コーディングエージェント開発企業のCognitionは2026年7月8日、新しいコーディング特化AIモデル「SWE-1.7」を発表した。Moonshot AIの「Kimi K2.7 Code」をベースに独自の強化学習（RL）を重ねる「RL on top of RL」という手法で追加学習を行い、コーディング能力を測る「FrontierCode」ベンチマークでOpenAIのGPT-5.5にわずか0.7ポイント差まで迫る結果を叩き出した。しかも1タスクあたりのコストは約1.97ドルとGPT-5.5級のモデルとしてはかなり低い水準に抑えられており、高速推論に強みを持つCerebras経由で自律型コーディングエージェント「Devin」に統合される。

RL on top of RL――他社モデルの上に重ねる強化学習という戦略

Cognitionの技術的に興味深い点は、SWE-1.7が完全な自社開発モデルではなく、中国のMoonshot AIが開発した「Kimi K2.7 Code」をベースモデルとして採用していることだ。ゼロからモデルを事前学習するのではなく、既に高いコーディング性能を持つオープンウェイト系モデルに対して、Cognitionが持つDevin運用で蓄積した実タスクのフィードバックをもとに追加の強化学習を重ねる「RL on top of RL」というアプローチを取っている。

フロンティアラボが数千億〜数兆円規模の計算資源を投じて事前学習から手がけるのに対し、既存の強力なベースモデルに的を絞ったRLを重ねることで、開発コストを抑えながらフロンティア級の性能に近づけるという戦略だ。結果としてFrontierCodeベンチマークではGPT-5.5にわずか0.7ポイント差まで迫り、しかも1タスクあたり約1.97ドルという低コストを実現した。

Cerebras経由でDevinに統合、推論速度も武器に

SWE-1.7は半導体企業CerebrasのウェハースケールAIチップ経由で提供され、Devinに統合される。Cerebras製チップは一般的なGPUクラスタに比べて推論速度（トークン生成速度）が非常に高いことで知られており、Devinのような「タスクを渡すと自律的にコードを書き、テストし、修正を繰り返す」エージェント型ワークフローとの相性がよい。エージェントが試行錯誤を繰り返すたびに推論待ち時間が発生する設計では、モデル性能だけでなく応答速度も体験を大きく左右するためだ。

実務への影響

なぜこれが重要か: この発表が示すのは、コーディングAIの競争軸が「モデル単体のベンチマークスコア」から「実運用コストとエージェントとしての速度・自律性」に移りつつあるという流れだ。GPT-5.5に肉薄する性能を1タスク2ドル程度で提供できるとなれば、企業が大量のコーディングタスクを自律エージェントに任せる際のコスト障壁が大きく下がる。日本のIT現場でも、コーディング支援を「人間が逐一確認する副操縦士型」から「目的を渡して任せる自律エージェント型」に移行する動きが今後さらに加速するだろう。

実務での活用ポイント: Devinのような自律型コーディングエージェントを検証する際は、ベンチマークスコアだけでなく「1タスクあたりのコスト」と「エージェントが自律的に完結できる範囲」を必ず確認したい。特にCI/CD連携やIssue対応の自動化を検討しているチームは、低コスト化によって「小さなバグ修正やテスト追加まで機械的にエージェントへ委任する」運用が現実的になってきている点に注目すべきだ。試験導入する場合は、まず影響範囲の小さいリポジトリやタスクから任せてみて、実際に成果を出す経験を積むのが近道になる。

筆者の見解

私は自律型AIエージェントの本質は「人間の確認・承認を待たずにタスクを完結できること」にあると考えている。その意味で、Devinのような自律エージェント製品を支えるモデルが着実に進化し、しかもコストを抑えながらフロンティア級に近づいてきているのは歓迎すべき流れだ。

個人的にはClaude Codeを軸にエージェント活用のノウハウを積み上げているが、Cognitionのように既存の強力なベースモデルにRLを重ねて実用コストを下げるアプローチは、ベンダーを問わず「エージェントを24時間ガンガン回す」時代に向けた合理的な選択だと感じる。ベンチマークの数字を追いかけること自体にはあまり意味がなく、大事なのは実際に自分の手元でエージェントを動かし、どこまで任せられるかを体感で掴んでいくことだ。SWE-1.7とDevinの組み合わせも、そうした「実践して確かめる」対象のひとつとして注視していきたい。

出典: この記事は Cognition SWE-1.7: RL on Top of RL Yields Near-Frontier Code at Low Cost の内容をもとに、筆者の見解を加えて独自に執筆したものです。