Das Devin-Team hat am 8. Juli SWE-1.7 veröffentlicht, ihr bisher stärkstes Codierungsmodell. Es ist weder ein Chatbot noch eine App – es ist das agentische Modell, das Devis autonome Softwareentwicklung antreibt: Man gibt ihm eine Aufgabe, es liest das Repository, bearbeitet Dateien, führt das Terminal aus und schließt den Kreis bei langfristigen Arbeiten.
Die Zahl, die zählt
42,3 % bei FrontierCode 1.1, knapp hinter GPT-5.5 (43,0 %) und Opus 4.8 (46,5 %), und deutlich vor GLM-5.2 und Composer 2.5. Rund 81,5 % bei Terminal-Bench. Das Interessante daran: etwa 1,97 $ pro Aufgabe, ein Bruchteil dessen, was die Frontier-Modelle kosten.
Wie sie dorthin gelangten, ist die eigentliche Geschichte. Cognition nahm die Open‑Source‑Basis Kimi K2.7 von Moonshot und führte ein RL-Post-Training darüber durch – innerhalb des eigentlichen Devin-Frameworks, über vier Rechenzentren auf drei Kontinenten. RL auf dem RL eines anderen, basierend auf einem offenen Modell statt von Grund auf zu trainieren.
Wie man es benutzt
Es gibt keine direkte API. SWE-1.7 läuft innerhalb von Devin – Web, Desktop und CLI – bereitgestellt auf Cerebras mit 1000 Token pro Sekunde. Diese Geschwindigkeit ist entscheidend für einen Agenten, der dutzende asynchrone Änderungen vornimmt.