Cognition lanza SWE-2 Flash, un modelo de código basado en Inkling-Small cuyos pesos se reserva
Cognition, el desarrollador de Devin, presentó el 4 de noviembre SWE-2 Flash, un modelo de código de 276 mil millones de parámetros (12 mil millones activos) derivado de Inkling-Small de Thinking Machines. Gratuito en Devin hasta finales de noviembre, no se puede descargar: Cognition alega riesgos de ciberseguridad.
Cognition, el desarrollador del agente de desarrollo Devin, presentó el 4 de noviembre de 2026 SWE-2 Flash, un modelo de código diseñado para las tareas habituales de los agentes: revisión de código, automatizaciones, pequeñas funcionalidades y actualización de documentación. Está construido sobre Inkling-Small, el modelo de pesos abiertos de Thinking Machines, y Cognition lo describe como un modelo «enteramente estadounidense». Sin embargo, a diferencia de su base, no se puede descargar: la empresa se reserva los pesos alegando riesgos de ciberseguridad.
Un modelo base abierto, transformado por el entrenamiento
Inkling-Small es un Mixture-of-Experts de 276 mil millones de parámetros, de los cuales solo 12 mil millones se activan para cada token. Según su ficha de Hugging Face, cuenta con 42 capas, enruta cada token a 6 expertos de un total de 256 (más 2 expertos compartidos) y admite entradas de texto, imágenes y audio. Sus pesos están publicados bajo licencia Apache 2.0, que autoriza este tipo de derivados sin obligación de hacerlos públicos.
Cognition afirma haber incorporado, por primera vez en su fórmula, una fase de entrenamiento intermedio (mid-training) previa al aprendizaje por refuerzo: varios billones de tokens procedentes de artículos científicos, blogs, código y otras fuentes, distribuidos en tres etapas para que el modelo procese los datos más infrecuentes y cuidados al final del proceso. A esto le sigue una fase de aprendizaje por refuerzo, cuyas mejoras provendrían sobre todo, según Cognition, de tareas más variadas y mejor verificadas que en SWE-2.
El impacto reivindicado resulta espectacular en algunas pruebas: en Terminal-Bench 4.0, la puntuación pasa del 0,9% en Inkling-Small al 20,0%; en FrontierCode 2.0, de 3,2 a 24,0. Cognition asegura que SWE-2 Flash supera a todos los modelos estadounidenses de pesos abiertos de su tabla comparativa, incluidos modelos tres veces más grandes como Beam 1.0 o Muse Spark Open.
Más pequeño que SWE-2, no superior en todo
La tabla de Cognition también refleja los límites del modelo. Frente a su hermano mayor SWE-2 (2.800 mil millones de parámetros, 104 mil millones activos), SWE-2 Flash se sitúa ligeramente por delante en FrontierCode 2.0 (24,0 frente a 23,8), pero claramente por detrás en Terminal-Bench 4.0 (20,0 frente a 27,3) y en DeepSWE 1.1 (60,1 frente a 73,0). Varios modelos ajenos a la categoría de «abiertos estadounidenses» obtienen mejores resultados en ciertas pruebas: DeepSeek V4.1 Flash alcanza 42,3 en Terminal-Bench 4.0 y 77,0 en DeepSWE 1.1 dentro de la misma tabla, y Claude Haiku 5.5 lo supera en FrontierCode 2.0 (27,7).
En cuanto a su uso, SWE-2 Flash está disponible en Devin Desktop y la CLI de Devin, de forma gratuita hasta finales de noviembre para los suscriptores Pro, Max y Teams. Cognition lo promociona como cinco veces más barato y tres veces más rápido que SWE-2, aunque no publica precios por token ni una API independiente de Devin. La demostración de velocidad de la publicación (200 frente a 60 tokens por segundo) reproduce sesiones reales a velocidades simuladas, tal como especifica su pie: no se trata de una medición de servicio en producción.
Pesos reservados en nombre de la ciberseguridad
El punto más controvertido radica en su distribución. Cognition señala haber entrenado específicamente el modelo en tareas de ciberseguridad «para ayudar a los defensores», elevando su puntuación en ExploitBench del 11,3% al 34,8%. Dado que estas capacidades también pueden beneficiar a atacantes, la empresa no publica los pesos por el momento. Está preparando un programa de acceso seguro para socios industriales y laboratorios, que podrán ajustar y ejecutar el modelo en sus propios entornos, y promete ofrecer más detalles «en las próximas semanas».
Nuestro análisis
SWE-2 Flash ilustra una tendencia muy clara: las empresas desarrolladoras de agentes ya no se conforman con conectar modelos de grandes laboratorios, sino que parten de bases abiertas para crear modelos propios más económicos de operar. La mejora anunciada respecto a Inkling-Small evidencia lo que puede aportar el entrenamiento especializado; no obstante, todas las cifras proceden de Cognition y el modelo no se puede evaluar en las mismas condiciones que un desarrollo publicado: ni se puede descargar ni se puede invocar fuera de Devin. Por tanto, la comparación con los «modelos estadounidenses abiertos», como Ripple-65B Preview de Ricursive, publicado la víspera, resulta algo descompensada: esos modelos sí están verdaderamente disponibles. La decisión de retener los pesos amparándose en el riesgo cibernético, tras triplicar la puntuación de explotación mediante el entrenamiento, plantea finalmente un debate recurrente: cuando un modelo abierto con Apache 2.0 sirve como base, el resultado obtenido puede volver a cerrarse, quedando ahora en manos de la empresa decidir, caso por caso, quién tiene derecho a acceder a los pesos.
Fuentes
- Cognition — Introducing SWE-2 Flash (4 de noviembre de 2026) Fuente primaria
- Cognition (X) — anuncio de SWE-2 Flash Fuente primaria
- Cognition (X) — gratuidad hasta finales de noviembre y programa de acceso a los pesos Fuente primaria
- Thinking Machines — ficha del modelo Inkling-Small (Hugging Face) Fuente primaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
