OpenAI重磅发布首个SWE-1模型，软件开发效率或将提升至99%！

Windsurf最近推出了它的首个先锋模型SWE-1，AI编程界真的是热闹非凡，目标是把开发效率提升到惊人的99%。这个SWE-1可不是仅仅会写代码，它还可以理解并参与到整个软件开发流程中。它的核心创新在于一个“流动感知”系统，能够让AI和用户在同一个操作时间线上高效协作。

Windsurf的首次亮相终于来了！

Cursor在网络上火得一塌糊涂，而OpenAI也以30亿美元的巨额资金收购了Windsurf，Windsurf可不想被埋没，终于出手了！

Windsurf发布的SWE-1模型，目标是让软件开发的速度提升99%！

SWE-1不仅仅是个“写代码”的模型，更是一个能理解、参与、协助整个工程流程的合作伙伴。

目前，这个系列一共推出了三个模型：

SWE-1：它的工具调用推理能力和Claude 3.5 Sonnet类似，但运行成本更低。推广期间，所有付费用户都可以免费使用哦。

SWE-1-lite：这是一个更小但效果更好的模型，能够全面替代Cascade Base，并向所有用户（包括免费用户）开放。

SWE-1-mini：体积更小、速度更快，专门为Windsurf Tab中的低延迟被动体验设计，适合所有用户。

最新消息，SWE-1已经在Windsurf上线，并且处于免费使用阶段。

AI编程发展迅速

近些年，“会写代码”的模型取得了显著进步，从最初的简单自动补全，发展到现在可以一次性构建完整的小型应用。

不过，这种能力还是有一些限制：

第一，软件开发可不仅仅是写代码。

开发者需要做的事情远远不止写代码，还包括操作终端、获取知识、调试产品、理解用户反馈等等。因此，需要一个更全面的模型，能够涵盖整个开发流程。

第二，工程过程是跨阶段且不断变化的。

目前主流的基础模型大多是基于“代码能否编译”和“是否通过单元测试”来训练的，但现实情况是，这仅仅是整个工程任务的一小部分。

实际上，我们更需要的是能处理“尚未完成的状态”、理解模糊目标的模型。

否则，即便模型写出的功能能运行，后续的维护和扩展性可能都会存在问题。

因此，仅仅提升“写代码”的能力，并不能真正提高整个工程的效率。我们需要的是能够支持完整软件工程流程的模型，简单称之为SWE模型。

SWE-1的开发历程

SWE-1的灵感源自广受欢迎的Windsurf编辑器，构建了全新的数据结构（共享时间线）和训练方法，能够理解未完成的状态、长周期任务以及多种交互界面。

其初衷是在资源有限的情况下，通过这种方式开发出高性能的模型。

SWE-1是这个目标的第一个成功案例。

在整体表现上，SWE-1接近最尖端的基础模型，在多个维度上超越了所有非前沿模型和开源竞争者。可通过离线评估和在线实测两种方式进行验证。

离线评估

评估将SWE-1与Anthropic系列（Cascade中最常用的模型之一）以及Deepseek、Qwen等主流开源模型进行对比，主要有两个基准测试：

会话式SWE任务基准

从一个正在进行的Cascade会话中截取任务，评估模型如何响应用户的下一个请求，评分标准综合考虑帮助程度、效率、正确性以及目标文件编辑的准确性。这项测试侧重于模型在“人机协作”环境中的表现。

端到端SWE任务基准

从会话开始就评估模型是否能完全独立地解决问题，并通过一系列单元测试来检验。得分基于测试通过率和专家打分。这项测试主要衡量模型自主完成任务的能力。

评估结果与线上实测

根据评估结果，SWE-1在这些任务中的表现几乎接近顶尖实验室的领先模型，明显超越了中等规模和开源的竞争者。虽然还没有达到绝对的巅峰，但潜力是相当大的。

线上实测（生产实验）

Windsurf的用户数量庞大，因此他们通过盲测实验来评估模型在实际使用中的表现。

在实验中，Windsurf将用户分成不同的组，使用多种模型，并且在不告知用户模型类型的情况下观察其行为和效果。

Windsurf主要关注两个关键指标：

每位用户每天接受的代码行数

指的是用户在Cascade中编写、接收并最终保留的代码行数，这直接反映了模型的实际帮助程度、响应质量以及用户的依赖程度。

Cascade代码贡献率

这个指标是指模型对被Cascade修改过的文件所做代码改动的比例，反映了模型的「主动性」和用户对其的信任程度。

由于SWE-1是专门为Cascade场景设计和优化的，因此在这些指标上表现几乎是行业内的佼佼者，优于所有非前沿模型。

其他模型分析

或许你在上面的图表中看到过SWE-1-lite，这是SWE-1的中型版本，采用相同的训练方式，在非前沿模型中表现出色，目前已经取代了Cascade Base，并向所有用户开放。

此外，Windsurf还推出了SWE-1-mini，这个版本更小更快，特别适合像Windsurf Tab这样的对延迟要求极高的被动预测场景。

需要强调的是，这仅仅是个开始。

Windsurf的目标不仅是赶上最前沿的实验室，最终希望能够全面超越它们。

Windsurf坚信，自己已经具备实现这一目标的动力，并将继续加大投入。

流动感知系统（Flow-Aware System）

Windsurf提到，SWE-1的灵感源自于Windsurf编辑器。

其核心在于Windsurf独特的设计理念：流动感知（Flow Awareness）。

那么，什么是流动感知呢？

Windsurf编辑器实现了用户与AI之间的「共识时间线」：用户能够实时看到AI的每一步操作，并进行调节，而AI也能够理解并跟进用户的行为。

这种「共享时间线」的感知能力，Windsurf称之为Flow Awareness（流动感知），因此他们一直将这种人机协作的体验称为「AI flows」。

流动感知为什么如此重要？

因为在短期内，没有模型能够完全独立地完成所有开发任务。

流动感知让模型和人类之间能够自然而然地交接工作：AI进行一部分，用户再进行校正，然后AI继续，形成流畅的衔接。

通过共享时间线，Windsurf能不断跟踪当前模型的能力边界，了解哪些任务需要用户参与，哪些可以完全自动化完成。

这也是SWE-1能够迅速达到目前水平的重要原因之一。

共享时间线在Windsurf中的演进

构建共享时间线是Windsurf众多功能背后的核心理念：

初代Cascade就支持「当你在编辑器中修改完内容后，输入continue，AI就能理解你改了什么」——这就是对编辑器的感知。

随后，Windsurf加入了终端输出感知——AI能够理解你执行命令时出现的错误。

Wave 4中还增加了「预览」功能——AI开始能够理解你在前端看到的组件和错误。

Wave 5和Wave 6中，Tab增加了对终端命令、剪贴板内容、IDE搜索内容等的感知。

这一切并不是随意添加的新功能，而是Windsurf构建「最全面的软件工程时间线」的组成部分。

即便是使用通用模型，只要Windsurf有效记录和利用这些上下文信息，AI的表现就能显著提升。

Windsurf新模型来了，未来会更精彩！

如今，Windsurf推出了自家的SWE系列模型，这一切的正反馈循环终于要开始加速了！这款模型不仅能够更好地理解时间线，还能参与到更多的环节中去。

接下来会有什么变化呢？

SWE-1仅仅是一个开端。这个模型是由一个小而精锐的团队打造的，他们充分利用了Windsurf在产品和基础设施上的优势，证明了Windsurf完全有能力开发接近前沿的模型。

展望未来，Windsurf会不断对SWE系列模型进行优化，力求在保证低成本的基础上，持续提升性能。这样一来，开发者就能借助Windsurf来打造更大、更强的软件项目。

随着SWE-1的发布，以及OpenAI对Windsurf的收购，AI编程工具迎来了新的时代。

从简单的代码补全到全面的工程协作，AI正在深刻地改变着软件开发的方式。

对于开发者而言，这既是一个充满机遇的时代，也不乏挑战。他们需要思考如何利用这些新工具来提升开发效率，这将是一个重要的课题。

参考资料：

https://windsurf.com/blog/windsurf-wave-9-swe-1

本文来自微信公众号“新智元”，作者：新智元，36氪经授权发布。