SWE-1.7 接近 GPT 5.5 和 Opus 级智能

对宣传和基准测试的怀疑

• 多位评论者因为公司先前那个“欺诈性”的演示和激进炒作而不信任其营销，认为这更像是为融资和给风投留下印象而优化的。
• 还有人指出，这篇博客很大程度上依赖其自家基准；当模型是在专有任务上评测时，人们会质疑它“击败 GPT‑5.5/Opus”这一说法。
• 有人担心 SWE-1.7 和竞争工具如 Composer 2.5 可能在交互日志上被“benchmaxxed”，使它们在内部评测里看起来很强，但未必能在真实编码中表现同样出色。
• 与 artificialanalysis.ai 等网站上的基准结果相矛盾（在那里 Kimi 2.7 看起来比 GLM 5.2 更弱）让一些人认为基准选择是经过挑拣的。
• 许多人说，他们现在更依赖自己代码库上的主观、基于任务的评估，而不是公共排行榜。

开源与闭源模型及许可

• SWE-1.7 不是开源或开放权重；它只能在 Devin 生态系统内使用（Desktop 应用 / CLI），不能通过通用 API 或 Hugging Face 获取。
• 有人认为开放权重的底座（如 Kimi 2.7）应该意味着衍生模型也应开放权重，但也有人指出，像 MIT 这样的许可证明确允许闭源衍生。
• 有人支持类似 GPL 的模型许可证，强制微调后的衍生模型保持开放，但也有人以安全、“SkyNet”/有效利他主义方面的担忧为由表示反对。

工具和 harness 锁定

• 一些人不喜欢 SWE-1.7 被绑定到特定的 harness，拿它比作与开发环境“包办婚姻”。
• 另一些人更喜欢 OpenRouter 风格的方案，可以轻松切换模型，避免被锁定在 Claude Code、Cursor、Devin 等工具里。
• Devin Desktop 被认为有点元：它也能承载其他 harness，这被视为“拥抱、扩展”式行为。

模型质量与前沿模型

• 有人表示，自己用 SWE-1.6/1.7 做“苦力活”（测试、git 帮助、小任务）体验不错，但也有人说，和 Claude、GLM 或 DeepSeek 比起来，它在更难的问题上感觉“烂透了”。
• 一个反复出现的主题是：开放或中档模型（GLM 5.2、Qwen、Minimax 等）现在对许多任务来说已经“够用”，而且性价比高得多，尽管前沿模型在质量上仍然胜出。

专门化编码模型与通用性

• 不少人希望有更便宜、强优化的编码模型，类似 SWE 或 Composer，能接近顶级编码性能，但不必承担完整前沿模型的成本。
• 另一些人认为，LLM 的优势来自广泛的通用性；如果过度做仅限编码的微调，可能会造成灾难性遗忘，并导致真实世界行为变差。
• 关于多模型工作流也有激烈讨论：用强模型做规划/架构，用便宜模型做实现——不过也有人说，把“基础工作”外包给低价模型时，其可靠性很差。

速度与智能，以及定价

• 许多人对高 TPS 变体感到兴奋（例如通过 Cerebras 以约 1000 TPS 提供的 “Lightning”），因为这能加快 agent 循环并减少墙钟时间。
• 也有人更看重准确性而不是速度，更喜欢较慢但在复杂任务上更可信的前沿模型。
• 定价存在争议：基础版 SWE-1.7 在每月 20 美元套餐里似乎是“免费但慢”，而快速的 “Lightning” 版本按 token 计费要贵得多。有些人觉得整体额度与 Claude Code 或 Cursor 等竞争对手相比性价比更差。

对 AI 创业公司和 AGI 炒作的普遍态度

• 多条评论把这归入 AI 创业公司的更大模式：高强度炒作、长工时、面向企业、以及含糊的“AGI 很快到来”叙事。
• 有人认为，大多数私有实验室的护城河只是建立在开放研究和数据之上的 RL/蒸馏，并预测这种局面会持续，直到 IPO 或更强的开放许可证改变格局。