@cognition: 昨天我们发布了基于开源Kimi K2.7的SWE-1.7。关于中国基础模型的担忧是真实存在的:K2.7完成…
摘要
Cognition发布了SWE-1.7,该模型基于开源Kimi K2.7构建,并通过可信性训练来解决对中国基础模型的担忧。
昨天我们发布了基于开源Kimi K2.7的SWE-1.7。
关于中国基础模型的担忧是真实存在的:K2.7完成了其他模型因人权问题而拒绝的87%的任务。
我们专门对SWE-1.7进行了可信性训练,使其在评估中与美国模型匹配。https://t.co/GKPcFDjnzo
查看缓存全文
缓存时间: 2026/07/09 21:41
昨天我们发布了基于开源 Kimi K2.7 构建的 SWE-1.7。
对中国基础模型的担忧是真实存在的:K2.7 完成了其他模型因人权关切而拒绝的 87% 任务。
我们专门针对可信度训练了 SWE-1.7,使其在评估中与美国模型表现相当。https://t.co/GKPcFDjnzo
相似文章
Cerebras 现已运行 Kimi K2.6(一分钟阅读)
Cerebras 宣布,其硬件现已运行来自 Moonshot AI 的 AI 模型 Kimi K2.6。
Cognition的SWE-2
Cognition的SWE-2是一种基于Kimi K3进行后训练的新型编码模型,采用强化学习,在FrontierCode 1.1 Main上达到50.0%的性能,相比Fable 5.1节省64%的成本,同时与GPT-6 Astra具有竞争力。它现在可在Devin Desktop和CLI中使用。
Kimi K2.6
Kimi K2.6 作为开源模型发布,在长程编码与智能体集群基准测试中达到 SOTA 性能。
Cognition的SWE-2在Terminal-Bench 2.1上达到92.8分
Cognition的SWE-2模型,基于Kimi K3进行后训练,在Terminal-Bench 2.1上获得92.8分,相较于前沿模型如Fable 5.1和GPT-6 Astra,提供具有竞争力的性能且成本更低。
@noisyb0y1: 有人逆向工程了Kimi K2.6,这彻底终结了“更大模型=更优AI”的说法。1万亿参数…
对Kimi K2.6的逆向工程分析显示,其架构优先考虑编排和技能注入,而非原始参数数量,通过多智能体协作无需再训练即可获得高SWE-Bench分数。