❯ Cognition基于Kimi K2.7训出SWE-1.7，接入Devin跑到每秒千token

发布要点AI 编程公司 Cognition 发布迄今最强模型 SWE-1.7，直接以月之暗面 Kimi K2.7 为底座训练，接入自家智能体 Devin，借云端推理商 Cerebras 跑到每秒 1000 个 token；公司称它以更低成本逼近前沿智能。据 Cognition 博客，SWE-1.7 在 FrontierCode 1.1 拿到 42.3%、Terminal-Bench 2.1 达 81.5%。

细节背景最耐人琢磨的是训练方式。据 Cognition 博客，SWE-1.7 用的是横跨三大洲四个数据中心的分布式强化学习流水线，把自家 GPU 和 Fireworks 等推理商的算力拼在一起。关键点在于：Kimi K2.7 底座本身已经做过大量强化学习后训练，Cognition 在其上再训还能拿到大幅增益——这直接挑战了业界”后训练存在天花板”的说法，暗示强化学习能把能力推得比想象中更远。性能上，SWE-1.7 各项比 Anthropic 的 Opus 4.8 差几分，但在多语言 SWE-Bench 上反超 GPT-5.5，而每道 FrontierCode 任务约 1.97 美元的成本，把它摆在了更划算的性价比曲线上。中国开源底座加美国公司再训练的组合，本身也是一条值得记的产业线索。

影响落点对盯着编程模型选型的工程负责人，真正被改写的是成本与速度的取舍：每秒千 token 加每任务约两美元，让”快且够用”能和最贵前沿模型同台比价。对整个训练圈，Kimi K2.7 底座还能再榨出这么多增益，等于给”开源模型只是起点、后训练潜力远未见底”添了一个实证。SWE-1.7 只在 Devin 里用、不单独开放调用，也让它更像 Cognition 绑定用户的筹码。

signal: 在已被反复强化学习的开源底座上再训还能大涨，SWE-1.7 戳破的是”后训练天花板”这个假设。