コーディング支援AI「Devin」を手がける米Cognitionが、新しいコーディングAIモデル「SWE-2」を公開しました。自社ベンチマークFrontierCode（実在のオープンソースプロジェクトの改修作業を模した評価基準）で、競合の最上位モデルにわずか1点差まで迫る性能を保ちながら、利用コストは約64%抑えているのが特徴です。月20〜100ドル規模のAI開発予算がすぐ枯渇するという声も相次ぐなか、コストパフォーマンスを前面に打ち出した製品戦略が注目されています。
背景と文脈
Cognitionは、自然言語の指示だけでコードの追加や修正を任せられるAIエンジニア「Devin」の開発元として知られています。同社は前モデル「SWE-1.7」に続き、今回の「SWE-2」で第2世代の独自コーディングモデルを投入しました。
コーディング系AIを巡っては、性能競争以上にコストが焦点になりつつあります。海外企業ではAI開発予算を数カ月で使い切る例が相次いで報じられ、「トークン最大化」と呼ばれる高額請求への警戒が業界内で広がっています。SWE-2は、この流れをふまえて性能とコストの両立を狙った製品だといえます。
SWE-2は、中国発の大規模言語モデル（LLM：人間の自然な文章を理解し生成できる大規模なAIモデル）「Kimi K3」を土台に、Cognitionが独自の追加学習を施したモデルです。Kimi K3はMixture of Experts（MoE：巨大なモデルを複数の専門的な小モデルに分割し、入力ごとに必要な部分だけを動かすことで効率化する仕組み）を採用した約2.8兆パラメータ規模のモデルで、実際に動く部分は1回の処理あたり約1040億パラメータ程度に抑えられています。
技術/ビジネス面
Cognitionが公開した数値によると、SWE-2は自社ベンチマーク「FrontierCode 1.1 Main」で50.0%を記録したとCognition Releases SWE-2が報じています。現行の最上位モデルとされる「Fable 5.1」の50.9%、「GPT-6 Astra」の53.3%にわずかに届かない水準です。一方でターミナル操作の能力を測る「Terminal-Bench 2.1」では92.8%を達成し、Fable 5.1に対して利用コストを約64%削減しているとしています。
FrontierCodeは、20を超えるオープンソースの保守担当者が実際のリポジトリをもとに1件あたり40時間超をかけて作った評価用の課題集で、「マージできる状態」の基準も担当者ごとに委ねている点が特徴です。実務に近い泥臭い作業をどこまでこなせるかを測る狙いがあります。
技術面では、前モデルSWE-1.7から続く学習手法の改良に加え、NVFP4やFP8といった量子化（モデルの計算精度を落として軽量化し、処理を高速化する技術）に対応した専用の計算処理と、強化学習（人間の評価や自動採点をもとにAIの応答を望ましい方向へ調整していく学習手法）の学習環境を従来比3倍に増やした点が性能向上に寄与したといいます。Kimi K3のベースモデル単体と比べると、FrontierCode 1.1 Mainで5.8ポイント、Terminal-Bench 2.1でも4.5ポイントの改善が確認されています。
これからどうなるか
SWE-2はDevinを通じて利用できるようになる見込みで、既存ユーザーは大きな追加設定なしに乗り換えられそうです。最上位モデルにわずかに及ばない性能でコストを大幅に抑える設計は、予算の限られたスタートアップや、日常的なコード修正を大量にこなしたいチームにとって有力な選択肢になりそうです。
自分のプロダクトにコーディングエージェントを組み込んでいる開発者にとっては、「最強のモデル」ではなく「用途に対して十分な性能を、より安く」という選び方が現実的になってきたことを示す事例です。CI上で毎回大量のコード生成を走らせるような使い方では、この種のコスト差が月単位の請求額に直結します。
今後は、Kimi K3のような中国発の基盤モデルを追加学習で活用する動きが他社にも広がるか、そして各社のベンチマークが実際の開発現場をどこまで正確に映しているかが、引き続き注目されます。
まとめ
Cognitionの新モデル「SWE-2」は、最上位モデルにわずかに及ばない性能を、約64%低いコストで実現した点が最大の特徴です。中国発の基盤モデルKimi K3を活用した追加学習という開発手法も含め、コーディングAI選びの基準が「性能一辺倒」から「コスト対性能」へ移りつつあることを示す事例といえます。
参考リンク
アイキャッチ画像: Photo by ThisisEngineering on Unsplash
