Claude и SWE-2 в Devin Desktop делят одну задачу

Cognition открыла Fusion в Devin Desktop и CLI: теперь две ИИ-модели могут вместе работать над одной задачей не только в облаке, но и в десктоп-приложении и терминале. Компания советует связку Claude Fable 5.1 и SWE-2, чтобы одна модель думала и планировала, а другая писала код и проверяла результат.

Что именно запустила Cognition

11 сентября Cognition сообщила, что Fusion стал доступен в Devin Desktop и CLI. Раньше эта схема работала только внутри облачного Devin, а теперь её можно использовать и на компьютере, и в терминале. Для тех, кто работает с кодом каждый день, это означает более удобный доступ к агенту без привязки к веб-интерфейсу.

Сама Devin — это инструмент, которому можно поручать изучение проекта, правки в коде и проверки. Fusion добавляет к этому разделение ролей: одна модель общается с пользователем и решает, что делать дальше, а вторая берёт на себя исполнение. В качестве рекомендуемой пары Cognition называет Claude Fable 5.1 и SWE-2.

Как устроена работа двух моделей

По задумке Cognition, ведущий агент сначала уточняет неясные требования, разбирается в задаче и решает, что отправить помощнику. Исполнитель уже работает с файлами, пишет код и тесты, исправляет ошибки и передаёт результат на проверку. У каждого агента свой набор инструментов и отдельный контекст, который сохраняется во время сессии.

Компания объясняет, что простой маршрутизации по первому запросу часто мало. Настоящая сложность всплывает уже после изучения репозитория, и тогда полезно, чтобы ведущая модель могла сама решать, где работать лично, а где делегировать. Именно поэтому Fusion старается не терять контекст при переключении между ролями.

Что это даёт на практике

В отчёте Cognition есть примеры, где связка моделей даёт меньшую стоимость при близком качестве результатов. Для пары Fable 5.1 + SWE-2 указаны 61,7 балла против 62,2 у Claude Code с Fable 5.1, при этом стоимость ниже на 36%. В другом сравнении для Astra + SWE-2 показано 58,9 балла против 61,6 у Codex с Astra и снижение стоимости на 39%.

При этом экономия не всегда идёт без потерь. В одном из тестов для Astra на Terminal-Bench 4 стоимость упала на 40%, но результат снизился с 55,6 до 50,0. Cognition отдельно подчёркивает, что такие цифры относятся к конкретным бенчмаркам и конфигурациям, а не к любому реальному проекту.

Компания также приводит июльский эксперимент: Fable 5 была вдвое дороже Opus 4.8 за токен, но в связке с тем же помощником в среднем обходилась дешевле по итоговому запуску — $1,86 против $2,04. При этом результат оказался лучше: 60,7 против 54,6. Cognition связывает это с тем, что ведущая модель делает меньше лишних шагов и чаще делегирует работу, а значит тратит меньше контекста и обращений. Для разработчиков и команд это может быть полезно там, где важно сэкономить время и деньги на длинных задачах по коду.

Почему это интересно обычным командам

Главная идея Fusion понятна даже без погружения в архитектуру: одна модель не обязана делать всё сама. В реальной работе это похоже на связку менеджера и исполнителя, только без созвонов и ручного контроля на каждом шаге. Такой подход особенно полезен, если задача большая, требования меняются по ходу работы, а проект уже содержит много файлов и зависимостей.

Cognition отмечает, что под конкретную пару моделей нужно настраивать сам «харнес» — то есть способ, которым агент получает задания, спорит с исполнителем и делит исследование кода. Для пользователя это означает простую вещь: чтобы получить лучший результат, ИИ-агенту нужно не только сильная модель, но и правильно организованная схема работы.