Cognition hat mit SWE-1.7 ein Coding-Modell vorgestellt, das laut eigenen Messungen an GPT-5.5 und Opus 4.8 heranreicht. Spannender als die Zahlen ist der Unterbau, denn das Modell setzt auf einer offenen chinesischen KI-Basis auf.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Mit SWE-1.7 hat das US-Startup Cognition am 8. Juli sein bislang stärkstes Modell für die Software-Entwicklung veröffentlicht. Cognition hat SWE-1.7 nicht von Grund auf trainiert, sondern das offene Basismodell Kimi K2.7 des chinesischen Anbieters Moonshot per Reinforcement Learning nachgeschärft.
Das Wichtigste in Kürze
- SWE-1.7 liegt laut Cognitions eigenen Benchmarks[1] mit 42,3 % auf FrontierCode knapp vor GPT-5.5, aber hinter Opus 4.8.
- Grundlage ist das offene Modell Kimi K2.7 von Moonshot, verfeinert per Reinforcement Learning auf Cognitions eigenen Devin- und Windsurf-Daten.
- Ausgeliefert wird SWE-1.7 über den Agenten Devin, gehostet auf Cerebras-Chips mit rund 1.000 Token pro Sekunde.
- Die Zahlen stammen von Cognition selbst, unabhängige Tests durch Dritte fehlen bisher.
Was steckt technisch hinter SWE-1.7?
SWE-1.7 ist kein von Grund auf neues Modell, sondern das offene chinesische Basismodell Kimi K2.7, das Cognition mit Reinforcement Learning auf echte Coding-Aufgaben trainiert und über Cerebras-Hardware mit rund 1.000 Token pro Sekunde ausliefert.
Cognition kombiniert dafür ein verteiltes Training über drei Kontinente mit einer Selbstkomprimierung, bei der das Modell seinen Arbeitsstand zusammenfasst und danach fortsetzt. Für einen Agenten wie Devin zählt zudem das Tempo: Ein Agent arbeitet in vielen kleinen Schritten, deshalb summieren sich langsame Antwortzeiten über einen ganzen Lauf. Die rund 1.000 Token pro Sekunde auf Cerebras-Chips senken so Wartezeit und Kosten pro erledigter Aufgabe.
Warum baut Cognition ein eigenes Coding-Modell?
Ein eigenes Modell macht Cognition unabhängiger von OpenAI und Anthropic und gibt dem Anbieter die Kontrolle über Kosten und Tempo seines Agenten Devin, weil eine offene Basis plus eigene Trainingsdaten deutlich günstiger ausfällt als ein komplett neues Frontier-Modell.
Cognition hat im Juli 2025 den KI-Editor Windsurf übernommen und betreibt mit Devin einen der bekanntesten Coding-Agenten. Ein Anbieter, der die ganze Kette vom Editor bis zum Modell besitzt, gibt keine Marge mehr an ein fremdes Labor ab. Denselben Weg gehen gerade andere: Microsoft ersetzt in Office OpenAI-Technik durch eigene KI-Modelle, die Commerzbank fährt mit Copilot und Gemini eine bewusste Doppelstrategie. Die Abhängigkeit von einem einzelnen Frontier-Labor gilt zunehmend als Geschäftsrisiko.
Ein Detail verdient dabei Aufmerksamkeit: Die Basis Kimi K2.7 stammt von Moonshot aus China. Ein US-Flaggschiff auf chinesischen offenen Gewichten aufzubauen, wirft ähnliche Souveränitätsfragen auf wie die jüngste Warnung Chinas an Entwickler. Offene Gewichte lassen sich prüfen und selbst hosten, ihre Herkunft bleibt aber ein Thema für Compliance und Einkauf.
Die eigentliche Ansage von SWE-1.7 ist nicht der Benchmark, sondern der Bauplan: Ein offenes Basismodell plus eigene Daten schlägt für viele Firmen bald das teure Frontier-Abo.
— Markus Seyfferth, Chefredakteur Dr. Web
Was bedeutet SWE-1.7 für Ihre Entwicklungsteams?
Verlassen Sie sich nicht auf die Hersteller-Benchmarks, sondern testen Sie SWE-1.7 an Ihrer eigenen Codebasis und wägen Sie Tempo und Kosten gegen die Datenschutz- und Herkunftsfragen einer offenen chinesischen Basis ab.
Die Benchmark-Zahlen sind mit Vorsicht zu lesen. In der Diskussion auf Hacker News wird eingewandt, dass sowohl Cognition als auch der Wettbewerber Cursor auf den jeweils eigenen Benchmarks vorne liegen und ihre Modelle auf den eigenen Nutzungsdaten leicht überanpassen. Auch die umstrittene erste Devin-Demo von 2024 hallt in der Community nach.
Für den deutschsprachigen Raum kommt die Regulierung hinzu. Sobald Quellcode über einen US-Dienst läuft, der auf chinesischen Gewichten aufsetzt, berühren Sie EU AI Act und DSGVO zugleich, und die Haftung bleibt bei Ihnen als Betreiber. Wie schnell ein Coding-Agent zum Sicherheitsproblem wird, hat zuletzt der Fall GitLost gezeigt, bei dem sich ein KI-Agent private Repositories entlocken ließ.
Für die Praxis empfiehlt sich ein nüchternes Vorgehen:
- SWE-1.7 mit einem eigenen Test an typischen Aufgaben aus Ihrem Repository prüfen, statt der Hersteller-Tabelle zu vertrauen.
- Mit Cognition klären, wohin Ihr Quellcode zur Verarbeitung fließt und wie lange er gespeichert wird.
- Die Option offenhalten, ein offenes Modell wie Kimi K2.7 bei Bedarf selbst zu hosten.
SWE-1.7 zeigt vor allem, dass der Abstand zwischen offenen Basismodellen und den teuren Spitzenmodellen schrumpft. Für Ihre Werkzeugauswahl zählt deshalb weniger die nächste Benchmark-Meldung als die Frage, wie viel Kontrolle über Kosten, Tempo und Daten Sie behalten wollen. Weitere Analysen sammeln wir in unserer KI-Rubrik.
Quelle
Mehr Newshunger?
- Copilot ohne OpenAI: Microsoft schaltet in Excel und Outlook auf eigene KI-Modelle um
- Copilot und Gemini gleichzeitig: Die Doppelstrategie hinter Commerzbanks KI-Rollout
- Rowboat: die quelloffene, lokale Alternative zu Claude Desktop
- Die berühmte KI-Leseliste: 30 Aufsätze, die 90 Prozent des Fachs erklären sollen
- US-Cyberbehörde lässt ihren Code durch Claude Mythos prüfen
