TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Devin Voice 讓你用講的派工，Cognition 自研 SWE-2 同日上線
Cognition 在 9 月 10 日同日發表自研模型 SWE-2 與語音通話介面 Devin Voice：語音層採 OpenAI GPT-Live，工程層從 Kimi K33 後訓練，FrontierCode 成績貼近前沿模型而成本低 64%，Pro、Max、Teams 訂閱戶免費使用 SWE-2 到 10 月 10 日。
用 AI 摘要這篇文章：
台北時間 9 月 11 日凌晨，Devin 開發商 Cognition 在同一個美國工作天裡丟出兩則消息：先發表自研編程模型 SWE-2，隔幾個小時再宣布語音通話介面 Devin Voice。兩件事擺在一起看才有意思：負責聽你說話的語音層，用的是 OpenAI 的 GPT-Live；負責寫程式的工程層，換上 Cognition 自己從 Kimi K33 後訓練出來的新模型。官方介紹 Devin Voice 的說法很直白，標語寫著「You say it, Devin ships it」，你用講的，Devin 負責把東西做出來。
對已經付費的台灣用戶，最實際的一條藏在官方帳號的後續推文裡：SWE-2 即日起在 Devin Desktop 與 CLI 上線，而且接下來一個月，對所有 Pro、Max 與 Teams 訂閱者免費。換句話說，訂閱戶拿到一段零額外成本的試用期，可以趁這段時間用自己手上的任務，摸清這顆新引擎的斤兩。
時間點也值得記一筆。這是 Cognition 兩天前宣布逾 20 億美元 Series E 融資、估值 480 億美元之後的第一波產品動作，同一週 AI 模型圈還有 DeepSeek V4.1-Flash 的發表，競爭節奏明顯在加快。
一天兩發：先換引擎，再裝電話
把 9 月 10 日的時間軸攤開，Cognition 的發布順序是這樣：台北時間 9 月 10 日晚上 11 點 21 分，官方 X 帳號開始連發 SWE-2 的介紹推文，用「與近期前沿模型同分、成本低最多 70%」來定調；官方部落格的公告文章帶著美西時間上午 10 點的發布時間戳，給出更精確的對照數字；到了台北時間 9 月 11 日凌晨 4 點 12 分，再補上 Devin Voice 的宣布推文，附一支 51 秒的官方示範影片。兩個官方說法並不衝突，70% 是推文對整組基準的概括，部落格的 64% 則明確指向與 Fable 5.1 在 FrontierCode 1.1 Main 上的逐一對照，引用時以後者為準比較不會失真。
Cognition 這幾天的動作不止於此：9 月 10 日同一天，官方部落格也宣布 Rust 開源框架 Dioxus 的開發團隊加入 Cognition，承諾繼續支援 Dioxus、Blitz、Taffy 與 Subsecond 等專案，並把團隊的專長帶進 Devin 的虛擬機器、電腦操作與測試這幾個底層環節。模型、介面、團隊、資金四線並進，這家公司此刻的節奏不難想像。
公告與生效時間這次是同步的。SWE-2 即日起在 Devin Desktop 與 Devin CLI 生效，Devin Web 與 Devin Fusion 則列為陸續推出；Devin Voice 隨當天的產品更新進到介面裡，官方文件已經上線操作說明。對使用者的淨效果是：桌面版和命令列用戶當天就能碰到新模型，網頁版用戶還要再等。Devin Desktop 的血統來自 Cognition 併購的 Windsurf，官方文件裡兩個名字仍然互通，安裝時認圖示即可。
SWE-2：站在 Kimi K33 肩膀上的自研模型
Cognition 對 SWE-2 的定位是「最接近前沿的自研模型」。關鍵數字都在官方公告裡：在自家的 FrontierCode 1.1 Main 基準上，SWE-2 拿到 50.0%，與 Anthropic Fable 5.1 的 50.9% 差距不到 1 分，官方並稱成本低 64%；在 DeepSWE 1.1 上拿到 73.0%，只輸給 GPT-6 Astra 的 74.1%；Terminal-Bench 2.1 的 92.8% 是官方表列模型中的最高分。
| 基準（官方數字） | SWE-2 | SWE-1.7 | Kimi K3 | Grok 4.6 | Fable 5.1 | GPT-5.6 Sol | GPT-6 Astra |
|---|---|---|---|---|---|---|---|
| FrontierCode 1.1 Main | 50.0% | 42.0% | 44.2% | 48.0% | 50.9% | 47.5% | 53.3% |
| DeepSWE 1.1 | 73.0% | 37.7% | 68.5% | 67.5% | 67.4% | 72.7% | 74.1% |
| Terminal-Bench 2.1 | 92.8% | 81.5% | 88.3% | 88.4% | 91.4% | 88.8% | 89.9% |
| Terminal-Bench 4 | 27.3% | 7.6% | 21.5% | 20.3% | 55.8% | 37.3% | 57.9% |
模型血統上，SWE-2 是從 Moonshot 的 Kimi K33 後訓練而來，基底是 2.8 兆參數、已經做過大量代理式程式開發強化學習的模型。Cognition 稱自家的後訓練配方在許多基準上再拿下 5 到 6 分，把 K3 原本整條成本與效能曲線往上推。這是 Cognition 首度把強化學習拉到數兆參數的規模，做法上有一個值得記的技術選擇：單一次 RL 訓練同時涵蓋所有推理努力等級，靠的是按基礎模型成本效能曲線的斜率去設定線性成本懲罰。
成本這條線，官方附錄還給了一個有點反直覺的對照：Fable 5.1 的最高努力等級 Max 在 FrontierCode 1.1 Main 拿 50.3%，每個任務要價 12.83 美元，分數反而低於自家 Medium 等級的 50.9% 與 3.28 美元。花更多錢不代表更高分，這正是 Cognition 把「成本寫進訓練目標」當賣點的背景：與其讓使用者自己猜該選哪個等級，他們直接在訓練時就按各等級的合理成本畫好界線。
SWE-2 也是 Cognition 第一個支援努力等級切換的模型，分成 medium、high、max 三段。官方對三段的行為描述是：medium 更快出手，適合簡單到中等的任務；high 與 max 在複雜任務上多規劃、多探索，用更完整的驗證流程管理不確定性。內部測試裡官方還點了兩個行為變化：SWE-2 更會寫能從頭到尾檢查實作的測試；被質疑時傾向重新推導結論，而不是把原本的說法再講一遍。後者對天天跟代理來回溝通的工程師來說，應該很有感。
公告尾段還附了一段可信度評測：在一套用英文、簡體中文、繁體中文三種語言提問、衡量回答是否被特定官方立場帶著走的測試裡，SWE-2 整體通過率 98.0%，繁體中文提問的通過率 99.1%。對繁中環境的開發者來說，這至少是官方有拿出數字的一個面向。
SWE-1.7 的過度探索，官方自己給了交代
上一代 SWE-1.7 今年 7 月上線時，用戶最常抱怨的是它在簡單任務上繞太多路。這一點 Cognition 在公告裡自己承認：SWE-1.7 靠徹底探索整個程式庫換取效能，收到了用戶對過度探索與過度思考的回饋。SWE-2 給出的交代很具體，官方在 FrontierCode 1.1 Main 上的量測數字是：
- 平均回合數從 SWE-1.7 的 127 降到 SWE-2 medium 的 53，high 等級 80，max 等級 98。
- 開始動手改程式碼之前的中位步數，從 48 步縮到 18 步。
- SWE-2 medium 分數高於 SWE-1.7，同時回合數少 58%，平均成本低 81%。
官方對這組數字的解讀是「聚焦探索」：模型變聰明之後，能判斷任務真正需要看程式庫的哪些部分，於是可以更早開始實作。對使用者的直接感受會是帳單和等待時間，同一個任務跑下來，中間那些反覆讀檔案、反覆檢查的繞路變少了。若你暑假用過 SWE-1.7 並且被它的「謹慎」磨過耐性，這組前後對照就是這次更新跟你最有關係的部分。
誠實的那一面：Terminal-Bench 4 還差一大截
同一張官方成績表也留了一個明顯的弱點。在難度更高的 Terminal-Bench 4 上，SWE-2 只拿到 27.3%，Fable 5.1 是 55.8%，GPT-6 Astra 是 57.9%，差距直接拉到一倍上下。官方文字裡「與 GPT-6 Astra 差幾分之內」的說法，那是對 FrontierCode 與 DeepSWE 而言；換到複雜終端環境的長任務，SWE-2 與前沿模型之間還有一段實實在在的距離。省下來的成本，買不到這一塊能力。
這正是免費一個月值得認真用的原因。你的日常工作落在光譜的哪一端，只有拿自己的任務去跑才會知道。終端操作比重高的團隊，建議把評估期拉長一點再決定要不要把預設模型換過去；以程式庫內修改為主的場景，照官方數字看 SWE-2 的投報比相當有利。
Devin Voice：這次是通話，不是錄音留言
Devin 並非頭一次碰語音。2025 年 1 月的 Devin 1.2 更新就加入過語音訊息，但那本質上是錄音留言，你說完、它晚點聽。Devin Voice 換成了即時通話。官方文件對它的用途寫得相當清楚：把想法講清楚、當場壓力測試一個做法、把工作交辦出去，三件事都在講電話的過程裡完成。
操作上，入口在 Devin 首頁 Agent 模式訊息框旁邊的通話按鈕，也可以在既有的工作階段裡直接發起；按下後授權麥克風，如果你本來有打一半的文字，會在通話開始時一起送出。通話中的控制設計得相當完整：可以把麥克風靜音，未在打字時按住空白鍵就能說話；可以只把 Devin 的聲音關掉而不影響自己的收音；可以隨時掛斷。通話進行中你仍然可以照常操作 Devin 的介面，整段對話會存進工作階段歷史，事後能回頭翻。官方文件還特別提醒兩件事：可以放心中途插話，不管任務跑到一半還是句子講到一半；想要不同的說話速度或溝通風格，直接開口要求就行。
語音層背後的 GPT-Live，是 OpenAI 在 7 月先於 ChatGPT 上線、主打全雙工的語音模型，架構細節與 API 版的計費方式我們先前在 GPT-Live-1 開放 API 一文整理過。全雙工的意思是它可以邊聽邊說，每秒做好幾次判斷，決定自己該開口、繼續聽、停頓、插話還是呼叫工具；遇到需要深度推理的問題，它把工作委派給背後的前沿模型，等答案回來的這段時間，對話照常進行不中斷。對 Devin 這種一跑就是幾十分鐘的代理任務來說，「等待不冷場」正好是語音介面能不能用的關鍵。OpenAI 對 GPT-Live 的語言支援有一條官方提醒：部分語言可能出現非母語口音或流暢度落差。繁體中文在 Devin Voice 裡的實際表現，官方沒有給保證，這一點留給實測。
把兩邊的官方文件擺在一起，Cognition 這波更新的結構就看得更清楚：聽與說的即時互動層外包給 OpenAI，工程推理層自己養。兩份文件都沒有把這層分工寫成一句話，這是對照後的解讀。對使用者來說，這種分工的好處是升級速度快，語音層跟著 GPT-Live 的世代走；代價是體驗上限綁在別人家的模型上，Cognition 能自己掌控的，是後面那顆寫程式的腦。
誰現在能用，要花多少錢
截至 9 月 11 日，devin.ai 定價頁的方案是這個架構：免費方案 0 元，提供輕量額度與有限的模型選擇，文件裡另載明免費方案含 Devin Review 與 DeepWiki 的存取，定價頁另標明免費方案享有不限次數的 Tab 自動補全；Pro 每月 20 美元，主打前沿模型額度與雲端代理 Devin Cloud 的存取，超過額度的部分可以按 API 價格隨用隨付；Max 每月 200 美元，頁面上標示 NEW，內容是明顯更高的額度，官方文件說明它取消每日上限、只保留每週額度；Teams 每月 80 美元起外加每個完整開發席位每月 40 美元；企業版另談，以 ACU 單位計價。
值得留意的是定價頁的更新速度：9 月 11 日晚間檢視，Pro 方案條款已經寫成「免費使用 SWE-2 與主流開源模型」，並明載在 Devin Desktop 與 CLI 的免費期到 2026 年 10 月 10 日止；比較表也列出免費方案可以用慢速版的 SWE-2。對照官方推文只說「接下來一個月」，現在有了明確日期，想把免費期用好用的訂閱戶，排程就照 10 月 10 日抓。
按族群分流的實際建議：已訂閱 Pro、Max 或 Teams 的用戶，更新 Devin Desktop 或 CLI，趁免費期用自己的任務測 SWE-2，終端操作比重高的多留心 Terminal-Bench 4 的落差，別急著改預設模型；主力用 Devin Web 的用戶，等陸續推出的通知就好；免費方案用戶，比較表標明可用慢速版的 SWE-2，想試新模型不必先升級；還沒在用 Devin 的開發者，這波對你的意義比較偏向市場訊號，自研模型把前沿效能的門票價格又往下壓了一階；要在眾多 AI 編程助手之間做選擇的人，可以先對照我們整理過的 39 款 AI coding 助手對比表，把候選名單縮小之後再觀望。
官方還沒說清楚的兩件事
語言支援沒有答案：Devin Voice 的官方文件沒有列出支援語言，GPT-Live 的通用提醒只能當參考，繁中通話的口音與流暢度要實測才知道。計費方式也交代有限：自助方案以內含額度加隨用點數計費，但 voice mode 的文件頁對通話本身怎麼計量隻字未提，長時間通話會不會吃掉額度、還是完全不計，都是未知數。
這篇的方案與促銷細節有保存期限：免費期 10 月 10 日截止前後，定價頁與 Devin Voice 的計費說明都可能再更新，屆時以官方頁面當下內容為準。想在免費期內完成評估的讀者，現在開始測，時間是夠的。
