Beobachtetes Signal · 4. Nov. 2026 · Product Launch · Quelle: Cognition · Relevanz: 2/5
Cognition stellt schnelles KI-Programmiermodell SWE-2 Flash vor
Cognition hat SWE-2 Flash vorgestellt, ein US-amerikanisches Coding-Modell für kostengünstige und schnelle Softwareentwicklung. Basierend auf dem Basismodell Inkling-Small von Thinking Machines nutzt das Modell eine Mid-Training-Phase vor dem Reinforcement Learning, wodurch Benchmark-Werte wie Terminal-Bench 4.0 von 0,9 % auf 20,0 % und FrontierCode 2.0 von 3,2 % auf 24,0 % gesteigert wurden. Die Gewichte des Modells sollen über ein sicheres Programm mit Branchenpartnern und Forschern geteilt werden.
Die Veröffentlichung zeigt signifikante Effizienzsprünge bei Software-Entwicklungsmodellen durch Mid-Training vor dem Reinforcement Learning und setzt neue Maßstäbe für kleinere, schnelle KI-Coding-Modelle.
Marktsignale zu Cognition in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- SWE-2 Flash integriert erstmals eine Mid-Training-Stufe vor dem Reinforcement Learning in den Trainingsprozess von Cognition.
- Aufbauend auf dem Basismodell Inkling-Small von Thinking Machines steigert SWE-2 Flash den Wert auf Terminal-Bench 4.0 von 0,9 % auf 20,0 %.
- Im Benchmark FrontierCode 2.0 erzielt das Modell 24,0 % gegenüber 3,2 % beim Inkling-Small-Basismodell.
- Laut Cognition übertrifft SWE-2 Flash alle US-amerikanischen Open-Weight-Modelle, einschließlich dreimal größerer Alternativen.
- Die Modellgewichte sollen über ein Sicherheits- und Partnerprogramm für Forscher und Unternehmen zugänglich gemacht werden.
Verknüpfte Unternehmen
1 verknüpfte Unternehmen“Cognition hat das Programmier-KI-Modell SWE-2 Flash entwickelt und vorgestellt.”
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
MiniMax M3.1 Flash: Neue Maßstäbe bei Agenten-Performance und Kosten
MiniMax hat offiziell das Modell M3.1 Flash eingeführt. Als Flash-Modell der nächsten Generation bietet M3.1 signifikante Fortschritte bei agentenbasierten Aufgaben, Programmierung, Computerbedienung und Cybersicherheit. Gleichzeitig wird die Online-Inferenz um das Fast-Dreifache beschleunigt, während die Nutzungskosten um 70 Prozent sinken. Diese Entwicklung unterstreicht den anhaltenden Trend zur Effizienzsteigerung und Kostensenkung bei KI-gestützten Workflows. Unternehmen erhalten damit leistungsstarke Werkzeuge für automatisierte Prozesse und komplexe Analysen zu deutlich reduzierten Betriebskosten, was die Wettbewerbsfähigkeit im Bereich der generativen Künstlichen Intelligenz weiter erhöht.
DeepSeek V4.1 Flash schlägt größeres Modell und stützt Ilya Sutskevers Scaling-These
Nachdem Ilya Sutskever OpenAI verlassen hatte, um Safe Superintelligence (SSI) zu gründen, prognostizierte er das Ende des traditionellen Scaling-Paradigmas für KI-Modelle. DeepSeeks neues Modell V4.1 Flash liefert nun den praktischen Beweis für diesen Wandel: Mit nur einem Drittel der Gesamtparameter des bisherigen Flaggschiffs V4-Pro übertrifft V4.1 Flash dieses in internen Coding-Benchmarks deutlich mit 74,2 gegenüber 62,7 Punkten. Dabei aktiviert die Architektur signifikant weniger Parameter pro Token während der Inferenz. Als Konsequenz leitet DeepSeek ab dem 14. September sämtliche Anfragen an V4-Pro standardmäßig auf V4.1 Flash um. Diese Entwicklung markiert einen strategischen Wendepunkt im KI-Sektor, da sie die Prioritäten von reiner Modellgröße hin zu algorithmischer Effizienz und optimierter Inferenz verschiebt.
DeepSeek launcht V4.1-Flash mit neuartiger Encoder-Decoder-Architektur
DeepSeek hat DeepSeek-V4.1-Flash veröffentlicht, ein 763B-Parameter Mixture-of-Experts-Modell mit einer neuartigen kausalen Encoder-Decoder-Architektur. Das Modell nutzt 8B aktive Parameter für das Prefill und 16B für das Decoding. Zu den Kernmerkmalen zählen natives Vision Understanding, ein Kontextfenster von 1M Token, eine MIT-Lizenz sowie eine extreme Inferenzeffizienz, die den KV-Cache-Footprint im Vergleich zu V4 Flash um bis zu 87,5 % reduziert. Unabhängige Benchmarks (Artificial Analysis Index: 40; Platz 1 der Open-Weight-Modelle im Vals Index) belegen, dass es V4 Pro bei geringeren Kosten übertrifft. Die API-Preise liegen bei 0,30 $ pro 1M Input- und 1,20 $ pro 1M Output-Token. DeepSeek hat V4 Pro faktisch abgelöst und leitet den Traffic zu Flash-Konditionen auf V4.1-Flash um. Das Modell unterstützt SSD-Offloading sowie lokales Deployment; Plattformen wie Ollama und Baseten bieten Day-0-Support. Die Architektur verspricht massive Effizienzgewinne für Long-Context-Agenten.
Alle künftigen Signale zu Cognition & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.