Cognition SWE-2: coding-model evenaart de top, maar niet overal

Op 10 september 2026 bracht Cognition, het bedrijf achter AI-programmeeragent Devin, zijn nieuwste coding-model uit: SWE-2. Cognition noemt het zelf “ons meest geavanceerde coding-model tot nu toe” (Bron: Cognition). De cijfers die het bedrijf publiceerde onderbouwen die claim voor een deel — maar niet overal, en niet zonder kanttekeningen.

Update 25 september 2026 Gecorrigeerd: ook de Terminal-Bench 4-score van 27,3 procent staat in de tabel van Cognition’s eigen aankondiging; eerder schreven we dat Cognition die vergelijking wegliet (Cognition). Ook de beschikbaarheid is preciezer: Devin Desktop en CLI vanaf 10 september, Devin Web en Fusion in uitrol.

Wat SWE-2 anders maakt

SWE-2 is gebouwd op Kimi K3, een basismodel van 2,8 biljoen parameters, en daarbovenop getraind met reinforcement learning op een schaal die Cognition zelf “het multi-triljoen-parameter-regime” noemt. Concreet betekent dat: het model leert via proberen en corrigeren op grote hoeveelheden gesimuleerde programmeertaken, in plaats van alleen op vooraf gelabelde voorbeelden.

Beginner-tip Reinforcement learning (RL) is een trainingsmethode waarbij een AI-model wordt beloond voor goede uitkomsten en afgestraft voor slechte — te vergelijken met een hond die traint met snoepjes. Bij coding-modellen betekent “goed” meestal: code die daadwerkelijk werkt en de juiste tests doorstaat.

Cognition zegt dat SWE-2 sneller tot een eerste echte wijziging komt (een mediaan van 18 stappen, tegen 48 bij voorganger SWE-1.7) en daarbij 58 procent minder “turns” en gemiddeld 81 procent minder kosten nodig heeft op de FrontierCode 1.1 Main-benchmark (Bron: Cognition).

De cijfers naast elkaar — en waar het misgaat

Op de benchmarks waar Cognition zichzelf mee vergelijkt, wisselen sterke en zwakke resultaten elkaar af.

Benchmark	SWE-2	Fable 5.1	GPT-6 Astra
FrontierCode 1.1 Main	50,0%	50,9%	53,3%
DeepSWE 1.1	73,0%	67,4%	74,1%
Terminal-Bench 2.1	92,8%	91,4%	89,9%
Terminal-Bench 4	27,3%	55,8%	57,9%

Alle vier de rijen komen uit de tabel in Cognition’s eigen aankondiging (Bron: Cognition). Op Terminal-Bench 2.1 scoort SWE-2 zelfs hoger dan alle andere modellen in die tabel. De laatste rij vertelt een ander verhaal: op het zwaardere Terminal-Bench 4 haalt SWE-2 27,3 procent, minder dan de helft van Fable 5.1 (55,8 procent). In de begeleidende tekst legt Cognition de nadruk op FrontierCode en DeepSWE; analist Nitish Garg van CellCog zette de Terminal-Bench 4-rij op de dag van de release al centraal (Bron: CellCog).

Gevorderden Terminal-Bench test agentic taken in een echte terminal-omgeving — commando’s uitvoeren, bestanden beheren, foutmeldingen interpreteren — in plaats van alleen code schrijven in een geïsoleerde sandbox. Een groot verschil tussen versie 2.1 en 4 kan erop wijzen dat SWE-2 minder goed omgaat met complexere, meerstaps-agentworkflows dan met losse programmeeropdrachten.

De kostenclaim: 64 procent goedkoper dan wat precies?

Cognition presenteert SWE-2 als 64 procent goedkoper dan Fable 5.1 bij vergelijkbare prestaties, en ongeveer een kwart van de prijs van GPT-6 Astra (Bron: Cognition). Die claim is minder stevig dan hij klinkt. Garg wijst erop dat Cognition zelf geen prijs per miljoen tokens voor SWE-2 publiceerde: “Cognition publishes no price per million tokens for SWE-2.” De enige dollarbedragen in het blogbericht zijn de geschatte per-taak-kosten van de concurrenten, waaronder 3,28 dollar voor Fable 5.1 Medium (Bron: CellCog). Garg concludeert droog: elke SWE-2-prijs die je her en der ziet circuleren, is op 10 september “iemands schatting” geweest, geen bevestigd cijfer van Cognition zelf.

Belangrijk om te herhalen: alle benchmarkcijfers in dit artikel, ook die van Terminal-Bench 4, komen uit Cognition’s eigen blogpost. Onafhankelijke, herhaalde verificatie door externe partijen was bij het verschijnen van dit artikel nog niet gepubliceerd.

Waar je het kunt gebruiken

SWE-2 is sinds 10 september beschikbaar in Cognition’s eigen producten Devin Desktop en de command line-versie, en wordt uitgerold in de webversie en Fusion (Bron: Cognition). Het is dus geen los model dat je via een externe API-aanbieder aanroept — je gebruikt het binnen Cognition’s eigen Devin-omgeving. Hoe SWE-2 zich verhoudt tot de bredere modellenmarkt, waaronder de prijs van GPT-6 Astra zelf, zetten we op een rij in ons overzicht van de grote AI-modellen en in wat GPT-6 Astra kost.

Waarom dit ertoe doet

Wat hier gebeurt is minder een doorbraak dan een patroon: elke paar maanden claimt een nieuwe coding-agent de prijs-prestatieverhouding te verbeteren zonder concessies aan kwaliteit. Cognition zet SWE-2 expliciet naast de grote generalistische modellen van concurrenten, en wint op een deel van de benchmarks — maar het gat op Terminal-Bench 4 en de onverifieerbare kostenclaim laten zien dat de eigen marketingcijfers van een AI-lab zelden het hele verhaal vertellen. Voor wie AI-programmeertools gebruikt of overweegt, is de les niet “SWE-2 is beter of slechter”, maar: kijk verder dan de benchmarktabel die het bedrijf zelf uitkiest. GPT-6 Astra zelf bracht trouwens ook een andere primeur met zich mee: het eerste model in de risicoklasse “Critical” voor cyber. En wie de redesign van een concurrerende coding-assistent wil zien: Claude Code kreeg deze maand een grote desktop-update.