SWE-2 Flash: código 3x mais rápido por um quinto do preço

O SWE-2 Flash é um modelo de código da Cognition, com 276 bilhões de parâmetros totais e 12 bilhões ativos, lançado em 04/11/2026. Custa um quinto do SWE-2 maior e responde três vezes mais rápido no replay simulado do anúncio, 200 contra 60 tokens por segundo. A capacidade nova vem da receita de treino; o preço, de decisão comercial.

O que mudou na receita de treino?

A Cognition inseriu uma etapa de mid-training antes do aprendizado por reforço, construída sobre o Inkling-Small da Thinking Machines. A etapa nova consome alguns trilhões de tokens de artigos científicos, blogs, código e outras fontes, em três estágios. No FrontierCode 2.0, a base marcava 3,2% e o SWE-2 Flash entrega 24,0%.

A frase acima esconde a parte que interessa a quem assina a fatura. O salto de 3,2% para 24,0% não é um modelo grande ficando melhor: é um modelo pequeno sendo preparado antes de ser cobrado pelo trabalho. Mid-training é a etapa entre o pré-treinamento bruto e o reforço, e a Cognition a apresenta como novidade na receita.

A ordem é deliberada: o material mais escasso entra no último dos três estágios. Para escolher o mix, a Cognition comparou a eficiência de token de cada fonte.

A diversidade de tarefas não está nessa etapa. Ela aparece no reforço, onde a Cognition auditou instruções, ambiente e verificadores de cada tarefa e montou tipos novos. Lá a empresa localiza a maior parte do ganho: os ajustes na receita foram pontuais, e a diferença veio da qualidade e da diversidade das tarefas.

O anúncio para aí. Ele não declara economia de treino, não diz que o reforço ficou mais curto e não liga a receita ao preço: apresenta o modelo a um quinto do SWE-2 como decisão comercial, ao lado da velocidade. A conexão entre a etapa nova e o custo por tarefa é leitura desta análise, não afirmação do fornecedor.

Modelo de código caro não é caro por parâmetro, é caro por tentativa. Cada rodada de reforço que conserta um comportamento básico queima GPU sem devolver capacidade nova. Preparar o formato antes reduz o que sobra para o reforço aprender.

O segundo número é o de parâmetros ativos: 12 bilhões acendendo dentro de 276 bilhões, e ativação esparsa reduz o custo por token.

A receita, etapa por etapa, fica assim:

A Cognition publica o volume do mid-training, alguns trilhões de tokens, e não o do pré-treinamento nem o do reforço. A tabela descreve o desenho, não o orçamento.

O anúncio publica oito avaliações e destaca três em gráfico: FrontierCode 2.0, que olha patch em repositório real, Terminal-Bench 4.0, que olha operação de terminal, e DeepSWE 1.1, que olha resolução de tarefa. Um modelo pode ir bem em uma e mal em outra, e por isso a decisão sai da tabela completa.

Onde o SWE-2 Flash ainda perde?

No FrontierCode 2.0 o SWE-2 Flash marca 24,0% contra 23,8% do SWE-2, e essa é a única das oito avaliações publicadas em que ele lidera. No DeepSWE 1.1 a distância é de 12,9 pontos, e no Terminal-Bench 4.0 de 7,3. Contra o Claude Haiku 5.5, a desvantagem no FrontierCode 2.0 é de 3,7 pontos.

Vale ler as margens com frieza, porque elas não têm o mesmo peso.

A vantagem sobre o irmão maior é de 0,2 ponto e cabe dentro da variação entre execuções; chamar o Flash de mais capaz que o SWE-2 por causa dela seria esticar o dado. O que a tabela mostra é outra coisa: o modelo cinco vezes mais barato empata no FrontierCode 2.0 e fica atrás nas outras sete avaliações publicadas, com 12,9 pontos de distância no DeepSWE 1.1 e 4,5 no FrontierCode 1.1. A troca é de custo, e o preço dela é capacidade fora do FrontierCode 2.0.

A distância contra o Claude Haiku 5.5 muda conforme o eixo. No FrontierCode 2.0 são 3,7 pontos. No Terminal-Bench 4.0 o Haiku marca 39,2 contra 20,0, o que dá 19,2 pontos, e no DeepSWE 1.1 o Flash fica à frente por 0,8. Quem cita só o primeiro número escolhe o eixo favorável.

A pergunta que sobra é operacional: quantos pontos custam uma revisão a mais por semana? Em código com cobertura de teste, o patch errado morre no teste. Sem cobertura, ele chega em produção.

Leitura de 06/11/2026. A velocidade é a do replay simulado de um trace no Terminal-Bench 4.0, não uma medição de produção. As distâncias em pontos citadas no texto são subtrações simples entre as células desta tabela. Benchmark muda de versão e de harness.

Nenhuma das oito avaliações traz intervalo de confiança, e o anúncio não diz quantas execuções sustentam cada número. O uso fica definido por isso: serve para escolher onde testar, não para assinar contrato. A diferença entre 23,8% e 24,0% não sobrevive a essa ausência. A de 12,9 pontos no DeepSWE sobrevive.

A conclusão não é substituição, é repartição, mas o critério de tolerância precisa sair do eixo certo. Contra o SWE-2, a perda é zero no FrontierCode 2.0, 7,3 pontos no Terminal-Bench 4.0 e 12,9 no DeepSWE 1.1, a avaliação mais próxima de tarefa curta de agente. Revisão de código, teste unitário e refatoração guiada têm verificação barata para absorver o erro. A camada de agente, que o desenho abaixo coloca na mesma faixa de risco, é a que perde mais no eixo publicado, e migra depois do piloto.

Qual é o custo por tarefa em cada camada?

O custo por tarefa cai para um quinto nas camadas que migram, porque o preço por token é um quinto e o volume de tokens por tarefa não muda. A camada que fica no modelo grande mantém o custo atual. O ganho depende da divisão do portfólio, e essa divisão é decisão de engenharia, não de tabela de preços.

Antes do índice, a conta que decide a migração: um quinto do preço compra cinco tentativas pelo preço de uma. Na quinta, a vantagem inteira desaparece. Quem migra uma camada e vê o retry subir para cinco tentativas por tarefa não economizou nada, e essa é a forma mais comum de perder a economia.

A tabela abaixo usa índice com o SWE-2 em 100. É aritmética sobre o preço relativo do anúncio, não um número do fornecedor, e assume o mesmo volume de tokens por tarefa nos dois modelos.

Com 70% do volume migrado, o índice do portfólio sai de 100 para 44: setenta por cento a um quinto do preço, trinta por cento no preço cheio. A queda de 56% não é desconto de fornecedor, é consequência de onde o trabalho é colocado. Se a camada de agente ficar fora até o piloto fechar, a divisão encolhe e o índice sobe.

A matriz abaixo traduz a mesma conta para a decisão de cada camada.

Uma camada que a tabela não captura: o laço do agente. 200 tokens por segundo contra 60 encurta a espera em cada rodada, e em dez chamadas encadeadas a diferença aparece para quem espera na tela. Velocidade não reduz a fatura direto: reduz a troca de tarefa do engenheiro enquanto o agente roda.

Os pesos fechados mudam a decisão de compra?

Sim, mudam o risco, não o preço. A Cognition não publicou os pesos do SWE-2 Flash e justificou a decisão com risco cibernético. O anúncio diz que a empresa está construindo um programa para compartilhar os pesos com parceiros da indústria e laboratórios de pesquisa, com mais detalhes em algumas semanas, sem data e sem lista.

O número que sustenta a justificativa é declarado como trabalho de treino, não como efeito colateral. A Cognition afirma que mirou segurança cibernética no treinamento e que isso elevou o ExploitBench de 11,3% para 34,8%. A consequência que o próprio anúncio admite: as mesmas capacidades servem a atacantes, e é por isso que os pesos seguem fechados.

Para quem compra, a consequência tem dois lados. Do lado bom, não há peso rodando fora do ambiente do fornecedor, o que simplifica a auditoria de origem. Do lado ruim, não existe plano B: se o provedor muda o modelo atrás do mesmo nome, o comportamento muda sem aviso e sem como fixar a versão anterior. Isso é dependência de fornecedor com outro nome.

O outro extremo do mercado mede o preço dessa escolha. Um modelo aberto de 1M de tokens, como o coberto em DeepSeek V4.1-Flash-1017: modelo aberto de 1M de tokens com busca própria a US$ 0,75 por mil chamadas, permite baixar peso e congelar versão, segundo o artigo interno. O SWE-2 Flash não permite, e a troca é explícita: desempenho por token melhor contra controle de versão pior. Isso não é detalhe de licença.

A decisão de governança mais ampla está em A nova posição sobre modelos de pesos abertos e o problema de governança empresarial. Peso fechado desloca a avaliação para o comportamento observado em produção, já que o artefato não está disponível para inspeção.

O anúncio declara a intenção de dar acesso transparente aos pesos a parceiros e pesquisadores, com ajuste fino e execução em ambiente sensível. Intenção não é garantia: não há prazo, critério de entrada nem compromisso de abertura pública. Quem precisa de peso para o compliance trata o SWE-2 Flash como modelo hospedado e negocia contrato, retenção e aviso de troca de versão.

O que o anúncio publica e o que fica em aberto para a conversa de contrato:

Nenhuma dessas respostas está no anúncio. Todas pesam mais que o preço quando o código é de cliente regulado, e a pergunta deixa de ser quanto custa o token: passa a ser quem responde quando o comportamento muda sem aviso.

Que janela existe para avaliar antes de 30/11?

O acesso está aberto no Devin Desktop e na CLI, gratuito até 30/11/2026. A janela é curta e tem prazo declarado, o que muda o formato do piloto: não dá para rodar um trimestre de observação e decidir depois. A avaliação precisa produzir número antes do fim do mês.

Três semanas e meia bastam para medir custo por tarefa em três camadas e não bastam para medir qualidade em código legado. Aceitar a assimetria é o começo de um piloto honesto.

Há um perfil que não deveria entrar agora: time com código de alto risco regulatório e sem suíte de teste que sirva de rede ganha pouco com três semanas.

A medição que sustenta a decisão tem cinco passos, e nenhum deles é opcional:

1. Congele um conjunto de 30 tarefas que o time já resolveu, com o diff aceito servindo de gabarito.
2. Rode as mesmas 30 tarefas no SWE-2 Flash e no modelo atual, sem ajustar prompt entre as duas rodadas.
3. Registre três dados por tarefa: tokens gastos, tempo até a primeira resposta útil e se o diff foi aceito sem edição.
4. Compare a taxa de aceitação antes do custo: modelo barato com aceitação menor devolve a diferença em retrabalho.
5. Repita a rodada na última semana da janela, para capturar mudança de comportamento do modelo hospedado.

Com o número na mão, o roteiro de 90 dias cabe no prazo. Cada fase tem critério de saída, porque piloto sem critério de saída vira opinião com gráfico.

A fase 1 costuma falhar. Rodar em paralelo significa executar a mesma tarefa nos dois modelos e comparar o diff aceito, não trocar o modelo e ver se algo quebra. O primeiro formato produz número, e o segundo produz impressão.

A fase 3 existe por causa do peso fechado. Sem versão fixável, a única proteção contra mudança silenciosa é medir de novo depois que o acesso gratuito acabar, porque o comportamento do mês seguinte pode não ser o do piloto.

Perguntas frequentes

As cinco perguntas abaixo são as que abrem a conversa de compra: pesos, substituição do SWE-2, a origem do ExploitBench, preço absoluto e o prazo da janela. Cada resposta fica no que o anúncio publica, e o que ele não publica aparece como ausência declarada.

O SWE-2 Flash tem pesos abertos? Não. A Cognition não publicou os pesos e citou risco cibernético, com o ExploitBench subindo de 11,3% para 34,8%. A empresa diz estar construindo um programa com parceiros, com detalhes prometidos em algumas semanas, sem data e sem garantia de abertura.

Ele substitui o SWE-2? Não para todo trabalho. Empata no FrontierCode 2.0, com 24,0% contra 23,8%, e fica atrás nas outras sete avaliações publicadas, com 12,9 pontos no DeepSWE 1.1. Em troca, custa um quinto e responde três vezes mais rápido no replay simulado. A leitura que se sustenta é repartir o portfólio por camada.

Por que o ExploitBench subiu de 11,3% para 34,8%? Porque a Cognition mirou segurança cibernética no treinamento, segundo o anúncio: o ganho é objetivo declarado de treino, não transbordamento da habilidade de código. A empresa reconhece que as mesmas capacidades servem a atacantes, e essa é a razão para manter os pesos fechados.

Quanto custa uma tarefa no SWE-2 Flash? A Cognition publica preço relativo, um quinto do SWE-2, e não publica valor absoluto. Qualquer cifra em dólar por tarefa foi calculada por terceiros com premissas próprias de consumo de tokens.

Até quando o acesso é gratuito? Até 30/11/2026, no Devin Desktop e na CLI. O anúncio não informa o que acontece depois: não diz se o acesso continua, nem qual será o preço cobrado a partir de 1º/12.

Referências e Leitura Complementar

A fonte primária desta análise é o anúncio da Cognition, Introducing SWE-2 Flash, publicado em 04/11/2026. Todos os números de benchmark, de preço relativo e de velocidade saem dele. Leitura em 06/11/2026. Os links abaixo tratam da mesma pergunta em escalas diferentes.

Para o recálculo de custo por tarefa com mais de um modelo, Orquestração multi-modelo na prática: 2 pontos de índice a menos por metade do custo por tarefa trata da mesma pergunta em outra escala.

Para o trade-off entre qualidade e preço quando a diferença de índice é pequena, Um modelo 11 pontos mais inteligente pelo mesmo custo por tarefa: como recalcular o trade-off no roteador é a leitura que antecede esta.

Próximo passo: revisar a política de roteamento no Nexforce Router

O SWE-2 Flash não pede troca de fornecedor. Pede uma linha nova na política de roteamento: qual camada de tarefa vai para o modelo barato, qual continua no caro, e qual métrica autoriza a troca de uma para o outro.

No Nexforce Router a política é onde essa decisão vira execução, com API compatível com OpenAI, seleção de modelo por custo, desempenho, latência e contexto, limite de gasto por chave e failover entre provedores. O ganho de 56% no índice só existe se a regra estiver escrita e o gasto limitado por chave, porque um modelo cinco vezes mais barato com volume cinco vezes maior devolve a fatura ao ponto de partida.

Política de roteamento, na prática, é uma tabela de decisão: tipo de tarefa na entrada, modelo na saída, limite de tentativa por chamada e teto de gasto por chave. O limite de tentativa é o campo que quase ninguém escreve.

A revisão tem prazo. Rode a medição das camadas antes de 30/11/2026, com o acesso gratuito valendo, e escreva a regra com o número na mão. Depois dessa data, cada teste custa preço cheio, e a janela de 100 para 44 fica como referência histórica, não como projeção.