SWE-2 在 FrontierCode 1.1 Main 上的表现如何被理解？

据 OSCHINA 报道，SWE-2 在 FrontierCode 1.1 Main 上取得 50.0% 的成绩，与 Fable 5.1 的 50.9% 相差不到一个百分点。这表明 SWE-2 在这一评测中接近领先模型，但仍有微小差距。读者可将此成绩与 GPT-5.6 Sol 的 47.5% 对比，理解其相对优势。但需注意，FrontierCode 是 Cognition 自家维护的 SWE-bench 升级版，其评测标准可能与行业通用基准存在差异。

SWE-2 在 DeepSWE 1.1 上的高分是否具有代表性？

SWE-2 在 DeepSWE 1.1 上取得 73.0% 的成绩，超过 Fable 5.1 的 67.4% 和 Grok 4.6 的 67.5%。这一表现显示其在该评测中具备较强竞争力。但需注意，DeepSWE 1.1 与 FrontierCode 1.1 Main 是不同评测体系，其测试内容和难度可能不同。读者可结合多个评测结果，判断 SWE-2 的综合能力，而非仅依赖单一指标。

SWE-2 在 Terminal-Bench 4 上的低分是否影响其整体评价？

SWE-2 在 Terminal-Bench 4 上仅取得 27.3%，远低于 Opus 5（51.8%）和 Astra（57.9%）。由于 TB 4 是几周前才发布的新基准，其测试标准可能尚未被广泛验证。读者可推测，SWE-2 可能在新基准上尚未优化，但这并不一定代表其整体能力不足。需进一步观察其在新评测中的表现，以判断其适应性。

SWE-2 的价格优势是否与其性能匹配？

SWE-2 的价格比 Fable 5.1 便宜 64%，这一价格优势可能吸引部分用户。但性能方面，SWE-2 在 FrontierCode 1.1 Main 上仅比 Fable 5.1 少 0.9 个百分点，说明其性能接近。读者可结合价格与性能，评估其性价比。但需注意，不同评测结果可能影响最终判断，因此需综合多方面信息。