SWE-1.7, 코딩 모델의 비용 곡선을 압박하다

프론티어급 지능을 더 싸게 만들겠다는 주장

Cognition은 2026년 7월 8일 SWE-1.7을 공개하며 "frontier-level intelligence at a fraction of the cost"라고 설명했다. 회사는 SWE-1.7이 자체 모델 중 가장 강력하며, Kimi K2.7 기반 위에 추가 RL 후훈련을 적용했다고 밝혔다. 특히 Kimi K2.7이 이미 광범위한 RL 후훈련을 거쳤다는 점을 들어, 추가 훈련으로도 큰 이득을 냈다는 사실이 post-training ceiling에 대한 의문을 제기한다고 주장했다.

벤치마크 숫자는 공격적이다. Cognition 공개 표에 따르면 SWE-1.7은 FrontierCode 1.1 Main에서 42.3%, Terminal-Bench 2.1에서 81.5%, SWE-Bench Multilingual에서 77.8%를 기록했다. 같은 표에서 GPT-5.5는 각각 43.0%, 84.2%, 76.8%, Opus 4.8은 46.5%, 86.9%, 84.4%로 제시됐다. 즉 SWE-1.7은 최상위 모델을 완전히 넘었다기보다, 일부 작업에서 근접하거나 특정 다국어 벤치마크에서 경쟁권에 들어간다는 메시지에 가깝다.

Agenthub가 다룬 Claude Code 비용 원장, GLM-5.2 가격 충격, Apollo AI ROI 경고와 연결하면, SWE-1.7의 핵심은 "더 똑똑한 모델"보다 "에이전트 작업당 경제성"이다.

벤치마크보다 흥미로운 훈련 레시피

Cognition은 SWE-1.7을 장기 비동기 소프트웨어 작업에 맞춰 최적화했다고 설명한다. 공개 글에서 강조한 요소는 네 가지다. 첫째, 긴 RL run에서 entropy collapse와 학습-추론 간 numerical drift를 줄여 안정적으로 학습을 이어갔다. 둘째, 세 대륙의 클러스터를 활용하는 multi-cluster training과 fault tolerance를 구축했다. 셋째, 자동 실행 테스트를 통해 데이터 품질을 관리하고 reward hacking을 막았다. 넷째, self-compaction으로 모델이 작업 상태를 요약하고 다시 이어가도록 했다.

이 네 가지는 모두 코딩 에이전트의 실제 비용과 연결된다. 긴 작업에서 모델이 중간 상태를 잃으면 토큰 비용이 늘고, 테스트가 약하면 보상 해킹으로 겉보기 성능만 오른다. 클러스터 장애에 멈추지 않는 RL 인프라는 모델 회사의 내부 이야기처럼 보이지만, 결국 더 자주 더 싸게 모델을 갱신할 수 있는 역량이다.

Devin과 모델 수직통합

SWE-1.7은 독립 API 모델 발표라기보다 Devin 제품군의 모델 레이어 발표에 가깝다. Cognition은 SWE-1.7이 Devin Web, Desktop, CLI에서 Cerebras를 통해 1000 TPS로 제공된다고 밝혔다. Devin Docs의 모델 페이지도 Devin 환경에서 여러 모델을 비교하고 사용할 수 있음을 보여준다. 결국 Cognition은 코딩 에이전트 제품과 모델 훈련을 함께 가져가는 수직통합 전략을 강화하고 있다.

이 전략은 OpenAI, Anthropic, Google과 다르다. 범용 모델 회사가 코딩을 하나의 주요 사용 사례로 보는 반면, Cognition은 실제 소프트웨어 엔지니어링 워크플로에서 수집되는 실패와 성공을 모델 훈련에 다시 넣을 수 있다. 반대로 위험도 있다. 벤치마크가 Devin식 작업 분포에 맞춰질수록, 일반 IDE나 CI 환경에서는 체감 성능이 다를 수 있다.

한국 기업이 이 발표를 읽을 때는 "어느 모델이 1등인가"보다 "우리 업무에서 장기 작업 성공률과 비용을 어떻게 재는가"를 물어야 한다. PR 하나를 완성하는 평균 시간, 재시도 횟수, 리뷰 수정률, 테스트 실패율, 토큰 또는 크레딧 비용을 함께 봐야 한다.

경쟁 구도: 지능 순위에서 작업 단가로

코딩 모델 시장은 이제 단순 지능 순위표로 설명하기 어렵다. 어떤 모델은 빠르고 싸며, 어떤 모델은 느리지만 깊다. 어떤 모델은 IDE 자동완성에 강하고, 어떤 모델은 다단계 이슈 해결에 강하다. SWE-1.7은 이 중 장기 비동기 작업에 초점을 맞췄다. Terminal-Bench와 SWE-Bench 계열 평가가 주목받는 이유도 모델이 실제 터미널과 저장소 환경에서 얼마나 버티는지를 보기 위해서다.

한국 SI, 플랫폼, 스타트업 팀은 모델 교체를 감정적으로 하지 말고 실험 설계를 해야 한다. 같은 이슈 20개를 여러 모델에 맡기고, 사람이 준 힌트 수, 테스트 통과까지의 시간, 최종 코드 리뷰 점수, 보안 문제를 비교해야 한다. SWE-1.7이 제시한 비용 성능 곡선은 이런 사내 벤치마크의 필요성을 더 키운다.

자주 묻는 질문

Q1: SWE-1.7은 GPT-5.5보다 뛰어난가요?

A: 공개 표 기준으로 일부 지표는 근접하거나 경쟁하지만 모든 지표에서 앞선 것은 아니다. Opus 4.8이 더 높은 항목도 있다.

Q2: 왜 Kimi K2.7 기반이라는 점이 중요한가요?

A: 이미 RL 후훈련된 기반 모델 위에서도 추가 훈련 이득이 가능했다는 주장을 담고 있다. 이는 후훈련 한계 논쟁과 연결된다.

Q3: 1000 TPS는 무엇을 의미하나요?

A: Cognition은 Devin에서 Cerebras를 통해 SWE-1.7을 1000 tokens per second로 제공한다고 밝혔다. 체감 속도와 장기 작업 비용에 영향을 준다.

Q4: 기업은 무엇을 벤치마크해야 하나요?

A: 단순 문제 풀이 점수보다 PR 완성률, 테스트 통과율, 리뷰 수정 횟수, 작업당 비용, 보안 회귀를 함께 봐야 한다.

Q5: 가장 큰 리스크는 무엇인가요?

A: 공개 벤치마크와 사내 코드베이스의 작업 분포가 다를 수 있다. 실제 도입 전 제한된 파일럿과 로그 기반 평가가 필요하다.