Fast auf Spitzenniveau, günstiger und über drei Kontinente trainiert
SWE-1.7 von Cognition erreicht fast Spitzenniveau zu geringeren Kosten und 1000 Tokens pro Sekunde, trainiert über drei Kontinente.
Cognition, die Firma hinter dem KI-Entwickler Devin, hat ein Coding-Modell trainiert, das fast an die stärksten Modelle heranreicht – zu deutlich geringeren Kosten und bei 1000 Tokens pro Sekunde. Der eigentliche Clou steckt nicht im Modell, sondern darunter: im Training, verteilt über vier Rechenzentren auf drei Kontinenten.
Das Wichtigste in Kürze
- Fast auf Frontier-Niveau. SWE-1.7 erreicht 42,3 Prozent auf Cognitions eigenem FrontierCode-Benchmark, praktisch gleichauf mit GPT-5.5 (43,0) und in Sichtweite von Opus 4.8 (46,5). Das Basis-Modell Kimi K2.7 liegt bei 30,1.
- Training über drei Kontinente. Das Reinforcement Learning lief auf vier Rechenzentren, verbunden über komprimierte Gewichts-Updates, die pro Transfer um mehr als 99 Prozent schrumpfen.
- Speed als neuer Hebel. Über den Chip-Spezialisten Cerebras läuft das Modell mit 1000 Tokens pro Sekunde direkt in Devin. Schnell genug, um das Arbeiten mit Coding-Agenten spürbar zu verändern.
Verwandt:Cursor Cloud-Agents: Coden, auch wenn der Laptop zu ist / Zum ersten Mal kann man einer KI beim Denken zusehen
Fast Frontier, zu einem Bruchteil der Kosten
Ich arbeite jeden Tag mit Coding-Modellen. Die entscheidende Frage ist selten, welches auf dem Papier die höchste Punktzahl holt. Sie lautet, welches genug leistet, um im Alltag zu tragen, ohne das Budget für Inferenz zu sprengen. Genau an dieser Stelle wird SWE-1.7 interessant. Cognition zeigt ein Modell, das nah an die stärksten Anbieter herankommt, aber laut eigener Aussage zu deutlich geringeren Kosten läuft.
Die Tabelle zeigt Pass-Raten auf drei agentischen Coding-Benchmarks. Opus 4.8 führt weiter das Feld an, keine Frage. Der Punkt ist ein anderer: SWE-1.7 liegt auf FrontierCode praktisch gleichauf mit GPT-5.5 und weit vor seinem eigenen Basis-Modell. Wer den Preis- und Geschwindigkeitsvorteil dazurechnet, sieht, warum das Feld gerade in Bewegung gerät.
| Benchmark | SWE-1.7 | Kimi K2.7 | GPT-5.5 | Opus 4.8 | Opus 4.7 | GLM-5.2 | Composer 2.5 | SWE-1.6 |
|---|---|---|---|---|---|---|---|---|
| FrontierCode 1.1 Main | 42,3 | 30,1 | 43,0 | 46,5 | 38,5 | 24,5 | 25,6 | 9,4 |
| Terminal-Bench 2.1 | 81,5 | 72,7 | 84,2 | 86,9 | 83,0 | 81,0 | 76,0 | 39,7 |
| SWE-Bench Multilingual | 77,8 | 73,5 | 76,8 | 84,4 | 80,5 | 74,5 | 71,6 | 58,3 |
Pass-Rate in Prozent auf agentischen Coding-Benchmarks. SWE-1.7 hervorgehoben. Quelle: Cognition.
Ein Wort zu FrontierCode, denn der Name taucht in der Tabelle prominent auf. Es ist kein neutraler Industrie-Standard, sondern Cognitions eigener Maßstab für agentische Softwareentwicklung. Die Idee dahinter ist, nicht nur zu prüfen, ob ein Test durchläuft, sondern ob am Ende Code steht, den ein Team im echten Projekt übernehmen würde. Das ist eine härtere Latte als das reine Bestehen einer Aufgabe. Sie erklärt, warum die Werte hier niedriger liegen als bei bekannteren Benchmarks. Wer die Zahlen liest, sollte im Kopf behalten: Es ist der Anbieter, der seinen eigenen Test mitbringt.
Wie man ein Modell über drei Kontinente trainiert
Der für Cloud-Leute spannendste Teil steht nicht bei den Benchmarks, sondern im Infrastruktur-Kapitel. Reinforcement Learning braucht seine Inferenz-Rechenleistung nicht an einem Ort. Cognition nutzt das aus und verteilt das Training auf vier Rechenzentren über drei Kontinente, eigene GPUs kombiniert mit zugekaufter Kapazität von Anbietern wie Fireworks. So lässt sich das Training weit über das hinaus skalieren, was ein einzelner Cluster hergäbe.
Das Kernproblem dabei ist banal und schwer zugleich: Wie hält man Inferenz-Cluster auf drei Kontinenten mit den ständig neuen Gewichten des Trainers synchron, ohne die Leitungen zu verstopfen? Cognitions Antwort ist elegant. Ein zentraler Trainer-Cluster in den USA schickt nicht die kompletten Gewichte, sondern nur die Differenz zum vorherigen Stand, gepackt als XOR-Diff und mit zstd komprimiert. Das schrumpft jeden Transfer um mehr als 99 Prozent. Ein Cloud-Object-Store dient als einzige Wahrheit für die jeweils gültige Gewichts-Version, die Rollout-Cluster ziehen sich die Deltas und wenden sie direkt an.
Damit ein Hardware-Ausfall in einem der Rechenzentren nicht den ganzen Lauf kippt, sitzt eine Fault-Tolerance-Schicht darüber. Rollouts laufen über einen Dynamo-Router von NVIDIA, Checkpoints werden asynchron geschrieben. Fällt Hardware aus, stockt der Lauf nicht. Für alle, die schon einmal einen tagelangen Trainings- oder Batch-Job an einem einzigen ausgefallenen Knoten haben sterben sehen, ist das der eigentlich beeindruckende Teil.
Reinforcement Learning ist noch nicht am Limit
Die zweite Botschaft von Cognition ist eine These: Mehr RL bringt weiter Gewinne, auch auf einem bereits starken Basis-Modell. Das ist bemerkenswert, weil viele zuletzt eine Decke beim Post-Training vermutet haben. SWE-1.7 startet von Kimi K2.7 und holt durch zusätzliches Reinforcement Learning einen deutlichen Sprung heraus.
Zwei alte Feinde langer RL-Läufe stehen dabei im Weg. Der erste ist Entropy Collapse, bei dem das Modell zu früh auf wenige Muster einrastet und aufhört zu erkunden. Der zweite ist numerische Drift, also das Auseinanderlaufen zwischen der Rechenweise beim Training und der bei der Inferenz. Cognition nennt eine ganze Reihe von Gegenmitteln: den Muon-Optimizer, das Entfernen nicht-deterministischer Rechenoperationen, Importance-Sampling, quantisierungsbewusstes Training in niedriger Präzision und das Wiedereinspielen der Sampling-Verteilung. Das klingt nach Detailarbeit. Genau das ist es. Stabilität über Wochen entsteht nicht durch einen Trick, sondern durch viele kleine.
Ein Mechanismus verdient eigene Erwähnung, weil er direkt am Agenten-Verhalten zieht. Self-Compaction bringt dem Modell bei, seinen Arbeitsstand selbst zusammenzufassen und aus der Zusammenfassung weiterzuarbeiten. So reicht die Aufgabe über das rohe Kontextfenster hinaus, das Modell kann länger recherchieren und untersuchen, bevor es die erste Zeile ändert. Wer Agenten über lange, mehrstufige Aufgaben laufen lässt, kennt den Gegenwert: weniger vorschnelle Edits, mehr Kontext vor dem Eingriff.
- Cost-Performance verschiebt sich: fast Frontier-Leistung ohne Frontier-Preise
- Verteiltes RL-Training über Kontinente ist praktisch machbar, nicht nur Theorie
- 1000 Tokens pro Sekunde machen Agenten-Workflows im Alltag spürbar flüssiger
- Die Benchmarks sind Cognitions eigene Auswahl, unabhängige Replikation fehlt
- Konkrete Stückpreise pro Aufgabe nennt Cognition öffentlich nicht in Zahlen
- Ob der Speed-Vorsprung hält, hängt an der Verfügbarkeit von Cerebras
Was das für Teams heißt
Für die Praxis verschiebt SWE-1.7 die Frage, an der Coding-Modelle gemessen werden. Lange ging es fast nur um rohe Intelligenz, um den einen Benchmark-Punkt mehr. Dieses Modell rückt zwei andere Größen nach vorn: die Kosten pro Aufgabe und die Geschwindigkeit, mit der die Antwort da ist. Bei 1000 Tokens pro Sekunde fühlt sich ein Agent, der eigenständig durch ein Repository arbeitet, anders an als bei zäher Ausgabe im Sekundentakt.
Vorweg die ehrliche Einordnung: Das ist zunächst Cognitions Ankündigung mit Cognitions Zahlen, verfügbar in Cognitions eigenem Werkzeug Devin. Unabhängige Tests stehen aus. Wer heute Coding-Agenten evaluiert, hat aber einen guten Grund, dieses Modell auf die Liste zu nehmen. Einen noch besseren Grund liefert das Infrastruktur-Kapitel. Die Art, verteiltes Training über Kontinente hinweg beherrschbar zu machen, ist die eigentliche Blaupause. Sie zeigt, dass der Engpass beim Skalieren von RL nicht länger der einzelne Rechenzentrums-Standort sein muss.
Häufige Fragen
Was ist SWE-1.7?
SWE-1.7 ist das neueste Coding-Modell von Cognition, der Firma hinter dem KI-Entwickler Devin. Es erreicht fast das Niveau der stärksten Modelle auf agentischen Coding-Benchmarks, läuft dabei zu geringeren Kosten und mit 1000 Tokens pro Sekunde. Trainiert wurde es per Reinforcement Learning, verteilt über vier Rechenzentren auf drei Kontinenten.
Was misst der FrontierCode-Benchmark?
FrontierCode ist Cognitions eigener Maßstab für agentische Softwareentwicklung. Statt nur zu prüfen, ob eine Aufgabe irgendwie durchläuft, zielt er darauf, ob am Ende produktionstauglicher Code steht, den ein Team im echten Projekt übernehmen würde. Deshalb liegen die Prozentwerte niedriger als bei einfacheren Benchmarks. Wichtig zu wissen: Es ist der Anbieter, der hier seinen eigenen Test mitbringt.
Basiert SWE-1.7 auf einem anderen Modell?
Ja. Cognition hat SWE-1.7 von einem Kimi-K2.7-Basis-Modell aus trainiert und darauf ein umfangreiches Reinforcement Learning aufgesetzt. Die Kernaussage ist, dass dieses zusätzliche Training auch auf einem bereits starken Modell noch deutliche Gewinne bringt, statt an eine Decke zu stoßen.
Warum sind 1000 Tokens pro Sekunde wichtig – und was hat Cerebras damit zu tun?
Cerebras baut spezialisierte Chips für sehr schnelle KI-Inferenz. Über diese Hardware läuft SWE-1.7 mit rund 1000 Tokens pro Sekunde. Bei einem Agenten, der eigenständig durch Code arbeitet, entscheidet diese Geschwindigkeit spürbar über das Arbeitsgefühl: Antworten kommen nahezu ohne Wartezeit, statt im zähen Sekundentakt.
Kann ich das Modell heute nutzen?
SWE-1.7 ist nach Angaben von Cognition ab sofort in Devin verfügbar, dem hauseigenen KI-Entwickler, über Web, Desktop und Kommandozeile. Die schnelle Variante läuft dabei über Cerebras. Einen offenen API-Zugang oder Gewichte zum Selbst-Hosten nennt die Ankündigung nicht.
Lesetipps der Redaktion
cloudmagazinWenn die KI 80 Prozent des Codes schreibt, wer prüft?cloudmagazinKI-Anbindung wird enterprise-reif: Das Model Context Protocol unter der Linux FoundationcloudmagazinKubernetes-FinOps: Die Hebel, die 70 Prozent Cluster-Verschwendung schließenMehr aus dem MBF Media Netzwerk
MyBusinessFutureInvestitionsstau: Wie KI verborgene Budgets freilegtDigital ChiefsDie IT entscheidet, ob der Spin-off sich auszahltSecurityTodayDer AI Act ist in Wahrheit ein Security-GesetzQuelle Titelbild: KI-generiert (Juli 2026)
