Americká firma Cognition tento týden uvedla SWE-1.7, podle vlastních slov nejschopnější model, jaký kdy vytrénovala. Slibuje výkon na úrovni nejlepších modelů na trhu, ale za výrazně nižší cenu provozu. Firma tvrdí, že posouvá poměr mezi cenou a výkonem tam, kam se konkurence zatím nedostala.
Jméno Cognition přitom v Česku zná málokdo, i když jeho hlavní produkt vzbudil pozornost po celém světě. Než se dostaneme k tomu, co nový model umí, stojí za to připomenout, odkud firma přišla.
Parta olympioniků, která začínala u kryptoměn
Cognition vzniklo koncem roku 2023 v San Franciscu. Založili ho Scott Wu, Steven Hao a Walden Yan, tři bývalí soutěžní programátoři, kteří si na Mezinárodní olympiádě v informatice odnesli zlaté medaile. Celý zakladatelský tým jich dohromady nasbíral deset. Wu k tomu často říká, že naučit umělou inteligenci programovat je hluboce algoritmická úloha, a právě na tu mají jeho lidé nejlepší průpravu.
Zajímavé je, kde firma začala. Zpočátku se věnovala kryptoměnám. Teprve když po vydání ChatGPT vzrostl zájem o velké jazykové modely, zakladatelé změnili směr a pustili se do umělé inteligence.
Zlom přišel v březnu 2024. Cognition tehdy ukázalo Devina a označilo ho za prvního softwarového inženýra s umělou inteligencí. Nešlo o pouhého našeptávače kódu, jaké nabízela konkurence, ale o agenta, který sám plánoval, psal, ladil a testoval kód. Demo vyvolalo obrovský rozruch i vlnu skepse, protože část vývojářů zpochybnila, že nástroj skutečně zvládne to, co firma tvrdila.
Devin se naostro spustil v prosinci 2024 za pět set dolarů měsíčně pro celé vývojové týmy. O pár měsíců později, na jaře 2025, přišla verze Devin 2.0 s cenou od dvaceti dolarů. V létě téhož roku Cognition převzalo vývojové prostředí Windsurf, které se předtím stalo předmětem přetahované mezi velkými technologickými firmami. Tím se z původně jednoproduktové společnosti stala platforma pro vývoj softwaru.
Nejlepší model, jaký firma vytrénovala
A teď k novince. SWE-1.7 postavilo Cognition na základním modelu Kimi K2.7. Ten už prošel rozsáhlým doučováním pomocí posilovaného učení, přesto firma dosáhla dalšího velkého zlepšení. To podle ní zpochybňuje představu, že u takového tréninku existuje nějaký strop. Posilované učení podle Cognitionu dokáže schopnosti modelu posunout mnohem dál, než se čekalo.
Model míří hlavně na dlouhé, na sobě navazující úlohy, které běží na pozadí bez neustálého dohledu člověka. Právě to je podle firmy jádro kvalitní práce na softwaru.
Cognition zveřejnilo i čísla z testů. Na náročném testu FrontierCode 1.1 dosáhl SWE-1.7 úspěšnosti kolem dvaačtyřiceti procent, čímž se přiblížil nejsilnějším uzavřeným modelům a nechal za sebou svůj základ Kimi K2.7. Na testu Terminal-Bench 2.1 zvládl přes osmdesát procent úloh a na vícejazyčné verzi SWE-Bench necelých osmdesát procent. Oproti předchozí generaci SWE-1.6, která na FrontierCode zvládala jen kolem devíti procent, je to obrovský skok.
Umí si dělat poznámky a pracovat hodiny v kuse
Za lepšími výsledky stojí několik technických řešení. Jedno z nich Cognition nazývá samočinné shrnování. Když se agent blíží k hranici toho, kolik textu udrží v paměti, sám si sepíše, kde ve své práci je, a od toho shrnutí pokračuje dál. Během tréninku se model učil psát tyhle poznámky co nejstručněji a zároveň z nich co nejlépe těžit. Díky tomu jeho relace při tréninku dosahovaly délky až šesti hodin.
Aby model zbytečně nemluvil, zavedla firma střídavé trestání délky. V jedné fázi se soustředí jen na to, aby úlohu vyřešil, v druhé dostává postih za příliš dlouhá řešení. Výsledkem je model, který u snadných úkolů odpovídá stručně, ale u těžkých si nechává prostor přemýšlet.
Zajímavá je i změna chování oproti základnímu modelu. SWE-1.7 si kód před zásahem mnohem důkladněji prozkoumá. Dělá víc dotazů, čte víc souborů a víc hledá. Nejvíc se to projeví u oprav chyb. Zatímco hlášení popisuje obvykle jeden příznak, skutečná příčina často sahá hlouběje. Nový model se podle Cognitionu daleko častěji dopátrá kořene problému a promýšlí i okrajové případy. Když si není jistý, jak se má program chovat, radši si to ověří malým skriptem, než aby hádal.
Firma zároveň upozorňuje na jednu daň za tohle důkladnější uvažování. Model sáhne na víc souborů a napíše víc testů, než by úloha nutně vyžadovala. Rozšiřování rozsahu zásahů je podle Cognitionu trend, který v oboru provází silnější uvažovací schopnosti, a firma ho chce dál krotit.
Cena a dostupnost
SWE-1.7 je k mání už teď, a to uvnitř Devina, ať už v prohlížeči, v desktopové aplikaci, nebo z příkazové řádky. Model běží přes čipy firmy Cerebras rychlostí kolem tisíce tokenů za sekundu, takže odpovídá svižně. Přístup k Devinovi začíná na dvaceti dolarech měsíčně, týmový tarif s vyšším objemem výpočtů vyjde na pět set dolarů měsíčně a pro velké firmy nabízí Cognition tarif na míru. Celý smysl SWE-1.7 přitom firma staví na tom, že špičkový výkon dokáže nabídnout levněji než dosud.
Cognition dnes patří k nejsledovanějším firmám v oblasti programování s umělou inteligencí. Naposledy získala od investorů přes miliardu dolarů, což ji ocenilo na desítky miliard. Firma zároveň uvádí, že Devin dnes píše většinu jejího vlastního kódu.
