Cognition 公司在 9 月 11 日发布了一个新东西——Devin Fusion。
简单说：它把 AI 芯片领域的 MoE（Mixture of Experts）架构搬到了编程 Agent 领域。
MoE 是什么？就是"不信任单一模型的第一答案"，让多个模型协作干活。大芯片公司早就这么干了——一个任务分给不同的计算单元。现在，编程 Agent 也开始这么干了。
Devin Fusion 的架构很简单：一个前沿主模型 + 一个成本高效副模型。
主模型负责复杂推理，副模型处理低成本任务，分工协作。
结果呢？性能打平 Claude Fable 5.1 和 GPT-6 Astra 单模型，成本直降 43%。
今天就来聊聊，Devin Fusion 到底是个什么玩法，值不值得你换。
不信任第一答案：MoE 架构进入编程 Agent传统的编程 Agent 是怎么工作的？
你给它一个任务，它用一个大模型（比如 Claude 或 GPT）生成代码，然后提交。一锤定音，成不成看模型。
Devin Fusion 不一样。 它用两个模型协作：
前沿主模型（Lead）： Claude Fable 5.1 或 GPT-6 Astra，负责复杂推理和关键决策。成本高效副模型（Sidekick）： Cognition 自研 SWE-2（medium），定价 $0.75/Mtok，负责简单任务和辅助工作。打个比方： 以前的编程 Agent 像一个高级工程师——什么事都他干，贵但靠谱。Devin Fusion 像一个团队——高级工程师负责核心架构，助理工程师负责写测试、查文档、跑验证，便宜且高效。

核心逻辑是：不是所有任务都需要旗舰模型。 你让 Claude Fable 5.1 去写一个单元测试，就像让厨师帮你热一杯牛奶——能热，但没必要。
性能数据：独立基准测试说话Artificial Analysis 是独立 AI 基准测试机构，他们发布的 Coding Agent Index v1.5 是目前最权威的编程 Agent 评测。
关键数据：
配置
Coding Agent Index
完成率
平均成本
平均时间
Claude Fable 5.1 + SWE-2
62
56%
$7.90
35.8 分钟
GPT-6 Astra + SWE-2
59
50%
$4.54
24.7 分钟
Codex (GPT-6 Astra max)
62
56%
$7.47
29.4 分钟
三个关键发现：
第一，性能打平。 Claude Fable 5.1 配置得分 62，跟 Codex（GPT-6 Astra max）并列第一。GPT-6 Astra 配置得分 59，仅低 3 分。
第二，成本优势明显。 GPT-6 Astra 配置比 Claude Fable 配置便宜 43%（7.90），完成任务快 31%（24.7 分钟 vs 35.8 分钟）。
第三，效率更高。 Devin Fusion 比其他 Harness 效率高 39%。
副模型选择对比：
副模型
定价
Fusion 性能
成本
GPT-5.6 Luna
$0.20/Mtok
62.0
$2.39
SWE-2 (medium)
$0.75/Mtok
63.4
$2.34
SWE-2 单价是 GPT-5.6 Luna 的 3.75 倍，但整体成本反而低 2%，因为效率更高。 这意味着 Cognition 的副模型虽然贵，但干得快、干得好，综合下来更省钱。
两种配置怎么选？Devin Fusion 支持两种主模型配置：
Claude Fable 5.1 + SWE-2：
性能最高（62 分）完成率最高（56%）成本较高（$7.90/任务）适合：复杂项目、对质量要求高的场景GPT-6 Astra + SWE-2：
性能略低（59 分）成本最低（$4.54/任务）速度最快（24.7 分钟）适合：日常编码、快速迭代、成本敏感场景我的建议：
如果你是个人开发者，选 GPT-6 Astra 配置。 59 分已经很高了，比大多数 Codex 配置都强。成本只有 $4.54，速度快 31%，性价比最高。
如果你是技术负责人，选 Claude Fable 5.1 配置。 62 分最高性能，56% 完成率最高。虽然贵一点，但复杂项目值得投入。

不管选哪个，都比单模型方案省钱。
对开发者的实际价值Devin Fusion 对开发者意味着什么？
1. 省钱。 GPT-6 Astra 配置比 Claude Fable 便宜 43%。如果你一周跑 100 个编码任务，用 Fable 要 ，用只要454。一个月省 $1,344。
2. 省时。 Astra 配置比 Fable 快 31%。24.7 分钟 vs 35.8 分钟，差 11 分钟。看起来不多，但如果你一天跑 20 个任务，一天省 3.6 小时。
3. 性能不打折。 59-62 分，打平 Claude 和 GPT-6 Astra 单模型。你没为省钱牺牲性能。
4. 双端支持。 Devin Desktop + Devin CLI，图形界面和命令行都能用。
打个比方： 以前你用编程 Agent，像是在"开豪车"——性能好但贵。现在你用 Devin Fusion，像是在"开混动"——性能差不多，但省油一半。
写在最后Devin Fusion 的发布，标志着编程 Agent 从"单模型时代"进入"多模型协作时代"。
MoE 架构在 AI 芯片领域已经证明了它的价值——不依赖单一计算单元，分工协作，性能更强、功耗更低。
现在，这个逻辑被搬到了编程 Agent 领域。
不信任单一模型的第一答案，让多个模型协作干活——这不只是技术升级，更是思维方式的转变。
省钱、省时、性能不打折——Devin Fusion 把这三件事同时做到了。
对开发者来说，没有理由不试试。