코딩 AI 스타트업 코그니션(Cognition)이 새로운 에이전트 코딩 모델 SWE-2를 출시했습니다. 이 모델은 2.8조 개의 매개변수를 가진 Kimi K3를 기반으로 강화학습(Reinforcement Learning)을 통해 개발되었으며, 주요 코딩 벤치마크에서 기존의 강력한 모델들과 어깨를 나란히 하면서도 훨씬 낮은 비용으로 주목받고 있습니다. 특히 복잡한 코딩 작업을 처리하는 데 있어 효율성과 성능을 동시에 개선했다는 평가를 받고 있습니다.
SWE-2는 FrontierCode 1.1 Main 벤치마크에서 50.0%의 점수를 기록, Fable 5.1의 50.9%와 0.9%p 차이에 불과하며, GPT-5.6 Sol과도 유사한 성능을 보였습니다. 특히 GPT-6 Astra와는 수 퍼센트포인트(%) 이내의 근소한 차이를 보이면서도 추론(inference) 비용은 약 4분의 1 수준으로 대폭 절감했습니다. 이는 추론 노력 수준별로 비용-성능 곡선 기울기에 맞춘 선형 비용 페널티를 적용하고, 길이 가중 보상 기준값(length-weighted reward baseline)과 온라인 초안 모델 학습 등 다양한 기술적 최적화를 통해 달성된 결과입니다. 또한, SWE-2는 Devin Desktop과 CLI에서 즉시 사용 가능하며, Devin Web과 Fusion에도 순차적으로 적용될 예정입니다.
SWE-2의 출시는 고성능 코딩 AI의 접근성을 높이고 개발 비용을 절감하는 데 중요한 의미를 가집니다. 특히 비용 효율적인 성능은 스타트업이나 개인 개발자에게 더 큰 기회를 제공할 수 있습니다. 기존 모델들이 복잡한 작업에서 과도한 탐색으로 비효율적이라는 피드백이 있었던 반면, SWE-2는 작업 관련 코드 영역을 더 잘 판단하여 불필요한 탐색을 줄이고 구현을 조기에 시작함으로써 효율성을 크게 개선했습니다. 이는 개발 프로세스의 속도를 높이고, AI 기반 개발 도구의 실질적인 활용도를 증대시키는 데 기여할 것으로 기대됩니다.