Cognition เปิด SWE-1.7: เอาโมเดลเปิด Kimi K2.7 มาเทรน RL ต่อในฮาร์เนสจริงของ Devin — ใกล้ระดับ frontier ที่ต้นทุนเศษเสี้ยว วิ่ง 1,000 โทเคน/วินาที

8 กรกฎาคม 2026 — Cognition (บริษัทเจ้าของเอเจนต์เขียนโค้ด Devin) เปิดตัว SWE-1.7 ซึ่งบริษัทเรียกว่าโมเดลด้านวิศวกรรมซอฟต์แวร์ที่เก่งที่สุดที่เคยเทรนมา จุดที่น่าสนใจสำหรับนักพัฒนาไม่ใช่แค่ตัวเลขเบนช์มาร์ก แต่คือ สูตรการสร้าง: Cognition ไม่ได้เทรนโมเดลจากศูนย์ แต่หยิบ Kimi K2.7 Code ซึ่งเป็นโมเดลน้ำหนักเปิด (open-weight) จาก Moonshot AI มาเป็นฐาน แล้วโพสต์เทรนด้วย reinforcement learning ภายในฮาร์เนสจริงของ Devin เอง

นี่คือรูปแบบที่กำลังกลายเป็นสูตรมาตรฐานของยุคนี้ — สตาร์ตอัพขนาดกลางไม่ต้องมีคลัสเตอร์ระดับหมื่นล้านเพื่อจะแข่งบนงานเฉพาะทาง ขอแค่มีโมเดลฐานเปิดที่ดีพอ กับสภาพแวดล้อมจริงให้โมเดลได้ฝึก

ตัวเลขที่ Cognition รายงาน

• FrontierCode 1.1 (Main): 42.3%
• Terminal-Bench 2.1: 81.5%
• SWE-Bench Multilingual: 77.8%

บริษัทระบุว่าคะแนนเหล่านี้อยู่ห่างจากโมเดล frontier อย่าง Claude Opus 4.8 และ GPT-5.5 เพียงไม่กี่จุด แต่ต้นทุนต่องานต่ำกว่ามาก (สื่อสาย AI รายงานตัวเลขราว 1.97 ดอลลาร์ต่องาน ซึ่งเป็นตัวเลขจากแหล่งรอง ไม่ได้อยู่ในโพสต์ต้นทาง)

SWE-1.7 ใช้งานได้แล้ววันนี้ใน Devin ทั้ง Web, Desktop และ CLI โดยรันบนฮาร์ดแวร์ของ Cerebras ที่ความเร็ว 1,000 โทเคนต่อวินาที — ความเร็วระดับนี้เปลี่ยนประสบการณ์การใช้เอเจนต์อย่างมีนัยสำคัญ เพราะงานที่ต้องวนหลายรอบ (แก้ → รันเทสต์ → อ่านผล → แก้ใหม่) จะรู้สึกเหมือนโต้ตอบสด แทนที่จะเป็นการรอ

หมายเหตุ: Cognition ไม่ได้ระบุว่าจะปล่อยน้ำหนักของ SWE-1.7 — ตัวโมเดลฐานเปิด แต่ตัวที่เทรนต่อแล้วยังเป็นของปิด

เทคนิคที่บริษัทเน้น

โพสต์ของ Cognition ให้รายละเอียดฝั่ง RL pipeline ไว้พอสมควร ประเด็นที่บริษัทชูคือ:

• การรักษา entropy ด้วย top-p sampling ที่มี replay — กันไม่ให้โมเดลยุบเข้าสู่คำตอบเดิม ๆ ระหว่างเทรน RL
• โครงสร้างเทรนแบบหลายคลัสเตอร์ (multi-cluster training)
• การคัดคุณภาพข้อมูล (data quality curation)
• self-compaction สำหรับงานที่ต้องทำยาว ๆ หลายขั้น (long-horizon) — ให้โมเดลบีบอัดบริบทของตัวเองระหว่างทำงาน

Cognition อ้างว่าผลลัพธ์นี้ท้าทายสมมติฐานเดิมเรื่อง “เพดานของการโพสต์เทรน” คือ RL ยังดันคะแนนขึ้นได้ต่อเนื่องกว่าที่หลายคนคาด

มุมมอง AI Curator

เรื่องนี้ควรอ่านคู่กับข่าวอีกชิ้นของวันเดียวกัน — OpenAI ถอนคำแนะนำ SWE-Bench Pro เพราะพบว่าโจทย์ราว 30% พัง เมื่อวางสองข่าวข้างกัน คำถามที่หลีกเลี่ยงไม่ได้คือ: “ห่างจาก frontier ไม่กี่จุด” มีความหมายแค่ไหน ในเมื่อเครื่องมือวัดเองก็มีสัญญาณรบกวนสูง? โดยเฉพาะเมื่อ SWE-1.7 ถูกเทรนด้วย RL ภายในฮาร์เนสของ Devin ซึ่งเป็นสภาพแวดล้อมที่ใกล้เคียงกับสิ่งที่เบนช์มาร์กเหล่านี้วัด — ความเสี่ยงของการ over-fit เข้ากับรูปทรงของงานเบนช์มาร์กจึงมีอยู่จริง ตัวเลขที่ควรเชื่อที่สุดคือตัวเลขที่คุณวัดเองบนโค้ดเบสของคุณ

แต่แก่นที่สำคัญกว่าตัวเลขคือ สิ่งที่ SWE-1.7 พิสูจน์เรื่องโครงสร้างอุตสาหกรรม: โมเดลน้ำหนักเปิดจากจีน (Kimi K2.7 ของ Moonshot) กลายเป็น วัตถุดิบ ให้สตาร์ตอัพอเมริกันเอาไปเทรนต่อจนแข่งกับโมเดลปิดของ OpenAI และ Anthropic ได้ — นี่คือภาพสะท้อนว่า มูลค่ากำลังย้ายจาก “ใครเทรนโมเดลฐาน” ไปสู่ “ใครมีสภาพแวดล้อมและข้อมูลการทำงานจริงให้เทรนต่อ” Cognition มี Devin ที่รันงานจริงนับล้านครั้ง นั่นคือสินทรัพย์ที่เงินซื้อไม่ได้ง่าย ๆ ส่วนโมเดลฐานนั้นดาวน์โหลดฟรี

สำหรับทีมไทยและอาเซียน นี่คือข่าวดีที่ควรอ่านให้ขาด: เส้นทางสู่โมเดลเฉพาะทางที่แข่งขันได้ไม่ได้ผ่านการเทรนจากศูนย์อีกต่อไป ถ้าคุณมีโดเมนที่ชัด (เช่น โค้ดเบสภาษาไทย, ระบบราชการ, อีคอมเมิร์ซท้องถิ่น) และมี ฮาร์เนสที่เก็บผลลัพธ์จริงได้ว่าอะไรสำเร็จอะไรล้มเหลว คุณก็มีวัตถุดิบครบสำหรับสูตรเดียวกันนี้ ตัวแปรที่ขาดจริง ๆ ไม่ใช่ GPU แต่คือ สภาพแวดล้อมที่ให้รางวัลได้อย่างเที่ยงตรง (verifiable reward) — และบทเรียนจากข่าว SWE-Bench Pro ก็คือ การสร้างสิ่งนั้นให้ถูกต้องนั้นยากกว่าที่ใครคิด

แหล่งข่าว

• SWE-1.7: Frontier Intelligence at a Fraction of the Cost — Cognition
• Cognition’s SWE-1.7 Matches GPT-5.5 on Coding Tasks — AlphaSignal
• Cognition Releases SWE-1.7, Says It Is Close To Frontier Performance At A Fraction Of The Cost — OfficeChai