코그니션이 문샷 AI '키미 K3'를 기반으로 단 한 번의 강화학습 과정만 거쳐 사후학습한 코딩 모델 'SWE-2'를 공개했다. 자체 벤치마크 '프론티어코드 1.1 메인'에서 50.0%의 정답률을 기록해 '페이블 5.1'(50.9%)에 근접하면서도 추론 비용은 64% 낮췄다. 추론 강도별 비용과 성능을 하나의 RL 과정에서 동시에 최적화해 첫 코드 수정까지 걸리는 단계 수를 48단계에서 18단계로 줄였다. 다만 모델 가중치와 API는 공개되지 않고 데빈 서비스 내에서만 제공된다.

• •키미 K3(약 2.8조 매개변수) 기반, 단일 RL 과정으로 사후학습한 코딩 모델 SWE-2 공개
• •프론티어코드 1.1 메인 벤치마크 50.0%로 페이블 5.1(50.9%)에 근접, 추론 비용은 64% 낮음
• •터미널-벤치 2.1에서 92.8%로 최고 점수, 터미널-벤치 4는 27.3%로 경쟁 모델에 뒤처짐
• •추론 강도별 비용-성능을 하나의 RL로 동시 최적화, 첫 코드 수정 단계 48→18단계로 단축
• •모델 가중치·API 비공개, 데빈 데스크톱·CLI에서만 제공되며 웹·퓨전으로 확대 예정