Devin SWE-2 Flash 怎麼選？用任務驗收比較 SWE-2 的時間與成本
本文目錄
Devin 的 SWE-2 Flash 適不適合當日常預設模型？先挑一件有明確完成條件、可以重跑的工作比較，再看每次合格交付花多少時間。模型生成較快，未必讓需要人工補修的任務更早結束。
Cognition 在 2026 年 11 月 4 日的公告寫明，SWE-2 Flash 已在 Devin Desktop 與 CLI 提供，價格為 SWE-2 的五分之一、速度約三倍。這是官方產品比較；本文沒有執行兩個模型的對照測試。以下把它轉成選模流程，適合正在決定要把哪一類工程任務交給 Flash 的讀者。
先確認你的 Devin session 選了什麼
Devin CLI 官方頁提供 /model 作為 session 內切換模型的入口。開始比較前，記錄實際選到的模型、effort 與其他路由設定；若畫面顯示 Fusion 等多模型模式，也一併記錄。這些條件不同，結果就無法只歸因於 Flash 或 SWE-2。
本文僅檢閱公開文件，尚未核對登入帳號的選單、可用方案或實際扣款。若找不到 SWE-2 Flash，先確認客戶端更新與帳號提供的選項，再向官方支援確認開放範圍，保留畫面和版本資訊。
公告頁也出現免費至 11/30 的活動文字，但沒有在該段完整說明各方案、額度與超額條件。安排批次工作前，應以帳號當下顯示的活動資格與計費內容確認；預估長期成本時仍保留付費情境。
用同一個起點比較「完成任務」的成本
先從文件修訂、有既有測試的小修補或範圍清楚的功能著手。這是降低比較雜訊的實驗設計，不是已證明 Flash 對這些任務一定較強。
- 選定同一個 repository commit，建立兩份互不影響的工作環境。預先固定套件版本、測試命令與可用憑證範圍。
- 給兩個模型相同需求，寫出可改檔案、預期行為與驗收案例。例如「空清單顯示指定文字，原本有資料的畫面維持正常」。
- 各自從乾淨起點執行，記錄從指派到完成的時間、帳號顯示成本、測試結果，以及人工閱讀和補修時間。
- 依同一套規則 review diff。若測試未涵蓋需求，補上人工驗收，將未完成的 run 留在紀錄中。
比較的分母應是通過相同驗收的交付數。可把所有嘗試的費用加總，再除以合格交付數；人工時間另外列出。若合格數是零，先回報未完成，成本比值便沒有可解釋的分母。試用期間帳單為零，也只能說明活動期間的支出。
這套方法與自架模型接 coding agent 的驗收可共用：固定問題、工具與完成標準後，才比較模型帶來的差異。
什麼時候先用 Flash，什麼時候升級任務？
若某一類工作在多次相同標準的比較中，都能保留正確行為、通過 review，且總等待和補修較少，就能把它列入 Flash 的預設範圍。遇到跨模組需求、規格不完整或測試通過卻反覆漏掉業務條件時，先縮小任務或補齊規格，再決定交回 SWE-2。換模型本身無法補上缺少的驗收條件。
官方同時表示，SWE-2 Flash 權重尚未公開分享，正規劃向可信任產業夥伴與研究單位提供存取的計畫。因此本文提供的是 Devin 內的選模方法；外部 endpoint、自架與權重下載應等官方另有明確文件。
參考資料：