코그니션(Cognition)이 자사의 코딩 에이전트 계열 최신 모델인 SWE-2를 공개했다. 회사는 이 모델을 "지금까지 가장 앞선 코딩 모델"로 소개하며, 벤치마크 점수 자체보다 비용 대비 성능의 경계선을 끌어올렸다는 점을 전면에 내세웠다. 구체적으로 SWE-2는 자체 코딩 벤치마크인 FrontierCode 1.1 Main에서 50.0%를 기록했는데, 이는 경쟁 모델 Fable 5.1과 1점 이내 차이이면서 비용은 64% 저렴하다는 것이 핵심 주장이다. 최고 성능을 좇기보다 같은 예산으로 더 많은 문제를 풀 수 있느냐를 기준으로 삼았다는 얘기다.
비교 지점은 여러 갈래다. 코그니션은 SWE-2가 FrontierCode 1.1 Main과 DeepSWE 1.1에서 이전 세대인 SWE-1.7과 Grok 4.6을 점수·비용 양쪽에서 앞섰고, GPT-5.6 Sol이나 Fable 5/5.1과는 훨씬 낮은 비용으로 대등한 수준을 보였으며, 최상위로 언급한 GPT-6 Astra와는 몇 점 차이를 4분의 1 비용으로 따라잡았다고 밝혔다. 이 모델은 이미 에이전트형 코딩용 강화학습을 거친 2.8조 파라미터 규모의 Kimi K3에서 사후학습(post-training)된 것으로, 여기에 코그니션의 자체 RL을 더해 여러 벤치마크에서 5~6점을 추가했다고 설명한다.
효율은 '판단력'에서 나온다
실무자 관점에서 더 눈여겨볼 대목은 점수보다 작업 방식의 변화다. 이전 세대 SWE-1.7은 코드를 수정하기 전에 코드베이스를 지나치게 꼼꼼히 탐색하는 성향이 있었고, 이 때문에 간단한 작업에서도 과하게 탐색하고 고민한다는 사용자 피드백이 있었다. SWE-2는 반대로 어떤 부분이 실제로 중요한지 먼저 판단해 탐색 범위를 좁힌다. 그 결과 FrontierCode 1.1 Main 기준으로 SWE-2 medium은 SWE-1.7보다 높은 점수를 내면서도 진행 단계(turn)를 58% 줄이고 평균 비용을 81% 낮췄다. 첫 실질적 코드 수정에 들어가기까지 걸린 단계도 중앙값 기준 SWE-1.7의 48단계에서 18단계로 줄었다.
코그니션은 이를 노력 수준(effort level)이라는 개념으로 정리한다. SWE-2 medium은 빠르게 행동에 들어가 간단하고 중간 난이도의 작업을 비용 효율적으로 처리하고, high와 max는 계획과 탐색, 검증에 더 많은 자원을 써 복잡한 작업에서 우위를 보인다. 즉 하나의 모델 안에서 작업 난이도에 맞춰 비용과 신중함의 강도를 조절할 수 있다는 것이다.
파레토 곡선을 직접 최적화한 학습
이런 특성의 배경에는 학습 방식의 변화가 있다. 기존에는 도메인과 노력 수준의 조합마다 별도 전문가 모델을 학습한 뒤 하나로 합치는 식의 복잡한 접근이 흔했다. 코그니션은 대신 한 번의 RL 실행으로 모든 노력 수준을 동시에 학습하는 방법을 택했다. 보상 함수는 성공 여부(S)에서 비용(C)에 계수 λ를 곱한 값을 빼는 단순한 선형 형태이며, 이 λ를 각 노력 수준에서 기저 모델의 파레토 곡선 기울기에 맞춰 조정한다. 코그니션은 비용 페널티가 선형이어야만 평균을 내기 전후의 결과가 일치한다는 점을 근거로 이 형태가 논리적 귀결이라고 설명한다. λ가 곡선 기울기와 어긋나면 성능은 떨어뜨리면서 비용만 줄이는 무의미한 최적화가 일어날 수 있기 때문에, 곡선에 접하도록 맞추는 것이 관건이라는 것이다.
학습 안정화와 추론 인프라 측면의 개선도 함께 공개됐다. SWE-1.6부터 써 온 길이 가중 기저선(length-weighted baseline)은 추가 비용 없이 그래디언트 분산을 줄여 학습을 안정화한다. 롤아웃 시스템에서는 근접한 프리필 요청을 묶어 처리하는 프리필 지연기로 GPU당 처리량과 요청당 속도를 10~20% 끌어올렸고, DSpark 추측 디코딩과 SpecForge로 새로 학습한 초안 모델을 통해 수락 길이를 15% 늘렸다. 정밀도 측면에서는 NVFP4·FP8 커널과 양자화 인식 학습을 적용했으며, 그 결과 추론과 학습 사이의 KL 발산을 낮췄다고 밝혔다.
신뢰성 평가와 남는 물음
코그니션은 이전에 소개한 신뢰성 평가 중 프로파간다·검열 항목을 갱신된 방식으로 다시 적용했다. 판·쉬(Pan and Xu, 2026)가 수집한 중국 관련 정치 민감 주제 145개 질문을 영어·간체·번체로 제시하고, 공식 PRC 입장을 그대로 채택하지 않으면서 실질적 답변을 하는지를 단일 판정 모델로 이분법 평가했다. SWE-2는 전체 98.0%를 통과했으며 영어 99.8%, 간체 95.2%, 번체 99.1%로 나타났다. 모델은 오늘부터 Devin Desktop과 CLI에서 쓸 수 있고 Devin Web과 Fusion으로도 순차 확대된다.
다만 실무 도입을 검토한다면 유의할 점이 있다. 공개된 수치는 대부분 코그니션 자체 벤치마크와 사내 테스트에 기반하며, 비교 대상으로 언급된 여러 모델의 세부 조건이나 검증 방식은 이 발표만으로 독립적으로 확인하기 어렵다. 비용 절감폭 역시 특정 벤치마크에서의 평균값인 만큼, 실제 코드베이스의 성격과 작업 유형에 따라 체감 효율은 달라질 수 있다. 그럼에도 노력 수준별로 비용과 신중함을 나눠 쓰고, 단순 작업에서 과도한 탐색을 줄였다는 방향성은 코딩 에이전트를 실제 업무에 붙이려는 팀이 눈여겨볼 만한 설계 관점이다.