La startup Cognition, la stessa dell'agente di programmazione Devin, ha rilasciato l'8 luglio 2026 SWE-1.7, un modello dedicato alla scrittura di codice che punta tutto su una qualita' spesso trascurata: la velocita'. SWE-1.7 genera fino a circa 1.000 token al secondo, un ritmo che cambia l'esperienza di chi programma con un assistente IA, perche' avvicina la generazione del codice alla velocita' del pensiero invece di costringere ad aspettare.
Perché la velocità cambia il lavoro dello sviluppatore
Nel lavoro agentico un modello non produce una risposta e basta: itera, prova, corregge, legge l'output di un comando, riscrive. Ogni ciclo che richiede secondi di attesa si moltiplica per decine di passaggi, e il tempo totale esplode. Un modello che genera a 1.000 token al secondo comprime questi cicli e rende praticabili flussi di lavoro che con modelli piu' lenti sarebbero troppo frustranti o costosi in termini di tempo. Non e' un caso che Cognition, che costruisce agenti autonomi, abbia investito proprio su questo fronte.
Sui benchmark di codice SWE-1.7 si attesta su valori solidi per la sua categoria, con un costo per compito contenuto, nell'ordine di circa due dollari. Il posizionamento non e' quello del modello piu' intelligente in assoluto, ma quello del miglior compromesso tra reattivita', costo e qualita' per il lavoro quotidiano di sviluppo.
Dove trovarlo e come usarlo
SWE-1.7 e' pensato per vivere dentro l'ambiente di sviluppo. La via principale e' l'editor Windsurf, lo strumento di programmazione assistita di Cognition, dove il modello si seleziona dal menu dei modelli e lavora direttamente sul codice del progetto aperto. Chi gia' usa Windsurf non deve installare nulla: basta scegliere SWE-1.7 come modello attivo. Per chi preferisce integrarlo nei propri strumenti, Cognition espone anche un accesso via API con interfaccia in stile standard di settore.
Un esempio concreto di come si usa nell'editor: si apre un file, si seleziona una funzione problematica e si chiede all'agente di intervenire con un'istruzione in linguaggio naturale, ad esempio:
Rifattorizza questa funzione per gestire il caso in cui la lista in input è vuota, aggiungi i type hint di Python e scrivi tre test unitari con pytest che coprano il caso normale, la lista vuota e un valore non valido.
Il risultato atteso e' la funzione riscritta con i controlli aggiunti e un file di test pronto da eseguire, generato quasi in tempo reale grazie all'alta velocita' del modello. La rapidita' incoraggia a lavorare in modo iterativo: si accetta o si rifiuta la proposta e si chiede subito la modifica successiva, senza le pause che spezzano la concentrazione.
Per chi ha senso e quando scegliere altro
SWE-1.7 e' interessante soprattutto per chi programma tutti i giorni e vuole un assistente reattivo e a basso costo per compiti concreti: refactoring, correzione di bug, scrittura di test, piccole implementazioni. Per problemi che richiedono ragionamento architetturale profondo su interi sistemi, i modelli di punta come Claude Fable 5 o GPT-5.6 Sol restano piu' capaci, anche se piu' lenti e costosi. La strategia migliore, sempre piu' diffusa tra gli sviluppatori, e' combinare i due mondi: un modello veloce come SWE-1.7 per il grosso del lavoro iterativo e un modello di frontiera per le decisioni difficili. Come sempre, i benchmark del produttore vanno confermati dall'uso reale sul proprio codice prima di adottarlo stabilmente.
