Cognition запустила Fusion в Devin: связка из двух моделей режет цену задач до 39%

Cognition добавила в Devin Desktop и CLI режим Fusion, в котором над одной задачей работают две модели сразу. Frontier-модель выступает «лидом»: планирует, разбирается с неоднозначностями и проверяет результат. Более дешёвая модель, «сайдкик», исследует код, вносит правки и запускает тесты. По данным компании, на связке Fable 5.1 + SWE-2 стоимость задачи на 36% ниже, чем у Claude Code на Fable 5.1 ($7,90 против $12,36 в нормированном сравнении), а итоговый балл почти тот же: 61,7 против 62,2. Для GPT-6 Astra в паре с SWE-2 экономия составляет 39% относительно Codex ($4,54 против $7,47) при 58,9 балла против 61,6.

Почему не обычный роутинг

Классическая идея: простые задачи отдаём дешёвой модели, сложные — дорогой. Cognition объясняет, почему это плохо работает. По первому промпту сложность не определить: «почини баг» может означать одну строчку или переархитектуру продукта, и это видно только после изучения кода. К тому же смена модели посреди задачи ломает prompt cache, и за повторную обработку контекста приходится платить именно по тарифу дорогой модели.

Fusion обходит обе проблемы. Работают два параллельных агента, у каждого свой постоянный контекст и набор инструментов. Между ними не передаётся вся переписка, только брифы, результаты и обратная связь. Лид формулирует для сайдкика задачу с ограничениями и критериями успеха, а сам не тонет в промежуточных выводах инструментов. Кэш у обоих сохраняется. Пользователь при этом всегда общается с frontier-моделью, а она в любой момент может забрать работу себе, если сайдкик не справляется.

Цифры по бенчмаркам

Cognition совместно с Artificial Analysis и Vals AI сравнила Fusion с одиночными моделями. Баллы и стоимость в долларах по отдельным тестам:

• DeepSWE 1.1: Fable 5.1 — 64,3 ($14,63); Fusion на Fable — 63,1 ($7,88, −46%). Astra — 67,6 ($7,88); Fusion на 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 на Fable даёт 65,9 против 64,8 у одиночной модели, стоимость $5,00 вместо $7,57 (−34%).
• Vals Code Migration: Fusion на Fable — 57,3 против 54,6 при −41% стоимости; у Astra минус 20%, но балл падает с 67,7 до 61,3.
• FrontierCode 1.1 Extended: у Fable качество 63,5 против 63,6 при −38%; у Astra экономия лишь 11%.

Картина неоднородная. На Terminal-Bench и Code Migration у связки Astra + SWE-2 заметна просадка по качеству, так что «frontier-уровень на всех задачах» — осторожное допущение. Данные при этом публикует сама Cognition, пусть и с участием сторонних оценщиков.

Дорогие модели могут удешевлять систему

Самый интересный вывод — про цену за задачу вместо цены за токен. Когда Cognition заменила Opus 4.8 на Fable 5 в роли лида, при вдвое более высокой цене за токен сессии стали в среднем на 9% дешевле, а балл на FrontierCode вырос. Fable раньше делегировал и писал более точные брифы, а Opus микроменеджил сайдкика и переделывал его работу.

То же работает для исполнителя. SWE-2 стоит $0,75 за миллион токенов против $0,20 у GPT-5.6 Luna (+275%), но итоговая стоимость на FrontierCode практически не меняется: $2,34 против $2,39, а балл выше — 63,4 против 62,0. Сильный сайдкик тратит меньше ходов и требует меньше раундов ревью.

Харнес при этом настраивается под каждую пару. Слабому сайдкику нужны более подробные брифы, возможность спорить с планом ему лучше не давать, а исследование, влияющее на план, лучше не делегировать. Сильному исполнителю можно оставить детали реализации и поручить первичную разведку по коду.

Что попробовать

Установить Devin CLI можно командой curl -fsSL https://cli.devin.ai/install.sh | bash. В Fusion выбирают две модели: Cognition рекомендует Fable 5.1 как лида и SWE-2 как сайдкика. Если вы считаете расходы на агентов, имеет смысл прогнать на своих задачах две-три связки и сравнить не тарифы, а итоговую цену выполненной задачи. Особенно это актуально для рутинных миграций и больших кодовых баз, где сайдкик берёт на себя основной объём работы.