SWE-2 после нескольких недель работы Сегодня по первоначальным условиям должна была закончиться акция с "безлимитным" доступом к SWE-2 в Devin, однако, на странице тарифов теперь стоит 16 октября, продлили на недельку, но я не стану отходить от плана и итоги нескольких недель работы подведу сейчас. Виндсёрфинг Начнём с начала, подписку за $20 брал 19 сентября, когда исчерпал лимиты Codex и Claude Code, и с тех пор пользовался SWE-2 почти каждый день через Coddy, родной Devin CLI и Windsurf IDE. Поначалу казалось, что ей можно доверить сложную разработку. Главный критерий у меня простой - понять, как сделать фичу по дизайну, и выполнить задачу без постоянных поправок. SWE-2 для этой роли оказалась слабее, чем мне нужно. Она пишет рабочий код и проходит тесты, но неточно соблюдает требования, особенно в интерфейсе. Ей нужны подробная спецификация и ручной контроль. Иногда проще исправить руками что она там написала чем пытаться объяснить. В моих аналогичных задачах модели OpenAI и Anthropic справлялись с этим лучше. У Kimi K3, на которой построена SWE-2, в каталоге Devin заявлен миллион токенов контекста, а у SWE-2 всего 262 тысячи. В сентябре примерно через раз инференс останавливался на 150-180 тысячах токенов, и без /compact продолжить не удавалось. 22 сентября сам нашёл в логах stop_reason=max_tokens от API. Поставил в Coddy предел 150 тысяч и автоматическое сжатие на 95%, после этого работа продолжилась без ошибок. Причину остановок я не установил, полагаю какая-то багулина на стороне Devin. Само сжатие SWE-2 переносила хорошо - в одной сессии прошла восемь сжатий и довела задачу до конца. Длительные задачи получались, но работать в одном большом контексте без сжатия не выходило. По скорости SWE-2 не самая быстрая моделька, кто пользовался Kimi K3 через подписку Moonshot на старте помнят какая у неё была скорость, вот у SWE-2 примерно так же. Бай зе вей, из-за частого сжатия моделька периодически забывала над чем работала и начинала пытаться делать то, что уже сделано или искать то, что она уже нашла, но это в целом ожидаемо на таком малом контексте. В браузере через Playwright MCP моделька через агента сама делала скриншоты и разобралась с rich messages телеграмовским без подсказок. Но текст к ним писала со слопом даже при подключённых скилах, а мою /logika при этом игнорировал. В Coddy как-то раз она правила менюшку выбора гитовых веток, чтобы показывать известный список сразу и обновлять его в фоне. Написала два падающих регрессионных теста, внесла правку, после чего прошёл полный UI-набор тестов, при этом ушла в цикл и несколько десятков раз повторяла один и тот же план, пришлось стопорить и дальнейшую работу я переключил на другую модель. Лучше всего SWE-2 показала себя на схеме, в которой Opus 5.5 или GPT-5.6 Sol декомпозируют задачу и проверяют результат, а SWE-2 выполняет отдельные части как субагент. Так я работал с микросервисами для трёх контуров Kubernetes, запускал четырёх исполнителей разом. SWE-2 делала свою часть, а я и другие модели контролировали результат. С 30 сентября на параллельных запусках SWE-2 стали часто приходить ответы 429, для работы пришлось ограничиться двумя потоками и прежнюю схему с четырьмя исполнителями уже не получалось использовать, апишка стала предлагать перейти на более дорогую подписку, чего мне делать не хотелось. Кстати 30 сентября я ещё упёрся в "бесконечные" лимиты, в моём аккаунте тогда окно сбрасывалось раз в 21 час, а до ближайшего сброса оставалось около получаса, после него я продолжил работу. Для кворума кросс-ревью SWE-2 тоже пригодилась, у неё иногда бывают очень полезные находки, которые допускают Fable и Astra, как особое мнение то что надо. А вот работать с геоблоком неудобно, в моём случае необходим туннель из-за географических ограничений. Ещё из недостатков в том, что веб-сервис после входа отправлял подключать GitHub и выбирать репозитории. Без привязки не получалось даже добраться до оплаты счёта. Подключать репозитории ради знакомства с моделью и оплаты считаю лишним. По самостоятельной работе SWE-2 для меня осталась примерно на уровне базовой Kimi K3 и требует внимательной формулировки запросов, Cognition подтверждает, что дообучила Kimi K3 для этой модели, в том числе с помощью обучения с подкреплением, но что-то я дообучения не почувствовал, возможно его не было. Послесловие Лично для меня основой для агента она не стала, с необходимостью туннеля, лимитами, посредственными для моих задач ответами и меньшим, чем у Kimi K3, контекстом SWE-2 подойдёт не всем. Подписку пока отменять не буду. Посмотрю, что получится у SWE-линейки на более сильной Kimi и с лучшим дообучением под агентные циклы. Хотя при доступной самой Kimi без геоблока ещё пока порефлексирую на тему того, за какие преимущества SWE я готов платить.