SWE-1.7: casi frontera a USD 1,97 por tarea

En pocas palabras: Sí. Cognition lanzó SWE-1.7 en 2026, su modelo de código que roza el rendimiento de frontera de GPT-5.5 y Claude Opus 4.8 a una fracción del costo. Corre en Devin vía Cerebras a 1000 tokens por segundo, entrenado a partir de una base Kimi K2.7.

Cognition lanzó SWE-1.7, su modelo de código más capaz hasta ahora, y lo posiciona cerca del rendimiento de frontera de GPT-5.5 y Claude Opus 4.8 pero a una fracción del costo. Ya está disponible en Devin, corriendo vía Cerebras a 1000 tokens por segundo.

La jugada de SWE-1.7 —inteligencia de frontera— no es igualar a los mejores en cada benchmark, sino acercarse mucho gastando bastante menos. Y eso, para cualquiera que pague la cuenta de tokens a fin de mes, importa.

SWE-1.7 es un modelo de IA de Cognition optimizado para ingeniería de software agéntica, con foco en tareas asincrónicas de largo horizonte. Se entrenó a partir de una base Kimi K2.7 y agrega mejoras propias de aprendizaje por refuerzo (RL). Ofrece cadena de pensamiento explícita, contexto extendido y está pensado para trabajar dentro del agente Devin, no como API genérica de chat.

GPT es una familia de modelos de lenguaje grande desarrollados por OpenAI, basados en arquitectura Transformer y entrenados para generar texto y completar tareas de comprensión del lenguaje natural. Se lanzó por primera vez en 2018 con GPT-1.

¿Qué es SWE-1.7 y qué puede hacer?

Ponele que le pedís a un agente que arregle un bug que aparece solo en producción, con una race condition que nadie logra reproducir en local. Ese es el tipo de tarea para la que está pensado SWE-1.7: horizonte largo, muchos pasos, razonamiento sostenido.

Según el anuncio oficial de Cognition, el modelo trabaja con cadena de pensamiento explícita y está optimizado para tareas asincrónicas de largo horizonte, ese componente que separa un parche rápido de una solución que aguanta. Investiga causa raíz, considera casos edge y hace análisis adversarial del propio código antes de darlo por bueno.

El foco está en Devin. No es un modelo que enchufás en cualquier IDE por API abierta. Vive dentro del agente de Cognition, y ahí es donde muestra lo suyo. Complementá con cómo ChatGPT ha evolucionado en capas.

¿Cómo llega a rendimiento de frontera gastando menos?

Acá viene lo interesante. Cognition no entrenó desde cero. Arrancó de Kimi K2.7, una base que ya había pasado por post-entrenamiento con RL extenso. La creencia común era que a esa altura ya no quedaba mucho jugo para exprimir, el famoso “ceiling de post-training”.

Las ganancias que sacó Cognition con su propio RL desafían esa idea. El equipo mejoró la infraestructura de entrenamiento, estabilizó las corridas largas y sumó datos de mayor calidad, y el resultado sugiere que el RL puede empujar capacidades bastante más lejos de lo que se pensaba. Si eso se sostiene con verificación independiente, cambia el cálculo de cuánto cuesta llegar arriba.

El modelo ya está corriendo. Cognition lo puso en Devin vía Cerebras, a 1000 tokens por segundo, disponible desde el 8 de julio de 2026 para quien tenga suscripción.

Benchmarks: ¿cómo rinde SWE-1.7 frente a GPT-5.5 y Claude Opus?

Los números cuentan una historia clara: SWE-1.7 se acerca, pero todavía no pasa. En los benchmarks reportados en el lanzamiento oficial de Cognition (julio de 2026) queda por debajo de Claude Opus 4.8 y se ubica a la par de GPT-5.5. Eso sí: la diferencia de precio es de otro orden.

Benchmark	SWE-1.7	GPT-5.5	Claude Opus 4.8
SWE-Bench Multilingual	77,8%	76,8%	84,4%

En SWE-Bench Multilingual, SWE-1.7 incluso supera a GPT-5.5 (77,8% contra 76,8%), aunque ahí Opus 4.8 se despega con 84,4%. En FrontierCode 1.1 la historia se repite: cerca de GPT-5.5, todavía por debajo de Opus. La lectura honesta: es un modelo de segundo escalón por rendimiento puro, primer escalón por costo-beneficio. Más contexto en todo lo que necesitás saber de GPT.

¿Qué es FrontierCode y por qué cambia la forma de medir?

Un benchmark tradicional de coding te dice si el test pasa. FrontierCode, el evaluador propietario de Cognition, pregunta algo distinto: ¿este PR es mergeable de verdad?

Evalúa el código como lo haría un maintainer real, con rúbricas que miran varias cosas:

• Correctitud: hace lo que tiene que hacer, sin romper otra cosa.
• Tests: cubre lo que agregó, no solo lo mínimo para pasar.
• Scope: toca lo necesario y nada más (spoiler: acá SWE-1.7 tiene un pero).
• Estilo y mantenibilidad: alguien más lo va a poder leer en seis meses.

¿Por qué una métrica propia del propio fabricante debería importarte? Tomalo con pinzas, porque es del vendedor. Pero la lógica cierra: en el trabajo real no te importa si el test verde apareció, te importa si el PR entra sin que un humano lo tenga que reescribir. Medir eso es más útil que medir pass rate a secas.

¿Dónde acceder a SWE-1.7 y cuánto cuesta?

Disponibilidad: solo dentro de Devin, hoy, corriendo sobre Cerebras. No hay API pública separada por ahora. El acceso va con suscripción a Devin en devin.ai.

El dato que ordena todo es el precio. Según los números reportados, SWE-1.7 resuelve las tareas del set Main de FrontierCode a una fracción del costo de correr GPT-5.5 para el mismo trabajo. La ecuación se entiende sola: perdés un puñado de puntos de rendimiento y ganás mucho en la factura.

Para equipos que corren cientos de tareas por semana, esa diferencia se acumula rápido. No es lo mismo pagar premium por cada bug menor que reservar el modelo caro para lo que de verdad lo necesita. Tema relacionado: casos reales de GPT-4o en acción.

¿Para qué tareas conviene y para cuáles no?

Fuerte en debugging de causa raíz, refactors que contemplan casos edge, arquitectura asincrónica y escritura de tests adicionales. El chain-of-thought explícito lo ayuda a no quedarse en el síntoma y buscar el problema de fondo.

¿Y las debilidades? Hay dos que conviene tener sobre la mesa:

• Scope creep: como razona más, tiende a tocar más archivos y meter cambios más amplios. A veces es bueno, a veces te ensucia el diff.
• Latencia: la cadena de pensamiento explícita suma tiempo frente a un modelo de inferencia directa. Para algo urgente y chico, capaz no es lo que querés.

Y lo obvio: sigue un escalón por debajo de Opus 4.8 en casi todo. No es un reemplazo 1:1 de GPT-5.5 en cada caso de uso, es una alternativa que gana por costo cuando la tarea no exige el techo absoluto.

Qué significa para equipos en Latinoamérica

Para un equipo de desarrollo en la región, donde el presupuesto en dólares para herramientas de IA pesa distinto, un modelo que baja el costo por tarea sin desplomar la calidad es una noticia concreta. La estrategia práctica: mandá a SWE-1.7 el grueso del trabajo (bugs de rutina, refactors, tests) y reservá el modelo premium para lo crítico.

Si además estás montando la infraestructura de tus apps o el hosting de tus proyectos en Argentina, podés resolver esa parte con donweb.com y concentrar el gasto de IA donde mueve la aguja.

Errores comunes al evaluar SWE-1.7

• Leer los benchmarks como si fueran empate técnico: la ventaja de SWE-1.7 está en el costo, no en el rendimiento. Confundir eso te lleva a expectativas equivocadas.
• Tomar FrontierCode como métrica neutral: es del propio fabricante. Útil, pero pedí verificación independiente antes de tratarlo como verdad revelada.
• Ignorar el scope creep en revisión de código: si esperás diffs mínimos y el modelo toca medio repo, vas a perder tiempo en el code review. Configurá el alcance esperado desde el arranque.
• Asumir que hay API abierta: hoy vive dentro de Devin. Si tu flujo depende de una API standalone, todavía no es para vos.

Preguntas Frecuentes

¿Qué es SWE-1.7?

Es el modelo de código más capaz de Cognition, lanzado en 2026 y optimizado para ingeniería de software agéntica de largo horizonte. Se entrenó a partir de una base Kimi K2.7 y corre dentro del agente Devin.

¿Cuánto cuesta usar SWE-1.7?

Cognition lo presenta como rendimiento de frontera a una fracción del costo: resuelve tareas del set Main de FrontierCode por mucho menos que GPT-5.5. El acceso va incluido en la suscripción a Devin en devin.ai. Sobre eso hablamos en implementar IA en tus procesos.

¿SWE-1.7 es mejor que Claude Opus 4.8?

No en rendimiento puro. Opus 4.8 lo supera en los benchmarks reportados, incluido FrontierCode 1.1. SWE-1.7 gana por costo, no por capacidad máxima.

¿Dónde puedo acceder a SWE-1.7 hoy?

Solo dentro de Devin, corriendo vía Cerebras a 1000 tokens por segundo. Por ahora no hay API pública separada, así que necesitás una suscripción a Devin para probarlo.

¿Por qué logra frontera a menor costo?

Cognition partió de una base Kimi K2.7 ya post-entrenada y le aplicó su propio RL con mejor infraestructura, corridas más estables y datos de más calidad. Las ganancias sugieren que el RL escala más allá del supuesto techo de post-entrenamiento.

Conclusión

SWE-1.7 no destrona a GPT-5.5 ni a Claude Opus 4.8. Lo que hace es correr la curva de costo-rendimiento: te da casi lo mismo por bastante menos plata. En FrontierCode 1.1 queda cerca de GPT-5.5 y cuesta una fracción por tarea, un argumento fuerte para el trabajo de volumen.

Qué hacer con esto: si ya usás Devin, probalo en tareas de rutina y comparalo contra tu modelo premium en un puñado de bugs reales. Medí el costo total y el tiempo de code review, no solo el benchmark. Y guardá el escepticismo sano con FrontierCode hasta que haya verificación independiente. La promesa de que el RL todavía tiene recorrido es lo más jugoso del anuncio, si se confirma.

Fuentes

• Cognition – SWE-1.7: Frontier Intelligence at a Fraction of the Cost (anuncio oficial)
• Devin – Documentación de introducción al agente
• AlphaSignal – SWE-1.7 iguala a GPT-5.5 a USD 1,97 por tarea
• OfficeChai – Cognition lanza SWE-1.7 cerca del rendimiento de frontera
• BenchLM – Ficha de benchmarks de SWE-1.7