SWE-2 Flash açık bir modelden doğdu, ağırlıkları paylaşılmıyor

Cognition, Thinking Machines Lab’in Apache 2.0 lisanslı Inkling-Small modeli üzerine kurduğu SWE-2 Flash kodlama modelini çarşamba günü yayımladı, fakat ağırlıkları siber güvenlik gerekçesiyle paylaşmıyor. Şirkete göre model, SWE-2’nin beşte biri maliyetle çalışıyor ve token’ları yaklaşık üç kat hızlı üretiyor. Model Devin Desktop ve CLI üzerinden 30 Kasım’a kadar ücretsiz.

Mixture-of-experts nedir ve nerede kullanılır?

Mixture-of-experts (MoE), bir dil modelinin parametrelerini expert adı verilen alt ağlara bölen bir mimaridir. Bir router her token için yalnızca birkaç expert’i çalıştırır; toplam parametre sayısı büyük olsa da token başına hesaplama düşük kalır. Büyük open-weight modellerde yaygındır. Alternatifi, tüm parametrelerin her token’da çalıştığı dense modellerdir.

SWE-2 Flash kendi altyapınızda çalışmıyor

Kodlama agent’ını kapalı ağda çalıştırmak istiyorsanız SWE-2 Flash şimdilik bir seçenek değil. Model yalnızca Devin Desktop ve CLI üzerinden erişilebilir. Gönderdiğiniz kod Cognition’ın altyapısına gidiyor.

Base model Inkling-Small, Hugging Face’te Apache 2.0 lisansıyla duruyor. Cognition’ın verdiği rakama göre Terminal-Bench 4.0’da yüzde 0,9 alıyor. Flash’ın farkı reinforcement learning öncesine eklenen mid-training aşamasından geliyor ve bu aşamanın çıktısı paylaşılmıyor.

Inkling-Small 276 milyar parametreli bir mixture-of-experts modeli. Token başına 12 milyar parametre çalışıyor, fakat inference için tüm expert’lerin belleğe yüklenmesi gerekiyor. GPU kapasitesi planlarken 12 milyara değil 276 milyara bakın.

Rakamlar Cognition’ın kendi tablosundan

Şirketin yayımladığı sonuçlar:

• FrontierCode 2.0: base modelde yüzde 3,2, Flash’ta yüzde 24, SWE-2’de yüzde 23,8
• Terminal-Bench 4.0: base modelde yüzde 0,9, Flash’ta yüzde 20, SWE-2’nin gerisinde
• SWE-Bench Pro v2 Hard: Flash yüzde 89,9, SWE-2 yüzde 90,6
• ExploitBench: yüzde 11,3’ten yüzde 34,8’e

Bu rakamların hiçbiri bağımsız olarak doğrulanmadı. Claude Haiku 5.5 ve DeepSeek V4.1 Flash birkaç benchmark’ta Flash’ı geçiyor. Cognition’ın en iyi Amerikan open-weight model iddiası bu yüzden yalnızca ABD’de geliştirilen modellerle sınırlı.

Terminal-Bench 4.0 farkı DevOps işi için önemli. Shell komutu çalıştıran, log okuyan, servis yeniden başlatan agent görevleri bu teste daha yakın. Altyapı script’lerinde büyük model SWE-2 hâlâ daha iyi sonuç verebilir.

30 Kasım’a kadar kendi görevlerinizle ölçün

Ücretsiz dönemi vendor benchmark’ına güvenmek yerine kendi iş yükünüzü test etmeye ayırın. Repo’nuzdan çözülmüş 10-20 issue seçin. Aynı görevleri SWE-2 Flash ile SWE-2’ye verin, başarı oranını ve süreyi kaydedin.

Beşte bir maliyet ve üç kat hız, ancak sizin görevlerinizde başarı oranı düşmüyorsa işinize yarar. Ücretsiz dönem sonrası birim fiyat bu duyuruda yok; bütçe kararını deneme sonuçlarıyla verin.

Repo göndermeden önce secret taraması yapın. Agent repo’nun tamamını okuyabilir. Takip edilen dosyalar arasında anahtar kalmış mı diye hızlıca bakın:

git ls-files | grep -iE '\.env|\.pem|id_rsa'

Çıktı boş değilse o anahtarları yenileyin ve dosyaları repo’dan çıkarın.

ExploitBench skoru yama takviminizi de etkiliyor

Cognition siber güvenlik görevlerini eğitime kattı. Ağırlıkları kapatma gerekçesi olarak da yapay zekâ destekli saldırılardaki artışı gösteriyor. ExploitBench gerçek bir saldırıda modelin nasıl davranacağını ölçmüyor, fakat açık bulan modellerin hızla geliştiği belli.

Yapay zekâ araçları açık kaynak projelerde on binlerce olası güvenlik açığını, maintainer’ların inceleyip düzeltebileceğinden hızlı buluyor. Size yansıması bağımlılık güncellemelerinin sıklaşması olacak. Aylık yama penceresi kullanıyorsanız otomatik bağımlılık güncellemesi ve CI’da test ile haftalık merge düzenine geçmeyi değerlendirin.

Partner programını beklerken

Cognition ağırlıkları seçilmiş endüstri partnerleri ve araştırma laboratuvarlarıyla paylaşacak bir program hazırlıyor. Katılımcılar modeli inceleyebilecek, fine-tuning yapabilecek ve kendi altyapısında çalıştırabilecek. Kimin katılacağı, hangi kısıtların geleceği ve SWE-2 Flash üzerine kurulan modellerin paylaşılıp paylaşılamayacağı henüz açıklanmadı. Ayrıntılar önümüzdeki haftalarda gelecek.

Apache 2.0 bu kapatmaya izin veriyor. Lisans, türev modeli değiştirip ticarileştirene değişikliklerini paylaşma şartı koymuyor. Açık bir base modelin üzerine kurulan ürün kapalı kalabilir; model seçerken bunu göz önünde bulundurun.

Değerlendirme script’lerinizi modelden bağımsız yazın. Partner programı netleştiğinde veya başka bir open-weight model öne geçtiğinde geçiş birkaç yapılandırma satırına iner.