Cognition yeni kodlama modeli SWE-2'yi kullanıma sundu
Öne çıkanlar
- SWE-2, FrontierCode 1.1 Main testinde yüzde 50 skora ulaşarak Fable 5.1'e yaklaştı ve yüzde 64 daha düşük maliyet sergiledi.
- 2,8 trilyon parametreli Kimi K3 taban modeli üzerinde pekiştirmeli öğrenme kullanılarak geliştirildi.
- Model, Devin Desktop ve Devin CLI üzerinde doğrudan kullanıma sunuldu.
Cognition, gelişmiş kodlama yeteneklerine odaklanan yeni yapay zeka modeli SWE-2'yi duyurdu. Kimi K3 tabanlı 2,8 trilyon parametreli model üzerinde pekiştirmeli öğrenme (RL) ile eğitilen SWE-2, FrontierCode 1.1 Main testinde yüzde 50 başarı oranına ulaştı. Şirket, bu başarım ile Fable 5.1 modeline bir puan yaklaşırken maliyet tarafında yüzde 64 tasarruf sağlandığını açıkladı. Model ayrıca DeepSWE 1.1 testinde yüzde 73 skor elde ederek önceki sürüm SWE-1.7 ile Grok 4.6'yı geride bıraktı.
Yeni modelin eğitiminde farklı akıl yürütme seviyelerini tek bir döngüde eğiten doğrusal maliyet cezalı bir RL algoritması kullanıldı. Şirket, eğitim altyapısına uzunluk ağırlıklı ödül tabanı entegre ederek gradyan varyansını azalttı ve eğitim kararlılığını artırdı. Kod üretiminde çıkarım verimini yükseltmek için DSpark kurgusal kod çözme tekniği ve çevrim içi taslak modeller devreye alındı. Bellek tasarrufu sağlamak amacıyla NVFP4 ve FP8 çekirdekleri ile kuantizasyon destekli eğitim tercih edildi.
SWE-2, Devin Desktop ve Devin CLI araçlarında genel erişime açıldı; Devin Web ve Fusion platformlarında ise kademeli olarak dağıtılmaya başlandı. Model davranışlarında gereksiz kod taramalarının azaldığı ve ilk kod düzenlemesine ortalama 18 adımda başlandığı aktarıldı. Güvenilirlik testlerinde de değerlendirilen model, siyasi sansür ve manipülasyon testlerinde genel olarak yüzde 98 başarı oranı yakaladı.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.