Cognition выпустила Fusion для Devin Desktop и CLI: две ИИ-модели делят одну задачу

11 сентября Cognition объявила о доступности Fusion в Devin Desktop и CLI. Ранее система работала в облачном Devin. Теперь связку из ведущей модели и исполнителя можно использовать в десктоп приложении и терминале. Компания рекомендует сочетание Claude Fable 5.1 и SWE-2.

Напомню, что Devin – это такой инструмент, в котором ему можно поручить задачи, связанные с изучением проекта, изменением кода и проверками. А Fusion же в свою очередь организует совместную работу двух моделей. Одна, например, составляет план и принимает результат, другая занимается реализацией. Это как в обычной команде разработки, только без дейликов.

Ведущий агент общается с пользователем, разбирается с неоднозначными требованиями и определяет, какую работу делегировать. Исполнитель изучает файлы, пишет код и тесты, исправляет ошибки и возвращает результат на проверку. У обоих есть собственные инструменты и отдельный контекст, который сохраняется по ходу сессии. Такой подход Cognition описала при первоначальном анонсе Fusion.

По объяснению Cognition, обычной маршрутизации по начальному запросу бывает недостаточно, так как реальная сложность задачи выясняется уже при изучении репозитория. Переключение моделей также может потребовать повторной обработки контекста. В Fusion каждый агент сохраняет собственный кэшируемый контекст, а ведущий решает, какие действия выполнить самому, а какие передать помощнику. Подробнее об этих ограничениях компания рассказывает в разборе архитектуры.

На приведённом графике связка Fable 5.1 + SWE-2 получает 61,7 балла против 62,2 у Claude Code с Fable 5.1, при снижении стоимости на 36%. Для Astra + SWE-2 указаны 58,9 балла против 61,6 у Codex с Astra и снижение стоимости на 39%.

В таблице отдельных бенчмарков Cognition приводит следующие результаты для Fable 5.1 и Fusion с Fable 5.1 + SWE-2:

Экономия сопровождается разными изменениями качества. Например, у Astra на Terminal-Bench 4 стоимость снижается на 40%, но результат падает с 55,6 до 50,0. Эти показатели относятся к конкретным тестам и конфигурациям из отчёта Cognition; маппить результаты на любой проект нельзя.

У компании есть и наблюдение о цене самих моделей. В июльском эксперименте Fable 5 стоила вдвое дороже Opus 4.8 за токен, но с одинаковым помощником оказалась дешевле по итогам работы: $1,86 против $2,04 в среднем за запуск. При этом результат был выше — 60,7 против 54,6.

Cognition связывает это с поведением ведущего агента. Fable раньше делегировала работу и меньше повторяла действия исполнителя. В среднем ей потребовалось 11,5 шага ведущего агента против 26,5 у Opus. В этом эксперименте более дорогая модель компенсировала цену меньшим числом обращений и объёмом обрабатываемого контекста.

В новом анонсе компания также подчёркивает, что харнес приходится настраивать под конкретную пару моделей: выбирать подробность задания, допустимость возражений исполнителя и объём делегируемого исследования кода.

В KodaCode мы тоже уделяем внимание харнесу. У нас есть роли агента, скиллы и делегирование задач помогают организовать работу модели. Эти фичи описаны в документации Koda и каталоге скиллов. Сейчас проводим много замеров нашего харнеса с разными моделями. Подробности выпустим позже.

Попробуйте Kodacode на своём проекте: скачать для IDE, CLI и Desktop. Анонсы обновлений, практические разборы и новости продукта в нашем Telegram‑канале.