AIエンジニアを名乗るDevinの開発元Cognitionが9月10日、新しいコーディング特化モデル「SWE-2」を発表した。難しい設計判断を要するコーディング課題で、AnthropicのClaude Fable 5.1とほぼ同点の成績を残しながら、コストは64%安いという。Cursor や GitHub Copilot を使っている開発者にも無関係ではない話だ。値段の安いコーディングAIが、また一段しっかりした実力を持って出てきたことになる。
土台になっているのは、中国Moonshot AIが7月に無料公開した2.8兆パラメータのオープンウェイトモデル「Kimi K3」である。自前でフロンティアモデルを一から鍛える代わりに、他社が無料で配ったモデルの上に自社の強化学習を積み増す──このやり方が、コーディングAIの値付けをどこまで押し下げるのかを示す実例が、また1つ増えた。
⚠ 情報の鮮度について
一次情報はCognition公式ブログ「Introducing SWE-2」（2026年9月10日公開）です。本記事公開時点で24時間前後の経過とみられます（Cognitionは公開時刻を明記していないため、保守的に見積もっています）。ベンチマークの数値は同社の自己申告であり、第三者による再現検証はまだ出ていません。
Section 01
Devinの新モデル「SWE-2」、何が変わったのか
SWE-2は、AIに自律的にコードを書かせるDevinのための新しい基盤モデルだ。前身の「SWE-1.7」に代わるもので、9月10日時点でDevin DesktopとDevin CLIから使えるようになっており、Devin WebとDevin Fusionへの展開も進んでいるという。
技術的にいちばん特徴的なのは、負荷の異なる3段階の「エフォート」（medium・high・max）を、1回の強化学習で同時に鍛え上げた点だ。簡単な作業はmediumで安く速く、込み入った設計判断が要る作業はhighやmaxでじっくり時間をかける。この振り分けを別々のモデルではなく1つのモデルの中で持たせている。
費用対効果の傾き（Pareto frontier）に合わせて調整した費用ペナルティ、勾配のばらつきを抑える報酬の基準線、そして投機的デコーディングと量子化による学習・推論の高速化を組み合わせ、兆パラメータ級のモデルに対して強化学習を大規模に適用した。
— Cognition公式ブログより（2026年9月10日）
効果は数字にも表れている。SWE-2のmediumは、最初の実質的な編集にたどり着くまでの手数が中央値で18ステップと、前身のSWE-1.7の48ステップから大きく減った。全体でも手数は58%減り、平均コストは81%下がったとCognitionは説明している。
64%
Fable 5.1と同水準の成績に対するコスト減
1/4
GPT-6 Astraに迫る成績に対するコスト比
18歩
最初の編集までの手数の中央値（旧モデルは48歩）
一言でまとめると──「フロンティア級の一歩手前まで、値札だけ大きく下げて追いついてきた」。中国製の無料モデルを土台に、コーディング専業の強化学習を積み増すやり方が、また1つ実力を伴って出てきた1日でした。
Section 02
ベンチマークで見る立ち位置
Cognitionが公開した数値を並べると、SWE-2の得意・不得意がはっきり見える。「マージされるプルリクエストを書けるか」を測るFrontierCode 1.1 Mainでは50.0%を記録し、Fable 5.1の50.9%とほぼ並び、GPT-6 Astraの53.3%にも数点差まで迫った。
| ベンチマーク | SWE-2 | SWE-1.7 | Kimi K3（土台） | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 | GPT-6 Astra |
|---|---|---|---|---|---|---|---|
| FrontierCode 1.1 Main | 50.0% | 42.0% | 44.2% | 48.0% | 47.5% | 50.9% | 53.3% |
| DeepSWE 1.1 | 73.0% | 37.7% | 68.5% | 67.5% | 72.7% | 67.4% | 74.1% |
| Terminal-Bench 2.1 | 92.8% | 81.5% | 88.3% | 88.4% | 88.8% | 91.4% | 89.9% |
| Terminal-Bench 4.0 | 27.3% | 7.6% | 21.5% | 20.3% | 37.3% | 55.8% | 57.9% |
一方で弱みもはっきりしている。長時間の自律作業をこなす力を測るTerminal-Bench 4.0では27.3%にとどまり、Fable 5.1の55.8%、GPT-6 Astraの57.9%から大きく水をあけられた。前身のSWE-1.7（7.6%）からは伸びているものの、フロンティアモデルの半分にも届いていない。「1つのプルリクエストを書く」作業には強いが、「何十手も先まで自律的に判断し続ける」作業はまだ苦手という色分けが、この数字から見えてくる。
ⓘ ベンチマークの読み方
FrontierCode 1.1 Mainは「人間のレビュアーが実際にマージするか」を基準にした指標で、DeepSWE 1.1とTerminal-Bench 2.1はより短い作業の完遂率を測ります。Terminal-Bench 4.0だけは、長時間・複数手番にわたる自律的な作業を測る指標で、他の3指標とは性質が異なります。1つの数字だけを見て「SWE-2が勝った」と判断しないほうがよい理由はここにあります。
Section 03
なぜ中国製オープンウェイトの上に建てるのか
SWE-2の土台は、Cognitionがゼロからつくったモデルではない。Moonshot AIが2026年7月に無料公開した2.8兆パラメータのオープンウェイトモデル「Kimi K3」に、コーディング専業の強化学習を積み増したものだ。1兆パラメータを優に超えるモデルに対してこの規模で強化学習を適用したのは、Cognitionいわく初めての事例だという。
01
土台をタダで手に入れられる
Kimi K3はオープンウェイトで無料公開されている。数千万〜数億ドル規模とされる事前学習のコストを負担せずに、フロンティア級の下地を手に入れられる。
02
専業の強化学習で差をつける
土台はどの企業も同じKimi K3を使える。差がつくのは、その上にどれだけ質の高いコーディング専用の強化学習を積めるかであり、ここがCognitionのようなコーディング専業企業の勝負どころになる。
03
値付けの主導権が土台から動く
自社でモデルを一から鍛える会社と比べ、開発コストの重い部分を負担しない分だけ値段を下げられる。Kimi K3を土台にしたコーディングAIは、GitHub CopilotのKimi K3提供に続き、この数か月ですでに複数出てきている。
この動き自体は今回が初めてではない。GitHub Copilotは8月にKimi K3を一般提供しており、日本のSakana AIも同じKimi K3を土台にした日本語特化モデルを出している。SWE-2は、この流れの中で「コーディング専業の強化学習をどこまで積めるか」を示した最新の実例といえる。
Section 04
Cursor・Copilotを使う開発者にとっての意味
SWE-2はDevin専用のモデルであり、CursorやGitHub Copilotのモデル一覧に直接並ぶわけではない。それでも間接的な影響は小さくない。フロンティア級に近い実力を、大きく下げたコストで出すコーディングAIが増えるほど、CursorやCopilotが提供するモデルの値段にも下げ圧力がかかる。実際、CursorのAuto定額プランやGitHub Copilotの従量課金は、この夏だけで何度も条件が見直されてきた。
Devinの料金体系は、無料のFreeに加え、個人向けのPro（月20ドル）、より重い作業向けのMax（月200ドル）、チーム向けのTeams（1シート月40ドル・最低月80ドルから）という構成になっている（公式ドキュメント時点）。SWE-2への切り替えでこの価格帯自体が変わったという発表はない。
⚠ 切り替える前に確かめること
SWE-2はプルリクエスト単位の作業では前身より明確に強くなっていますが、Terminal-Bench 4.0が示すとおり、長時間の自律的な調査や複数手番にまたがる判断はまだフロンティアモデルに劣ります。バグ修正や機能追加のような区切りのよい作業には向きますが、要件が曖昧なまま長時間走らせる調査タスクは、結果を人が丁寧に確認できる範囲にとどめるのが安全です。
逆にいえば、「1つのタスクを1つのプルリクエストとして完結させる」使い方をしている読者にとっては、SWE-2は試す価値のある選択肢になる。CursorやCopilotで複数モデルを切り替えながら使っている人ほど、こうした専業モデルの動向を選択肢の1つとして押さえておく意味がある。
Section 05
編集部の見立て
Editor's Opinion
今回の発表でいちばん興味深いのは、SWE-2そのものの性能よりも、「土台は無料で手に入れ、専業の強化学習だけで差をつける」というやり方が、もはや一部の例外ではなく1つの定石になりつつある点だと考えます。Kimi K3を土台にしたコーディングAIは、GitHub CopilotやSakana AIに続き、これでCognitionが少なくとも3例目です。
Terminal-Bench 4.0でフロンティアモデルに大きく水をあけられている事実を、Cognitionが隠さずに公表している点も評価したいと考えます。都合のよい指標だけを並べる発表も少なくない中、弱みも読み取れる数字を残しているのは、読者が実際の使い分けを判断する材料になります。
一方で、コストが下がるスピードに、読者側の見極める力が追いついているかは別の問題です。「フロンティア級の一歩手前」を謳うコーディングAIが増えるほど、どのタスクにどのモデルを使うべきかという判断の比重は、むしろ読者の側に重くのしかかってきます。値段が下がったことを歓迎するだけでなく、どこで手を抜いてはいけないかを見極める視点を、この記事を含めて発信し続ける必要があると考えています。
Section 06
まとめ
2026年9月10日、Devinの開発元Cognitionが新しいコーディングモデル「SWE-2」を発表しました。Moonshot AIのオープンウェイトモデル「Kimi K3」（2.8兆パラメータ）を土台に、コーディング専業の強化学習を積み増したモデルです。
プルリクエストの完遂率を測るFrontierCode 1.1 Mainでは50.0%を記録し、Claude Fable 5.1の50.9%とほぼ同水準の成績を、64%低いコストで達成したとCognitionは説明しています。GPT-6 Astra（53.3%）に対しても数点差まで迫りながら、コストは4分の1だとしています。
一方、長時間の自律作業を測るTerminal-Bench 4.0では27.3%にとどまり、Fable 5.1（55.8%）やGPT-6 Astra（57.9%）には及びません。区切りのよいコーディング作業には強く、長時間の自律判断はまだ発展途上、という色分けです。
SWE-2はDevin Desktop・CLIから利用でき、Devin Web・Fusionへの展開も進んでいます。Devinの料金はPro月20ドル・Max月200ドル・Teams1シート月40ドルという構成で、SWE-2への切り替えによる価格変更の発表はありません。
Kimi K3を土台にしたコーディングAIは、この夏だけですでに複数登場しています。次にどの企業が同じ土台の上に何を建てるのか、値付け競争はまだ終わっていません。