Windsurf 团队正式推出了名为 SWE-1 的首个前沿模型家族。与市面上大多数仅针对代码生成优化的模型不同，SWE-1 旨在覆盖软件工程的完整链路，包括终端操作、网络检索、测试调试和对用户反馈的理解。目前该家族包含三款针对不同场景的模型。
- SWE-1具备接近 Claude 3.5 Sonnet 级别的工具调用推理能力，但服务成本更低。在促销期间，付费用户可零积分体验该模型。
- SWE-1-lite体积较小的中间层模型，在质量上超越了原有的 Cascade Base 模型。所有用户（无论免费或付费）均可无限制使用。
- SWE-1-mini轻量且极速，专为驱动 Windsurf Tab 的被动预测功能设计，面向所有用户开放。
为何要开发 SWE-1 系列？
开发团队的核心目标是将软件开发速度提升 99%。单纯的“能写代码”远不足以实现这一目标。过去两年间，代码生成模型的补全能力和单次构建简单应用的能力确实有了显著进步，但在两个关键领域遭遇了瓶颈。
第一个瓶颈在于任务边界的局限性。资深开发者深知，编码只是工作的一小部分。模型需要具备在终端操作、访问外部知识库、执行测试、分析用户反馈等能力。软件工程包含读码、写码、测试、理解反馈等多个环节，仅靠文本生成无法覆盖全貌。
第二个瓶颈在于时间维度的短视。当前顶尖的代码模型多基于战术级数据训练，关注点在于“最终代码能否编译通过”或“单元测试是不是通过”。不过，在真实的工程实践中，单元测试只是庞大系统的一角。实现一个功能有无数种临时方案，但能支撑未来数年迭代的优质实现屈指可数。这也解释了为何模型在有人类实时引导时表现尚可，但一旦长时间独立运行，性能便大幅下滑。要自动化更多工作流，模型必须能处理不完整状态下的复杂推理，并应对可能模糊的结果。
技术路径与数据模型创新
基于 Windsurf Editor 的高频使用数据，团队构建了一套全新的共享时间线数据模型，并设计了专门封装不完整状态、长周期任务及多表面交互的训练配方。SWE-1 被定位为验证该路径可行性的初始原型，其目标证明即便在工程师团队规模和算力资源少于大型研究实验室的情况下，仍能达到前沿水平。
离线评估表现
在离线测试中，SWE-1 与 Anthropic 系列、Cascade 内常用的高人气模型和 Deepseek 和 Qwen 的领先开源权重模型做了对比。评估主要包含两个维度：
- 交互式软件工程任务基准模拟在现有 Cascade 会话中途、任务完成一半时，模型对下一个用户查询的响应能力。评分（0-10）综合了有用性、效率、正确性及目标文件编辑准确率。这一基准旨在衡量“人在回路”的代理式编码能力，强调模型在任务未完成时与用户输入无缝交替的能力。
- 端到端软件工程任务基准从对话开始时起，衡量模型独立解决输入意图并通过特定单元测试的能力。评分（0-10）结合了测试通过率和评判分数。随着模型自主操作能力的增强，这一独立解决问题的指标日益重要。
离线数据显示，SWE-1 的表现接近基础模型实验室的前沿模型，且优于中量级模型及主流开源替代方案。虽未达绝对顶流，但已展现出与领先模型竞争的实力。
生产环境实验结果
鉴于庞大的用户基数，团队还通过盲测生产实验补充离线评估。在部分用户中保持模型固定并隐藏模型名称，以测量长期重复使用情况。以历史使用率最高的 Claude 模型作为基准参照，主要考察两项指标：
- 日均贡献代码行数统计用户在固定时间内主动接受并保留的 Cascade 生成代码行数。该指标反映了模型建议的质量、响应速度和对反馈的敏感度，直接关联用户的复购意愿。
- Cascade 贡献率针对被 Cascade 至少编辑过一次的代码文件，计算其中由 Cascade 发起的变更占比。此指标通过控制使用频率和模型编辑倾向，更纯粹地衡量模型的实际辅助价值。
由于 SWE-1 是针对 Cascade 用户交互习惯专门构建并过拟合的，其在生产环境中接近行业领先的表现为团队预期之内。
衍生模型与架构分析
除旗舰版外，SWE-1-lite 作为中型版本，沿用了相同的训练方法论，在所有非前沿中型模型中表现领先，并将正式取代 Cascade Base 成为无限制使用选项。另一款 SWE-1-mini 则共享类似的流程感知训练逻辑，但规模更小，专门优化以适配被动预测系统的低延迟约束。这三款模型共同构成了覆盖不同性能需求与场景的完整矩阵。
