文章轉載自「新智元」

5 月初，

AI 編程熱門公司 Windsurf 又有了新的動作。Windsurf 發(fā)布了其 AI 編程模型SWE-1。官方介紹稱，SWE-1 針對整個軟件工程過程，而不僅僅是編碼任務。

SWE-1 的核心關鍵為流動感知（Flow Awareness），涉及到軟件開發(fā)過程的全流程，強調實現(xiàn) 模型和人類之間「自然交接」：AI做一部分，用戶校正，AI再繼續(xù)，形成順暢銜接。

SWE-1系列包含三個模型：

• SWE-1：具備與Claude 3.5 Sonnet類似的工具調用推理能力，但運行成本更低。在推廣期內，所有付費用戶可免費使用。

• SWE-1-lite：一個更小但質量更高的模型，全面取代Cascade Base，對所有用戶（包括免費用戶）開放。

• SWE-1-mini：更小、更快，專為Windsurf Tab中的低延遲被動體驗而設計，適用于所有用戶。

目前，SWE-1 模型已在 Windsurf 中上線，用戶可以免費使用。

Founder Park 正在搭建「AI 產(chǎn)品市集」社群，邀請從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的AI產(chǎn)品曝光渠道
  

01

AI編程發(fā)展「快閃」

近幾年，「會寫代碼」的模型取得了巨大進步，已經(jīng)能從簡單的自動補全發(fā)展到一次性構建出完整的小型應用。

但這種能力仍然存在明顯的上限：

其一，軟件開發(fā)不僅僅是寫代碼。

開發(fā)者要做的事情遠不止編碼，還要操作終端、獲取知識、調試產(chǎn)品、理解用戶反饋等。因此需要的是更全面的模型，能覆蓋整個開發(fā)流程。

其二，工程過程是跨階段的、持續(xù)變化的。

目前主流的基礎模型仍然是基于「代碼能否編譯」和「是否通過單元測試」來訓練的。但現(xiàn)實中，這只是更大工程任務中的一小部分。

真正需要的是能處理「尚未完成的狀態(tài)」、理解模糊目標的模型。

否則，即使模型寫出了能運行的功能，后續(xù)維護與擴展性可能會非常差。

因此，僅僅提高「寫代碼」的能力，無法真正提升整個工程效率。需要打造的是支持完整軟件工程流程的模型——簡稱SWE模型。

02

SWE-1的開發(fā)過程

SWE-1的開發(fā)靈感來自廣受歡迎的Windsurf編輯器，構建了全新的數(shù)據(jù)結構（共享時間線）和訓練方法，能夠理解未完成的狀態(tài)、長周期任務以及多種交互界面。

其初衷是在資源有限的情況下，通過這種方法做出一流性能的模型。

SWE-1是這個目標的第一個驗證成果。

在整體表現(xiàn)上，SWE-1接近最前沿的基礎模型，在多個維度上超過了所有非前沿模型和開源對手?？梢酝ㄟ^離線評估與線上實測兩種方式進行驗證。

離線評估

評估將SWE-1與Anthropic系列（Cascade中使用最頻繁的模型之一）以及Deepseek、Qwen等主流開源模型對比，主要有兩個基準測試：

• 會話式SWE任務基準

從一個正在進行中的Cascade會話中截取，任務尚未完成。評估模型如何響應用戶的下一步請求，打分標準綜合考慮幫助程度、效率、正確性以及目標文件編輯的準確率。這項測試關注模型在「人機協(xié)作」環(huán)境中的表現(xiàn)。

• 端到端SWE任務基準

從會話一開始就評估模型是否能完全獨立解決問題，并通過一組單元測試。得分基于測試通過率和專家打分。這項測試衡量模型自主完成任務的能力。

評估結果表明，SWE-1在這些任務上接近頂級實驗室的前沿模型，遠超中等體量和開源的對手。雖然還不是絕對領先，但非常有潛力。

線上實測（生產(chǎn)實驗）

Windsurf有大量用戶，因此也通過盲測實驗評估真實使用中的表現(xiàn)。

Windsurf將用戶分組，分別使用不同模型，在不告知模型類型的前提下觀察行為和效果。

Windsurf主要看兩個指標：

• 每位用戶每天接受的代碼行數(shù)

即Cascade編寫、用戶實際接受并保留的代碼行數(shù)，反映模型的實際幫助程度、響應質量和用戶粘性。

• Cascade代碼貢獻率

對于被Cascade修改過的文件，模型所做的代碼改動所占比例。這是一個反映模型「主動性」以及「用戶信任程度」的指標。

SWE-1專為Cascade場景設計和優(yōu)化，因此在這些指標上表現(xiàn)幾乎是行業(yè)領先，效果優(yōu)于所有非前沿模型。

其他模型分析

你可能在上面的圖表中注意到SWE-1-lite，這是SWE-1的中型版本，使用相同訓練方式，在非前沿模型中表現(xiàn)最佳，現(xiàn)已取代Cascade Base，向所有用戶開放。

Windsurf還開發(fā)了SWE-1-mini，體積更小，速度更快，適用于Windsurf Tab這種對延遲要求極高的被動預測場景。

需要說明的是，這只是一個起點。

Windsurf不僅希望趕上最前沿實驗室的水平，最終目標是全面超越它們。

Windsurf堅信自己已經(jīng)具備了實現(xiàn)這個目標的引擎，并將持續(xù)加大投入。

03

流動感知系統(tǒng)（Flow-Aware System）

Windsurf提到SWE-1的靈感來源于Windsurf編輯器。

關鍵在于Windsurf獨特的設計理念：流動感知（Flow Awareness）。

什么是流動感知？

Windsurf打造的Windsurf編輯器實現(xiàn)了用戶與AI的「共識時間線」：AI的每一步用戶都能看到并干預，反過來，AI也能理解并跟進用戶的行為。

這種「共享時間線」的感知能力，Windsurf稱之為Flow Awareness（流動感知），也因此Windsurf一直把這種人機協(xié)作的體驗稱為「AI flows」。

為什么流動感知很重要？

因為短時間內，沒有模型能完全獨立完成所有開發(fā)任務。

流動感知允許模型和人類之間「自然交接」：AI做一部分，用戶校正，AI再繼續(xù)，形成順暢銜接。

借助共享時間線，Windsurf可以持續(xù)追蹤當前模型的能力邊界，觀察哪些任務需要用戶介入、哪些能完全自動完成。

這是SWE-1能快速成長為當前水平的關鍵原因之一。

共享時間線在Windsurf中的演進

構建共享時間線是Windsurf許多功能背后的核心理念：

• 初代Cascade就支持「你在編輯器改完內容后輸入continue，AI就能繼續(xù)理解你改了什么」——這是對編輯器的感知。

• 后來Windsurf加入了終端輸出感知——AI能理解你執(zhí)行命令時出現(xiàn)的錯誤。

• Wave 4中加入了「預覽」功能——AI開始理解你看到的前端組件和錯誤。

• Wave 5和 Wave 6中，Tab增加了對終端命令、剪貼板內容、IDE搜索內容等的感知。

這不是一堆隨機新功能，而是Windsurf構建「最全面軟件工程時間線」的一部分。

即便使用的是通用模型，只要Windsurf記錄和利用好了這些上下文信息，AI的表現(xiàn)就會大幅提升。

而現(xiàn)在Windsurf有了自研的SWE系列模型，這個正反饋循環(huán)將真正開始加速：模型能更好地理解時間線并參與其中更多部分。

接下來會發(fā)生什么？

SWE-1只是開始。它是由一個小而專注的團隊打造的，利用Windsurf在產(chǎn)品和基礎設施方面的優(yōu)勢，展示了Windsurf完全有能力打造接近最前沿的模型。

未來，Windsurf將持續(xù)改進SWE系列模型，在保證低成本的同時不斷提升性能，讓開發(fā)者能用Windsurf構建更大、更強的軟件項目。

隨著SWE-1的發(fā)布和OpenAI對Windsurf的收購，AI編程工具正迎來一個新的時代。

從簡單的代碼補全到全面的工程協(xié)作，AI正在深刻改變軟件開發(fā)的方式。

對于開發(fā)者來說，這是一個充滿機遇和挑戰(zhàn)的時代，如何利用這些新工具提升開發(fā)效率，將成為他們需要思考的重要問題。