SWE-2 vale a pena no seu fluxo? Como saber se você é o público do modelo da Cognition

Todo lançamento de modelo chega com a mesma trilha sonora: "o mais capaz que já fizemos", gráfico bonito, benchmark novo

E a pergunta que realmente importa pra você quase nunca é respondida: isso serve pro MEU fluxo?

A Cognition lançou o SWE-2 em 10 de setembro de 2026, apresentado como seu modelo de código mais capaz

Esse post aqui não é venda nem review apaixonado, é um filtro de público: separar quem tem o tipo de tarefa que ganha com o SWE-2 de quem vai adotar por hype e não sentir diferença nenhuma

Bora ver quem é quem? 🙂

O que a Cognition lançou no SWE-2

O SWE-2 não nasceu do zero

Ele é pós-treinado a partir de um modelo aberto da Moonshot AI, o Kimi K3, um modelo de 2,8 trilhões de parâmetros que serviu de base para o pós-treino com RL

Se você conhece a ideia de pegar uma base pronta e afinar ela pro seu caso de uso, é bem isso, só que em escala industrial e com aprendizado por reforço em cima de tarefas de código

A contribuição técnica: um único run de RL para todos os esforços:

A parte mais interessante do anúncio não é a pontuação, é o método

A Cognition treinou os níveis de esforço medium, high e max em UMA única rodada de RL, em vez de rodadas separadas ou modelos separados pra cada nível

"Que nível de esforço?"

Pensa assim: é o quanto o agente se permite trabalhar numa tarefa antes de entregar

Isso aparece de forma bem concreta na quantidade de passos que ele gasta por execução, e é justamente aí que a conta de custo muda

O que muda na prática: esforço, passos e custo

Agora traduzindo os números pro dia a dia

A média de passos por run ficou em 53 no medium, 80 no high e 98 no max, contra 127 passos do SWE-1.7

Ou seja: mesmo no esforço mais alto, o SWE-2 gasta menos passos que a geração anterior gastava por padrão

Ele começa a editar código MUITO mais cedo:

Esse é o dado que mais explica o resto

A primeira edição real do código acontece depois de uma mediana de 18 passos, contra 48 passos do SWE-1.7

Exploração mais focada, menos vagando pelo repositório antes de botar a mão na massa

E o efeito disso na conta: no esforço medium, a Cognition reporta 58% menos turnos e 81% menos custo médio que o SWE-1.7 no FrontierCode 1.1 Main

Isso importa pro seu fluxo? Depende do volume:

Se você delega muita tarefa curta e repetitiva pro agente (ajuste de teste, refactor pequeno, correção de bug localizado), esse ganho de eficiência aparece no fim do mês

Se você roda duas ou três tarefas longas por semana, economizar turnos numa delas não vira economia perceptível

A régua aqui é frequência, não é entusiasmo com o gráfico

SWE-2 contra SWE-1.7 e os modelos de ponta

Todos os números abaixo são declarados pela Cognition no anúncio, medidos no FrontierCode 1.1 Main, que é o benchmark da própria Cognition e avalia se um PR escrito por IA seria aceito por um mantenedor humano

O leaderboard vive em cognition.com/frontiercode e é operado por ela, então não é avaliação de terceiro independente

Vale ler a tabela com essa lente:

Repara que o custo aparece sempre em termos relativos, em percentual de economia

Até 11 de setembro de 2026 não existe preço por token publicado do SWE-2, então qualquer conta absoluta que você vir por aí é estimativa de alguém, não número oficial

Para quem o SWE-2 foi desenhado (e para quem não foi)

Essa é a parte que decide a sua adoção, o resto é contexto

Ganha com o SWE-2:

• Quem já paga Devin e roda volume de tarefas delegadas. O modelo só existe dentro dos produtos Devin, então o ganho é imediato pra quem já está lá dentro
• Quem sente o custo por tarefa apertar. Menos turnos e menos passos por execução é exatamente o tipo de otimização que aparece quando você roda muita coisa
• Quem quer calibrar esforço por tipo de tarefa. Ter medium, high e max treinados no mesmo run permite mandar o trivial no esforço baixo e guardar o max pro problema cabeludo
• Quem trabalha no formato de PR fechado. O benchmark da casa mede justamente se o PR seria aceito por um mantenedor humano, e esse é o formato de trabalho que o modelo foi otimizado pra entregar

Não ganha (ou ganha muito pouco):

• Quem precisa de API própria. Não existe API standalone do SWE-2 até 11 de setembro de 2026, então integrar ele num pipeline seu está fora de questão
• Quem depende de pesos abertos ou self-hosting. Os pesos não foram abertos, apesar da base ser um modelo aberto. Ironia boa, mas não muda o fato
• Quem trabalha linha a linha no editor. Se o seu fluxo é autocomplete e edições pontuais, e não delegar a tarefa inteira pro agente, quase nada do ganho de eficiência chega até você. Nesse caso, montar seu próprio fluxo de prompts costuma mexer mais no ponteiro que trocar de modelo
• Quem tem volume baixo. 81% de economia em cima de pouca coisa continua sendo pouca coisa

Se você se viu na segunda lista, ótimo: acabou de economizar uma migração inteira 😀

Vale adotar agora? Veredito honesto

O argumento mais concreto do SWE-2 não é a pontuação, é a eficiência

Pontuar igual gastando menos passos e menos custo é um ganho que você consegue verificar no seu próprio histórico, diferente de "é mais inteligente", que é conversa mole de gráfico

E tem uma janela que deixa o teste barato: a Cognition liberou uso gratuito do SWE-2 no Devin Desktop e no Devin CLI para assinantes Pro, Max e Teams até 10 de outubro de 2026

Agora as ressalvas duras, porque elas existem:

1. Todo número vem da Cognition. FrontierCode 1.1 Main e DeepSWE 1.1 são benchmarks da própria empresa, com leaderboard mantido por ela. Isso não invalida o resultado, mas não substitui validação de terceiro independente
2. O modelo é preso ao ecossistema Devin. Sem API, sem pesos abertos, sem preço por token. Sua estratégia fica amarrada a um fornecedor só
3. Se você é Enterprise, a conta é outra. Enterprise é cobrado em ACUs (Agent Compute Units) na taxa definida no contrato, via contato com vendas, então a economia percentual do anúncio não se traduz direto na sua fatura

O conselho honesto: não confie na tabela, meça no seu repositório

Pega dez tarefas que você já delegou nos últimos meses, roda de novo e compara turnos, custo e quantas entregas passaram sem retrabalho

Esse exercício de medir o ganho real no seu projeto vale mais que qualquer benchmark de terceiro, porque o seu código não se parece com o benchmark de ninguém

Conclusão

Recapitulando o filtro

O SWE-2 é o modelo de código mais capaz da Cognition, pós-treinado em cima do Kimi K3, com os níveis medium, high e max treinados num único run de RL, e o ganho real que ele entrega é eficiência: primeira edição depois de 18 passos na mediana contra 48 do SWE-1.7, e 53 a 98 passos por run contra 127

Se você já assina Pro (US$ 20 por mês), Max ou Teams, o próximo passo é óbvio: usa a janela gratuita até 10 de outubro de 2026 no Devin Desktop ou no Devin CLI e compara contra o seu histórico de tarefas, com número seu, do seu repo

Se você não usa Devin, esperar faz mais sentido que migrar por hype: sem API e sem pesos abertos, não tem como encaixar ele no seu fluxo sem comprar o ecossistema inteiro

E aí, qual é o seu perfil de uso? Você delega tarefa fechada pro agente ou trabalha linha a linha no editor? Conta nos comentários que a conversa fica melhor com caso real

até o próximo post! 🙂