跑得快了，权重却更难拿到
11 月 4 日，Cognition 发布 SWE-2 Flash。底座是 Thinking Machines 的 Inkling-Small，稀疏 MoE，总参数 276B、每次激活 12B；原生生成速度 200 token/s，同门旗舰 SWE-2 是 60 token/s，调用价约为旗舰的五分之一。模型已进 Devin Desktop 与 Devin CLI，官方给出到 11 月 30 日为止的免费试用窗口。Cognition 官方博客、同花顺财经与多家解读稿，在这组规格上口径一致。
训练上的改动是在强化学习之前插了一段中训练。团队先用 token 效率曲线筛数据组合——同样验证损失，哪套语料更省 token——收敛到数万亿 token 的科技文章、技术博客与开源代码混合，再分三段把稀缺素材留到后段送入；之后才是大规模 RL，官方说增益主要来自任务质量与多样性。官方表格里，Terminal-Bench 4.0 从基座的 0.9% 到 20.0%，FrontierCode 2.0 从 3.2% 到 24.0%。这些分数都是厂商自评，评测环境、超时设置与验证脚本并不统一，跨实验室只能当参考。
真正的新题不是便宜，是分发
本站 9 月写过 Cognition SWE-2 用 Kimi K3 做后训练，把「够用」的编程能力做到约六成成本，那篇已经把成本与性能的帕累托曲线讲透了。Flash 再来一遍价格与速度，增量其实有限。这次没被写过的，是权重怎么发：官方说训练中专门强化了网络安全能力，ExploitBench 从基座的 11.3% 提到 34.8%，这套本事对防守方和攻击方一样有用，所以暂不公开完整后训练权重，改成面向可信产业伙伴与研究机构的定向申请，准入细则称数周后公布。
这个决定和同一周另一家形成了挺有意思的对照。月之暗面把 2.8 万亿参数的 Kimi K3.1 Pro 完整推理权重放了出来；Cognition 这边 276B 的小个子反而收紧。可见分不分发不看体量，看的是能力类型和客户结构：要生态与开发者的，倾向开放；要企业私有部署与合规客户的，倾向受控。两条路都讲得通，但对外宣称的「开放」二字，含义已经不一样了。
受控开放，难在受控两个字
定向分享听起来两全，可三件事都没公开：谁能申请、按什么标准审；拿到权重之后用途怎么审计；一旦泄露或被滥用，责任怎么划。官方目前只说支持本地部署、自有基础设施托管与微调，客户能拿到完整可观测链路，其余要等细则。在这三件事落地之前，受控更接近一份意向，还算不上可执行的制度。把它和本周 CrowdStrike 把急停装进网关的动作放一起看，会发现两家在解同一道题：能力越强，越需要在能力之外找到一个够不着的约束点——一个锁权重，一个装开关。
还有个容易被宣传语带偏的地方。官方那句「超过所有美国开放权重模型」，限定词很关键，比的是美国开放权重模型，不是全球。同一张表格里，GLM 5.3 Flash 与 DeepSeek V4.1 Flash 在 Terminal-Bench 4.0 上是 41.8% 与 42.3%，都高于 Flash 的 20.0%；在长时序终端任务上，它离旗舰与闭源前沿仍有明显距离。速度优势在长任务里比单轮生成更明显，官方用 Terminal-Bench 的一个任务做了 200 对 60 token/s 的对照回放，属内部演示，不是独立复测。
冷水：五倍价差要在自己仓库里才算数
所有跑分来自厂商自评，权重不公开意味着普通开发者没法独立复现；200 token/s 是原生生成速度，落到真实仓库还要摊上工具调用、等待与重试；免费窗口 11 月 30 日结束，之后按官方定价计费。定向分享的准入标准、审计方式与权重泄露责任，公开材料里都没有。对团队的建议倒很具体：拿自己仓库里三个中等难度任务，分别用 Flash 和现在的主力模型各跑一遍，只记一次通过率与端到端耗时。五倍价差、三倍速度，只有在你的任务上成立才算数；跑分表上的差距，替代不了这一趟。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。