코그니션, 코딩 모델 'SWE-2' 공개… "킴 K3 기반, 비용 64% 낮춰"

코딩 에이전트 '데빈(Devin)'을 만든 코그니션(Cognition)이 자사 최고 성능의 코딩 모델 'SWE-2'를 공개했다고 마크테크포스트(MarkTechPost)가 12일 보도했다. SWE-2는 문샷AI의 2조8000억 파라미터 오픈 모델 '킴 K3'를 강화학습(RL)으로 사후 훈련(post-training)한 모델이다.

마크테크포스트에 따르면 코그니션은 자체 벤치마크인 '프런티어코드(FrontierCode) 1.1 메인'에서 SWE-2가 50.0%를 기록했다고 밝혔다. 이는 경쟁 모델인 페이블 5.1과 1점 차이지만 비용은 64% 낮은 수준이라는 설명이다. 다만 프런티어코드는 코그니션이 자체적으로 만든 벤치마크이며, 비교 대상 모델들의 수치 역시 코그니션이 자체 평가한 결과다. 코그니션은 SWE-2가 '터미널벤치 2.1'에서 가장 앞섰지만, '터미널벤치 4'에서는 페이블 5.1과 GPT-6 아스트라에 약 30점 뒤진다고 인정했다.

SWE-2는 코그니션 모델 가운데 처음으로 추론 노력 수준(reasoning effort)을 선택할 수 있으며, 세 가지 수준을 단일 강화학습 실행으로 함께 훈련했다. 전작 SWE-1.7이 단순한 작업에서도 과도하게 탐색하던 문제를 개선해, SWE-2 미디엄은 프런티어코드 1.1 메인에서 SWE-1.7보다 높은 점수를 내면서도 실행 횟수는 58%, 비용은 81% 줄였다. 실행당 평균 단계 수도 127회에서 53회로 감소했다.

SWE-2는 가중치가 공개되지 않았고 독립 API도 제공되지 않는다. 현재는 데빈 데스크톱과 CLI에서만 이용할 수 있으며, 데빈 웹과 퓨전에는 순차 적용될 예정이다.