The Pulse

Cognition porta il sistema di coding a due modelli Fusion su Devin Desktop e CLI

Cognition ha rilasciato Fusion su Devin Desktop e Devin CLI, affiancando a un modello di frontiera «capofila» un assistente concentrato sull’esecuzione. L’azienda afferma che il sistema riduce i costi per attività fino al 46% su alcuni benc

AI.info Team · Scritto con l’IA · verificato · 2026-09-12

Il 46% è la maggiore riduzione del costo per attività riportata da Cognition per Fusion, il suo sistema di coding a due modelli, sul benchmark DeepSWE 1.1. Il dato proviene da una configurazione che abbina Fable 5.1 come modello capofila a SWE-2 di Cognition come assistente: Fusion ha ottenuto un punteggio di 63,1 contro il 64,3 di Fable da solo, mentre il costo medio per attività è sceso da 14,63 a 7,88 dollari. Cognition ha rilasciato Fusion per Devin Desktop e Devin CLI l’11 settembre, portando sulle postazioni di lavoro locali degli sviluppatori un’architettura già disponibile nel suo prodotto cloud.

Fusion non è un nuovo modello di base. È un sistema che coordina due agenti con compiti diversi: un modello più capace e costoso pianifica il lavoro, risolve le ambiguità e verifica i risultati, mentre un modello meno costoso esamina il codice, apporta modifiche, esegue test e restituisce i risultati. La premessa di Cognition è che gli agenti di coding non abbiano bisogno di capacità di ragionamento da modello di frontiera a ogni passaggio, ma che affidare un’intera attività a un modello più economico rischi di far perdere la capacità di giudizio necessaria per una modifica in produzione.

Il rilascio arriva un giorno dopo la presentazione da parte di Cognition di SWE-2, il modello di coding che l’azienda raccomanda come assistente esecutivo di Fusion. Insieme, i due lanci mostrano che Cognition punta non solo su migliori modelli di coding individuali, ma anche sul livello software che decide come questi modelli si dividono il lavoro. Per i team di ingegneri che pagano per token o per attività completata dall’agente, il risultato potrebbe contare quanto un modesto aumento dell’accuratezza nei benchmark.

Fusion separa la pianificazione dall’esecuzione

Gli utenti di Devin che selezionano Fusion scelgono due modelli anziché uno. Cognition chiama il modello di frontiera capofila e il suo partner meno costoso assistente, raccomandando Fable 5.1 e SWE-2 come combinazione preferita. Il capofila controlla la sessione, elabora il piano, interpreta i requisiti poco chiari e verifica il risultato; l’assistente riceve istruzioni mirate con vincoli e criteri di riuscita.

Secondo Cognition, questa divisione evita una debolezza comune nello smistamento di base tra modelli. Un prompt come la richiesta di correggere un bug non rivela se il lavoro richieda una modifica di una sola riga o una riprogettazione estesa all’intero codice. La difficoltà cambia anche dopo che un agente comincia a esaminare i repository, riprodurre gli errori ed eseguire i test: decidere una volta per tutte di affidare un’attività a un modello economico può quindi rivelarsi una scelta sbagliata quando il lavoro diventa più complesso.

Cognition mantiene invece entrambi gli agenti in esecuzione parallela, con contesti persistenti separati e accesso agli strumenti. Anziché trasferire tra i modelli l’intera conversazione e tutti i risultati degli strumenti, gli agenti si scambiano brevi istruzioni, risultati e feedback. L’azienda afferma che questa struttura preserva i vantaggi della cache dei prompt, perché ogni modello continua a lavorare a partire dal proprio contesto invece di ricostruire una lunga cronologia dopo ogni passaggio di consegne.

Questa organizzazione assegna inoltre al capofila un ruolo di supervisione continuativa. Un assistente può implementare una modifica ben circoscritta o occuparsi di attività ripetitive di test e lavoro sui repository, ma il capofila può individuare un approccio errato, richiedere correzioni o prendere il controllo. Cognition sostiene che la supervisione sia ciò che distingue Fusion da un sistema di smistamento che si limita ad assegnare all’inizio un modello a un’intera attività.

Le tabelle dei benchmark mostrano costi inferiori, ma non miglioramenti uniformi

Cognition ha collaborato con Artificial Analysis e Vals AI per valutare Fusion su cinque benchmark per agenti di coding. L’azienda presenta i risultati di Fable 5.1 e GPT-6 Astra come modelli capofila, ciascuno abbinato a SWE-2. I costi diminuiscono in tutti i confronti pubblicati, ma i punteggi dei benchmark non seguono un’unica direzione per tutti i carichi di lavoro.

Su DeepSWE 1.1, Fusion con Fable 5.1 ha ridotto del 46% il costo per attività indicato, da 14,63 a 7,88 dollari, con un calo del punteggio di 1,2 punti. Fusion con Astra ha ridotto il costo del 40%, da 7,88 a 4,69 dollari, mentre il punteggio è passato da 67,6 a 67,3. Su Terminal-Bench 4, la combinazione con Fable ha fatto risparmiare il 23% e quella con Astra il 40%, anche se entrambe hanno registrato punteggi inferiori rispetto ai rispettivi risultati di riferimento con un solo modello.

Altri risultati mostrano Fusion eguagliare o superare il punteggio del modello capofila. La combinazione Fable-SWE-2 ha registrato 65,9 su SWE-Atlas QnA contro il 64,8 di Fable da solo, mentre il costo indicato è sceso del 34%, da 7,57 a 5,00 dollari. Su Vals Code Migration, Fusion ha ottenuto 57,3 contro il 54,6 di Fable da solo e ha ridotto il costo del 41%, da 70,97 a 42,00 dollari.

Il divario di punteggio più ampio della tabella va nella direzione opposta: Astra da solo ha ottenuto 67,7 su Vals Code Migration, mentre Astra abbinato a SWE-2 ha ottenuto 61,3, a fronte di un calo dei costi del 20%. Questi dati rendono evidenti i limiti di un’unica dichiarazione generale sull’efficienza. I risultati pubblicati per Fusion suggeriscono che il sistema possa far risparmiare mantenendosi vicino al modello originale in molte attività, ma le prestazioni dipendono dal benchmark, dal modello capofila e dal lavoro delegato all’assistente.

La cache dei prompt entra nell’equazione dei costi

La spiegazione tecnica di Cognition a sostegno di Fusion si basa in larga misura sulla cache dei prompt. Le sessioni di coding prolungate possono accumulare nel contesto di lavoro grandi repository, output del terminale, log dei test e tracce della pianificazione. Trasferire un’attività da un modello a un altro può costringere il modello appena selezionato a elaborare nuovamente il materiale, trasformando la scelta di uno smistamento economico in una costosa mancata corrispondenza nella cache.

Fusion evita questo costo aggiuntivo assegnando a ciascun agente un proprio contesto continuo fin dall’inizio, afferma l’azienda. Un capofila non ha bisogno di ogni comando eseguito dall’assistente per valutare una correzione completata, così come l’assistente non ha bisogno dell’intera cronologia di pianificazione del capofila per modificare una parte definita di un repository. Lo scambio compresso tra gli agenti mira a ridurre le letture duplicate, conservando informazioni sufficienti per la verifica.

Cognition afferma inoltre che un modello più costoso può ridurre il costo totale se commette meno errori o fornisce istruzioni più chiare. In un confronto, sostituire Opus 4.8 con Fable 5 come capofila ha ridotto del 9% il costo medio della sessione, nonostante il prezzo dichiarato per token di Fable fosse più alto. Cognition attribuisce il risultato a una delega più tempestiva e a istruzioni migliori da parte di Fable, che hanno ridotto il lavoro ripetuto dell’assistente e quello di verifica del capofila.

Lo stesso ragionamento è alla base della scelta di SWE-2 rispetto a un modello di esecuzione più economico. Cognition indica GPT-5.6 Luna a 0,20 dollari per milione di token e SWE-2 a 0,75 dollari per milione di token, con un aumento del prezzo di listino del 275%. Eppure, in una configurazione Fusion guidata da Astra su FrontierCode 1.1, la versione con SWE-2 ha ottenuto 63,4 a 2,34 dollari per attività, contro il 62,0 di Luna a 2,39 dollari, secondo i dati dell’azienda.

Ogni coppia di modelli richiede proprie regole operative

Fusion non tratta il capofila e l’assistente come componenti intercambiabili. Il sistema è ottimizzato per specifiche coppie di modelli, anche per quanto riguarda il livello di dettaglio degli incarichi del capofila, la possibilità che un assistente metta in discussione il piano e il lavoro di esplorazione che spetta al capofila. Un assistente meno capace può aver bisogno di istruzioni molto prescrittive, mentre uno più capace può esaminare i dettagli di implementazione e contestare un presupposto errato.

La delega rimane rischiosa quando è il giudizio stesso il risultato richiesto. In una precedente analisi di Fusion, Cognition ha descritto una funzionalità complessa in React e Redux per la quale l’assistente si era occupato del coding, ma non aveva colto alcune sottili sfumature dell’intento di prodotto; l’attività era diventata meno costosa, ma il punteggio era calato nettamente. Un’altra attività, che riguardava una difficile integrazione Java, ha dato risultati migliori con l’assistente perché il lavoro consisteva soprattutto nel riutilizzo meccanico di codice a monte.

Questa distinzione è importante per gli utenti che valutano gli agenti oltre i risultati delle classifiche. Migrazioni meccaniche, deprecazioni su vasta scala, modifiche ripetitive e lunghe esecuzioni di test possono essere adatte al modello assistente. Funzionalità di prodotto ambigue, decisioni architetturali e indagini sui bug che determinano che cosa debba essere modificato possono richiedere che il capofila rimanga più vicino al lavoro.

«Il settore deve passare dalla massimizzazione delle metriche di utilizzo alla massimizzazione dei risultati», ha scritto a giugno Scott Wu, cofondatore e amministratore delegato di Cognition, quando l’azienda ha annunciato una garanzia di produttività dell’IA per i clienti aziendali.

Il modo in cui Wu inquadra la questione aiuta a spiegare perché Cognition dia risalto al prezzo per attività completata anziché al prezzo dei token. Fusion chiede agli acquirenti di valutare un agente in base alla sua capacità di produrre una pull request accettabile a un costo inferiore, non in base al fatto che consumi meno token considerati isolatamente. I costi dei benchmark restano tuttavia stime legate a test definiti e i team dovranno confrontarli con i propri repository, sistemi di build e standard di verifica.

Devin Desktop porta Fusion in un flusso di lavoro locale

Fusion era già operativo in Devin Cloud, ma il rilascio dell’11 settembre lo rende disponibile in Devin Desktop e tramite Devin CLI. Devin Desktop è il successore, con un nuovo nome, di Windsurf, l’ambiente di sviluppo agentico acquisito da Cognition nel 2025. La disponibilità in locale porta il sistema capofila-assistente nello stesso ambiente in cui gli sviluppatori esaminano le differenze nel codice, eseguono comandi e decidono se integrare una modifica.

L’annuncio di Cognition presenta una sessione CLI in cui Fusion utilizza 113.000 token di Fable 5.1 e 97.000 di SWE-2, per un totale di 210.000 token, affermando che l’esecuzione costa il 39% in meno rispetto a Fable 5.1 da solo. La tabella pubblica dei benchmark dell’azienda contiene risparmi percentuali maggiori per particolari carichi di lavoro, incluso il risultato del 46% su DeepSWE: il dato del 39% descrive quindi una distinta sessione illustrativa, non una riduzione universale.

Il rilascio lascia aperte diverse domande pratiche per le organizzazioni di ingegneria. Con quale frequenza il capofila individuerà un errore sottile ma plausibile dell’assistente prima della revisione del codice? Quanto lavoro di ottimizzazione servirà ai team per linguaggi, framework e pratiche di sviluppo interne che non assomigliano ai benchmark pubblici? I nuovi utenti di Fusion su Devin Desktop e CLI dovranno ora rispondere alla domanda se il capofila riesca a individuare questi errori in basi di codice che non conosce.