-2 Flash vorgestellt – ein Code-Modell mit 276 Milliarden Parametern (12 Milliarden aktiv), das auf Inkling-Small von Thinking Machines basiert. In Devin ist es bis Ende November kostenlos nutzbar, steht jedoch nicht zum Download bereit: Cognition verweist auf Cyberrisiken.
Cognition, der Anbieter des Entwickler-Agenten Devin, hat am 4. November 2026 SWE-2 Flash vorgestellt: ein Code-Modell, das für gängige Agentenaufgaben wie Code-Reviews, Automatisierungen, kleinere Features und Dokumentations-Updates konzipiert wurde. Es basiert auf Inkling-Small, dem Open-Weights-Modell von Thinking Machines, und wird von Cognition als „vollständig US-amerikanisches“ Modell bezeichnet. Doch im Gegensatz zu seiner Basis steht es nicht zum Download bereit: Das Unternehmen behält die Gewichte unter Verschluss und beruft sich auf Cybersicherheitsrisiken.
Ein offenes Basismodell, durch Nachtraining transformiert
Inkling-Small ist ein Mixture-of-Experts-Modell mit 276 Milliarden Parametern, von denen pro Token lediglich 12 Milliarden aktiviert werden. Laut seiner Hugging-Face-Modellkarte umfasst es 42 Schichten, leitet jeden Token an 6 von 256 Experten (zuzüglich 2 geteilter Experten) weiter und verarbeitet Text-, Bild- sowie Audioeingaben. Die Modellgewichte sind unter der Apache-2.0-Lizenz veröffentlicht, die derartige Ableitungen erlaubt, ohne eine Pflicht zur Offenlegung aufzuerlegen.
Cognition erklärt, erstmals in seinem Verfahren eine Phase des Zwischen-Trainings (Mid-Training) vor dem Reinforcement Learning eingefügt zu haben: einige Billionen Tokens aus wissenschaftlichen Artikeln, Blogs, Code und weiteren Quellen, aufgeteilt in drei Stufen, damit das Modell die seltensten und am sorgfältigsten aufbereiteten Daten ganz am Ende sieht. Darauf folgt eine Phase des Reinforcement Learning, deren Fortschritte laut Cognition vor allem auf vielfältigere und besser überprüfte Aufgaben als bei SWE-2 zurückzuführen sind.
Der behauptete Effekt ist bei bestimmten Benchmarks beachtlich: Auf Terminal-Bench 4.0 klettert das Ergebnis von 0,9 Prozent bei Inkling-Small auf 20,0 Prozent; auf FrontierCode 2.0 von 3,2 auf 24,0. Cognition behauptet, SWE-2 Flash übertreffe alle US-amerikanischen Open-Weights-Modelle in seiner Vergleichstabelle, darunter dreimal größere Modelle wie Beam 1.0 oder Muse Spark Open.
Kleiner als SWE-2, nicht überall überlegen
Die Tabelle von Cognition offenbart auch die Grenzen des Modells. Im Vergleich zum großen Bruder SWE-2 (2.800 Milliarden Parameter, 104 Milliarden aktiv) liegt SWE-2 Flash bei FrontierCode 2.0 zwar knapp vorn (24,0 gegenüber 23,8), bleibt jedoch bei Terminal-Bench 4.0 (20,0 gegenüber 27,3) und bei DeepSWE 1.1 (60,1 gegenüber 73,0) deutlich zurück. Mehrere Modelle außerhalb der Kategorie „US-amerikanische offene Modelle“ schneiden in einzelnen Tests besser ab: DeepSeek V4.1 Flash erreicht in derselben Tabelle 42,3 auf Terminal-Bench 4.0 und 77,0 auf DeepSWE 1.1, während Claude Haiku 5.5 bei FrontierCode 2.0 vorn liegt (27,7).
Was die Nutzung betrifft, wird SWE-2 Flash in Devin Desktop und der Devin-CLI angeboten – für Abonnenten der Pläne Pro, Max und Teams kostenlos bis Ende November. Cognition beschreibt das Modell als fünfmal günstiger und dreimal schneller als SWE-2, nennt jedoch weder Preise pro Token noch stellt es eine von Devin unabhängige API bereit. Die Geschwindigkeitsdemonstration im Blogbeitrag (200 gegenüber 60 Tokens pro Sekunde) spielt echte Sitzungen mit simulierten Durchsatzraten ab, wie in der Bildunterschrift klargestellt wird: Es handelt sich nicht um eine Messung im Live-Produktionsbetrieb.
Einbehaltene Gewichte im Namen der Cybersicherheit
Der umstrittenste Punkt ist die Bereitstellung. Cognition gibt an, das Modell gezielt auf Cybersicherheitsaufgaben trainiert zu haben, „um Verteidigern zu helfen“, wodurch sich der Wert auf ExploitBench von 11,3 Prozent auf 34,8 Prozent verdreifacht habe. Da solche Fähigkeiten jedoch auch von Angreifern genutzt werden können, veröffentlicht das Unternehmen die Gewichte vorerst nicht. Geplant ist stattdessen ein Programm für sicheren Zugang für Industriepartner und Labore, die das Modell in eigenen Umgebungen feinabstimmen und betreiben könnten; Einzelheiten hierzu wurden „für die kommenden Wochen“ angekündigt.
Unsere Einschätzung
SWE-2 Flash verdeutlicht einen klaren Trend: Anbieter von Agenten begnügen sich nicht mehr damit, lediglich Modelle der großen Labore anzubinden. Sie greifen vermehrt auf offene Basismodelle zurück, um eigene Systeme zu entwickeln, deren Bereitstellung im Betrieb günstiger ist. Der für Inkling-Small behauptete Leistungszuwachs demonstriert, was spezialisiertes Training bewirken kann. Dennoch stammen alle Zahlen von Cognition selbst, und das Modell lässt sich nicht unter denselben Voraussetzungen wie ein öffentlich zugängliches Modell bewerten: Man kann es weder herunterladen noch außerhalb von Devin ansprechen. Der Vergleich mit „US-amerikanischen offenen Modellen“, etwa dem am Vortag veröffentlichten Ripple-65B Preview von Ricursive, hinkt daher: Diese Modelle sind tatsächlich frei verfügbar. Die Entscheidung, die Modellgewichte unter Verweis auf Cyberrisiken zurückzuhalten – nachdem sich der Exploit-Score durch das Training verdreifacht hat –, wirft letztlich eine Grundsatzfrage auf: Wenn ein offenes Modell unter Apache 2.0 als Fundament dient, kann das daraus resultierende Produkt wieder geschlossen werden. Es liegt dann allein im Ermessen des Anbieters, von Fall zu Fall zu entscheiden, wer Zugriff auf die Gewichte erhält.
Quellen
- Cognition — Introducing SWE-2 Flash (4. November 2026) Primärquelle
- Cognition (X) — Ankündigung von SWE-2 Flash Primärquelle
- Cognition (X) — Kostenlose Nutzung bis Ende November und Zugangsprogramm für Modellgewichte Primärquelle
- Thinking Machines — Modellkarte Inkling-Small (Hugging Face) Primärquelle
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.
