LONDON (IT BOLTWISE) – Das neue KI-Code-Modell SWE-2 soll im Zusammenspiel aus Qualität und Rechenkosten ein deutlich besseres Kosten-Nutzen-Profil erreichen. In Tests auf FrontierCode 1.1 Main erzielt SWE-2 50,0 % und liegt damit nur knapp hinter einem Referenzwert, während es zugleich als 64 % günstiger beschrieben wird. Technisch rückt das Team vor allem mit einer RL-Post-Training-Strategie zur Kostenstrafung und mit einem effizienteren Rollout-Serving vor. Dabei wird SWE-2 ab sofort in Devin Desktop und CLI angeboten und später auch über weitere Dienste ausgerollt.
Mit SWE-2 veröffentlicht ein Entwicklerteam sein bislang fortschrittlichstes KI-System für Softwarearbeiten und setzt dabei bewusst auf den gleichen Engpass, der bei Coding-Agenten fast immer zuerst spürbar wird: das Verhältnis von Lösungsgüte zu den tatsächlich entstehenden Rechenkosten. In der eigenen Ergebnisdarstellung erreicht SWE-2 auf FrontierCode 1.1 Main 50,0 %, also innerhalb von einem Punkt des Referenzwerts, während es gleichzeitig mit 64 % geringeren Kosten beziffert wird. Solche Prozentzahlen sind für Entscheider vor allem dann nützlich, wenn sie im gleichen Atemzug die Kostenachse adressieren – denn bei Agenten steuern Antwortlänge, Anzahl der Iterationen und die Länge von Verifizierungszyklen die Gesamtrechnung direkter als bei klassischen Chatbots.
Den Kern des Ansatzes beschreibt SWE-2 als eine Skalierung von Reinforcement Learning in ein „multi-trillion-parameter regime“ – als Grundlage dient dabei ein Modell namens SWE-1.7 bzw. dessen „Training Infrastructure and recipe“, auf dem SWE-2 aufbaut. Auffällig ist weniger, dass RL erneut eingesetzt wird, sondern wie: Das Team nennt einen RL-Algorithmus, der alle Reasoning-Effort-Level in einem einzigen Lauf trainieren soll. Damit versucht das System nicht nur in einem einzigen Modus stark zu sein, sondern gleich mehrere Punkte entlang der Cost–Performance-Kurve so zu formen, dass die „Pareto frontier“ insgesamt weiter nach oben rückt. Genau diese Stoßrichtung lässt sich später auch an der Wahl der Trainingsobjektfunktion ablesen.
Vor dem Hintergrund der Verhaltensbeobachtungen bleibt die Frage, wie sich diese Trainingsentscheidung in der Praxis auf Agentenarbeit auswirkt. Laut Testdarstellung soll SWE-2 bei FrontierCode 1.1 Main als „medium“-Variante besser abschneiden als SWE-1.7, und zwar bei weniger Schleifen: Es brauche 58 % weniger „Turns“ und verursache im Mittel 81 % geringere Kosten. Das Team verknüpft das mit einer früheren Eigenschaft von SWE-1.7: Dort wurde in vorherigen Ergebnissen eine besonders sorgfältige, eher breit angelegte Exploration des Codebases betont, die zwar Leistung brachte, aber bei einfachen Aufgaben zu Überexploration und „Overthinking“ führte. SWE-2 verlagert demnach den Effizienzgewinn hin zu „focused exploration“ – also der Fähigkeit, Teile des Repositories früher als relevant oder irrelevant einzuschätzen. Konkret nennt das Team als Indikator, dass SWE-2 „medium“ seine erste echte Bearbeitung nach einem Median von 18 Schritten macht, während SWE-1.7 hier bei 48 liegt.
Auch die Details zum Post-Training sind dabei eng mit dem wirtschaftlichen Ziel verbunden. Das Team führt „Cost penalties“ ein, die pro Effort-Level linear in die Reward-Funktion einfließen und pro Effort-Stufe so getunt werden, dass sie zur lokalen Steigung der Pareto-Kurve des Basismodells passen. In der Begründung heißt es, dass diese Herleitung aus „first principles“ erfolgen soll, um die gesamte Pareto-Frontier nach oben zu verschieben, ohne ihre Form zu zerstören – und zugleich die Kosten abzubilden, die im Training tatsächlich anfallen. Ergänzend wird ein „Reward baseline“-Ansatz genannt, der seit SWE-1.6 verwendet werde und laut Beschreibung die Trainingsstabilität deutlich erhöht. Daneben taucht als weiterer Baustein „RL rollout serving“ auf: Hier geht es um Scheduling, das Batchen von Prefill-Anfragen im GPU-Scheduler sowie um eine Online-Optimierung, bei der ein Draft-Modell eingesetzt wird, um die Decoding-Throughput zu erhöhen.
Technisch wirkt SWE-2 damit wie ein System, das Rechenzeit nicht nur im Modell, sondern auch im Inferenzpfad operationalisiert. Das Team beschreibt NVFP4-/FP8-Kernels, Quantization-aware training und reduzierte Speicheranforderungen, außerdem eine geringere Abweichung zwischen Training und Inferenz im Vergleich zu SWE-1.7 bei ähnlicher Throughput, obwohl das Basismodell fast dreimal so viele Parameter besitzt. Für das Rollout-Tempo wird „DSpark speculative decoding“ verwendet: Ein Draft-Modell schlägt Tokens vor, die Policy verifiziert sie gemeinsam. Da sich die Policy während des Trainings verändert, werden die akzeptierten Sequenzen im Laufe der Zeit kürzer – um dem entgegenzuwirken, trainiert das Team einen neuen DSpark-Entwurf mit „SpecForge“, mit dem Ziel, längere akzeptierte Sequenzen zu erreichen, und integriert das Online-Draft-Training in das RL-System. Gerade bei Coding-Agenten, bei denen häufig Verifikationsläufe dominieren, ist diese Kombination aus Modelltraining und Serving-Optimierung ein realistischer Hebel auf die Gesamtkosten.
Beim Ausrollen nennt das Team praktische Einsatzpunkte: SWE-2 ist ab sofort in Devin Desktop und Devin CLI verfügbar, zudem läuft ein Rollout in Devin Web und Fusion. Für die Einschätzung aus Industrie- und IT-Sicht ist außerdem relevant, dass das System nicht nur „mehr Leistung“ behauptet, sondern mehrere Verhaltensmuster beschreibt, die in Enterprise-Umgebungen typischerweise Kosten verursachen oder senken: besseres End-to-End-Testschreiben, höhere „Resourcefulness“ innerhalb vorgegebener Nutzergrenzen, sowie eine „Verification discipline“, bei der die Lösung Hypothesen prüft und Artefakte als Evidenz ausführt statt sich auf oberflächliche Plausibilität zu verlassen. Als Vertrauensanker werden zudem erneuerte Evaluierungen zur Trustworthiness angeführt, unter anderem eine Propaganda- und Censorship-Bewertung mit 98,0 % Gesamtpassquote sowie ein Kontext-Stabilitätstest, bei dem nach Darstellung keine signifikanten Effekte durch die Rahmenbedingungen auf die Verwundbarkeit entstehen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "SWE-2: Neuer KI-Code-Agent rückt die Pareto-Grenze bei Kosten und Qualität näher" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "SWE-2: Neuer KI-Code-Agent rückt die Pareto-Grenze bei Kosten und Qualität näher" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »SWE-2: Neuer KI-Code-Agent rückt die Pareto-Grenze bei Kosten und Qualität näher« bei Google Deutschland suchen, bei Bing oder Google News!