Ep.1586 Cognitionが「SWE-2 Flash」を発表──コスト5分の1・速度3倍で挑む実務特化型AIコーディング（2026年11月5日配信）

タイトル

Cognitionが「SWE-2 Flash」を発表──コスト5分の1・速度3倍で挑む実務特化型AIコーディング

このエピソードで登場するキーワードを説明します。

Cognition: 自律型AIソフトウェアエンジニア「Devin」を開発する米国のAIスタートアップ。ソフトウェア開発に特化した独自モデルの構築とエージェント基盤の提供を推進している。

Thinking Machines: 元OpenAI最高技術責任者のミラ・ムラティ氏が設立した米国のAI研究開発企業。オープンウェイトの基盤モデル「Inkling-Small」などを開発している。

SWE-2 Flash: Cognitionが2026年11月4日に発表した高速・低コストのコーディング特化型AIモデル。上位モデル「SWE-2」と比較して5分の1のコストと3倍の生成速度を実現している。

MoE (Mixture of Experts): AIモデルの内部を複数の専門領域に分割し、入力データに応じて必要な一部のみを稼働させるアーキテクチャ。総パラメータ数を大きく保ちつつ、推論時の計算負荷とコストを劇的に抑える。

中間訓練（ミッドトレーニング）: 事前学習済みの基盤モデルに対し、強化学習を行う前の段階で、特定領域の高品質なデータを追加学習させる手法。モデルの基礎的な専門能力を底上げする役割を果たす。

それでは解説に入ります。

自律型AIソフトウェアエンジニア「Devin」を手掛ける米国のAIスタートアップCognitionは2026年11月4日、高速かつ低コストで動作する新型コーディングモデル「SWE-2 Flash」を発表しました。同日より「Devin Desktop」およびコマンドラインツールの「Devin CLI」を通じて提供が開始されており、2026年11月30日までは対象の有料プラン契約者に向けて無料で開放されています。同社が2026年9月10日に発表した大型の上位モデル「SWE-2」と比較して、利用コストを5分の1に抑えながら、約3倍となる毎秒200トークンの高速生成を実現したのが最大の特徴です。

今回の発表で市場の注目を集めているのが、純米国製のモデルとしての位置づけです。前身の大型モデルであるSWE-2は、中国の月之暗面が開発した「Kimi K3」をベースに構築されていましたが、今回のSWE-2 Flashは、元OpenAI最高技術責任者のミラ・ムラティ氏が率いる米国のThinking Machinesが開発したオープンウェイトモデル「Inkling-Small」を土台に採用しました。モデルの構造にはMoEが用いられており、総パラメータ数2,760億個のうち、推論時に実際に稼働するアクティブパラメータ数を120億個に絞ることで、総パラメータ数2兆8,000億個・稼働1,040億個のSWE-2から大幅な軽量化を果たしています。

Cognitionはこの軽量モデルの知能を引き上げるため、自社のモデル開発レシピとして初めて、強化学習の前に大規模な中間訓練の工程を導入しました。厳選された科学論文や技術ブログ、ソースコードなど数兆トークンに及ぶデータを3段階に分けて学習させ、最終段階に最も希少で質の高いデータを配置する手法を採っています。その後に多様な実務タスクを用いた強化学習を施した結果、ベースモデルのInkling-Smallと比較して、コーディング能力を測る「Terminal-Bench 4.0」のスコアは0.9パーセントから20.0パーセントへ、「FrontierCode 2.0」では3.2パーセントから24.0パーセントへと飛躍的な向上を達成しました。特にFrontierCode 2.0においては、自社の大型モデルであるSWE-2の23.8パーセントをもわずかに上回り、3倍以上の規模を持つ他の米国製オープンウェイトモデルすべてを凌駕する性能を示しています。

もっとも、Cognitionはすべての開発業務をこの小型モデルだけで完結させることを意図しているわけではありません。より複雑な問題解決能力を問う「DeepSWE 1.1」ベンチマークでは、SWE-2が73.0パーセントを記録しているのに対し、SWE-2 Flashは60.1パーセントにとどまっています。現代のソフトウェア開発現場では、高度なアーキテクチャ設計には最上位モデルが不可欠である一方、コードレビューやテストの追加、ドキュメントの更新といった日常的な定型業務にまで高価な大型モデルを割り当てると、予算が逼迫し応答の待ち時間も長くなるという課題がありました。SWE-2 Flashは1タスクあたりの実行コストが約0.20ドルと、1回あたり6ドルから12ドル以上を要する他社の最上位モデルと比べて桁違いに安価であり、上位モデルを補佐する「サイドキック」として併用することで、開発全体の費用対効果を最大化する狙いがあります。

また、企業のシステム部門や政府機関での導入を見据え、セキュリティ領域の強化とモデルの透明性確保に向けた新たな方針も打ち出されました。学習過程でサイバーセキュリティ関連のタスクを重点的に強化したことで、脆弱性対応能力を測る「ExploitBench」のスコアはベースモデルの11.3パーセントから34.8パーセントへと大きく引き上げられています。しかし、こうした能力は防御側だけでなく悪意ある攻撃者にも悪用されるリスクを孕んでいるため、Cognitionは現時点でモデルの重みデータを一般には公開しない判断を下しました。その代わりとして、機密性の高いオンプレミス環境での運用や独自の追加学習を必要とする信頼できる業界パートナーや研究機関に限定し、安全に重みデータを共有する専用プログラムを数週間以内に立ち上げるとしています。AIコーディングの競争が単なる最高性能の追求から、実務におけるコスト管理と安全保障上のガバナンスを両立させる段階へと移行していることを象徴する動きと言えます。

今回のエピソードは以上で終了です。また次回お会いしましょう。