SWE-1.7 se acerca a la inteligencia de GPT 5.5 y Opus

Escepticismo sobre las afirmaciones y los benchmarks

• Varios comentaristas desconfían del marketing de la empresa debido a una demo anterior “fraudulenta” y a un hype agresivo, y dicen que parece optimizado para recaudación de fondos e impresiones de VC.
• Varios señalan que el blog se apoya en gran medida en sus propios benchmarks; la gente cuestiona que el modelo “supere a GPT‑5.5/Opus” cuando se evalúa en tareas propietarias.
• Preocupa que tanto SWE-1.7 como herramientas competidoras como Composer 2.5 puedan estar “benchmaxxed” sobre registros de interacción, haciéndolos parecer fuertes en evaluaciones internas pero no necesariamente en programación del mundo real.
• Los resultados de benchmarks que contradicen a sitios como artificialanalysis.ai (donde Kimi 2.7 parece más débil que GLM 5.2) llevan a algunos a concluir que la elección del benchmark está sesgada.
• Muchos dicen que ahora confían más en evaluaciones subjetivas, basadas en tareas, sobre sus propias bases de código que en rankings públicos.

Modelos abiertos vs cerrados y licencias

• SWE-1.7 no es open source ni open weights; solo está disponible dentro del ecosistema de Devin (app de escritorio / CLI), no a través de APIs generales ni de Hugging Face.
• Algunos sostienen que bases open-weight (como Kimi 2.7) deberían implicar derivados open-weight, pero otros señalan que licencias como MIT permiten explícitamente derivados cerrados.
• Hay apoyo para licencias de modelos tipo GPL que obligarían a que los derivados afinados siguieran siendo abiertos, pero también rechazo ligado a preocupaciones de seguridad/“SkyNet”/Effective Altruism.

Bloqueo por herramienta y harness

• A varios no les gusta que SWE-1.7 esté ligado a un harness específico, comparándolo con un “matrimonio concertado” con un entorno de desarrollo.
• Otros prefieren configuraciones estilo OpenRouter, donde puedes cambiar de modelo fácilmente y evitar quedar atrapado en Claude Code, Cursor, Devin, etc.
• Devin Desktop se señala como algo meta: también puede alojar otros harnesses, lo que se ve como comportamiento de “embrace, extend”.

Calidad del modelo frente a modelos de frontera

• Algunos informan buenas experiencias usando SWE-1.6/1.7 para “trabajo de picar piedra” (tests, ayuda con git, tareas pequeñas), pero otros dicen que se siente como “massive shit” comparado con Claude, GLM o DeepSeek en problemas más difíciles.
• Un tema recurrente: los modelos abiertos o de gama media (GLM 5.2, Qwen, Minimax, etc.) ya son “suficientemente buenos” para muchas tareas, con una relación precio/rendimiento mucho mejor, aunque los modelos de frontera sigan ganando en calidad.

Modelos especializados para código y generalismo

• Varios quieren modelos de código más baratos y muy optimizados, similares a SWE o Composer, que se acerquen al rendimiento de codificación de primer nivel sin los costes completos de frontera.
• Otros argumentan que la fortaleza de los LLM viene de un generalismo amplio; una afinación intensa solo para código corre el riesgo de olvido catastrófico y peor comportamiento en el mundo real.
• Hay debate activo sobre flujos de trabajo multimodelo: modelos potentes para planificación/arquitectura, otros más baratos para implementación—aunque algunos informan poca fiabilidad al delegar el “trabajo de base” a modelos económicos.

Velocidad vs inteligencia, y precios

• Muchos están entusiasmados con variantes de alto TPS (por ejemplo, “Lightning” vía Cerebras a ~1000 TPS) para bucles de agentes más rápidos y menor tiempo de pared.
• Otros priorizan la precisión sobre la velocidad, prefiriendo modelos de frontera más lentos en los que confían más para tareas complejas.
• El precio se discute: la SWE-1.7 base parece “gratis pero lenta” en el plan de $20/mes, mientras que la versión rápida “Lightning” es significativamente más cara por token. Algunos sienten que las cuotas globales ofrecen peor valor que competidores como Claude Code o Cursor.

Actitudes generales hacia las startups de IA y el hype de AGI

• Varios comentarios agrupan esto dentro de un patrón más amplio de startups de IA: mucho hype, jornadas largas, enfoque en enterprise y narrativas vagas de “AGI pronto”.
• Algunos ven que los fosos defensivos de la mayoría de los laboratorios privados son RL/distillation sobre investigación abierta más datos, y predicen que esto persistirá hasta que las salidas a bolsa o licencias abiertas más fuertes cambien el panorama.