Cognition lance Fusion dans Devin : un duo de deux modèles réduit le coût des tâches jusqu'à 39%

Cognition a ajouté à Devin Desktop et au CLI un mode Fusion, dans lequel deux modèles travaillent simultanément sur une même tâche. Le modèle frontier joue le rôle de « lead » : il planifie, lève les ambiguïtés et vérifie le résultat. Un modèle moins cher, le « sidekick », explore le code, apporte les modifications et lance les tests.

Selon l'entreprise, avec la paire Fable 5.1 + SWE-2, le coût d'une tâche est inférieur de 36% à celui de Claude Code sur Fable 5.1 (7,90 $ contre 12,36 $ en comparaison normalisée), pour un score final quasi identique : 61,7 contre 62,2.

Pour GPT-6 Astra associé à SWE-2, l'économie atteint 39% par rapport à Codex (4,54 $ contre 7,47 $), avec un score de 58,9 contre 61,6.

Pourquoi pas un routage classique

L'idée classique : confier les tâches simples à un modèle bon marché et les tâches complexes à un modèle coûteux. Cognition explique pourquoi cela fonctionne mal. La difficulté ne se devine pas à partir du premier prompt : « corrige ce bug » peut signifier une seule ligne ou une refonte de l'architecture du produit, et on ne le voit qu'après avoir étudié le code. De plus, changer de modèle en cours de tâche invalide le prompt cache, et le retraitement du contexte est alors facturé au tarif du modèle coûteux.

Fusion contourne ces deux problèmes. Deux agents parallèles travaillent, chacun avec son contexte persistant et son propre jeu d'outils. Ils n'échangent pas l'intégralité de la conversation, seulement des briefs, des résultats et des retours. Le lead formule pour le sidekick une tâche assortie de contraintes et de critères de réussite, sans se noyer dans les sorties intermédiaires des outils. Le cache est conservé des deux côtés. L'utilisateur, lui, dialogue toujours avec le modèle frontier, qui peut à tout moment reprendre le travail à son compte si le sidekick n'y parvient pas.

Les chiffres des benchmarks

Cognition, avec Artificial Analysis et Vals AI, a comparé Fusion à des modèles utilisés seuls. Scores et coûts en dollars, test par test :

• DeepSWE 1.1 : Fable 5.1 — 64,3 (14,63 $) ; Fusion sur Fable — 63,1 (7,88 $, −46%). Astra — 67,6 (7,88 $) ; Fusion sur Astra — 67,3 (4,69 $, −40%).
• Terminal-Bench 4 : Fable — 57,6 (17,46 $) ; Fusion — 56,1 (13,37 $, −23%). Astra — 55,6 (10,08 $) ; Fusion — 50,0 (6,06 $, −40%).
• SWE-Atlas QnA : Fusion sur Fable obtient 65,9 contre 64,8 pour le modèle seul, pour un coût de 5,00 $ au lieu de 7,57 $ (−34%).
• Vals Code Migration : Fusion sur Fable — 57,3 contre 54,6, avec un coût en baisse de 41% ; pour Astra, la baisse est de 20%, mais le score chute de 67,7 à 61,3.
• FrontierCode 1.1 Extended : avec Fable, la qualité est de 63,5 contre 63,6 pour −38% ; avec Astra, l'économie n'est que de 11%.

Le tableau n'est pas homogène. Sur Terminal-Bench et Code Migration, la paire Astra + SWE-2 accuse une baisse de qualité nette : « niveau frontier sur toutes les tâches » reste donc une hypothèse à manier avec prudence. Par ailleurs, les données sont publiées par Cognition elle-même, même si des évaluateurs tiers y ont participé.

Les modèles coûteux peuvent alléger la facture du système

La conclusion la plus intéressante porte sur le prix par tâche plutôt que sur le prix par token. Lorsque Cognition a remplacé Opus 4.8 par Fable 5 dans le rôle de lead, les sessions sont devenues en moyenne 9% moins chères, malgré un prix par token deux fois plus élevé, et le score sur FrontierCode a progressé. Fable déléguait plus tôt et rédigeait des briefs plus précis, alors qu'Opus micromanageait le sidekick et refaisait son travail.

Le même constat vaut pour l'exécutant. SWE-2 coûte 0,75 $ par million de tokens contre 0,20 $ pour GPT-5.6 Luna (+275%), mais le coût final sur FrontierCode reste pratiquement inchangé : 2,34 $ contre 2,39 $, avec un meilleur score : 63,4 contre 62,0. Un sidekick performant utilise moins de tours et demande moins de cycles de revue.

Le harness se règle toutefois pour chaque paire. Un sidekick faible a besoin de briefs plus détaillés ; mieux vaut ne pas lui laisser la possibilité de contester le plan, ni lui déléguer la recherche qui influe sur ce plan. À un exécutant performant, on peut laisser les détails d'implémentation et confier la reconnaissance initiale du code.

À tester

On peut installer Devin CLI avec la commande curl -fsSL https://cli.devin.ai/install.sh | bash. Dans Fusion, on choisit deux modèles : Cognition recommande Fable 5.1 comme lead et SWE-2 comme sidekick. Si vous suivez les dépenses liées aux agents, il est judicieux de tester deux ou trois paires sur vos propres tâches et de comparer non pas les tarifs, mais le prix final d'une tâche accomplie. C'est particulièrement pertinent pour les migrations de routine et les grandes bases de code, où le sidekick prend en charge l'essentiel du travail.