Cognition Fusion leva programação com dois agentes ao Devin

O Cognition Fusion é um harness multimodelo de agentes de programação integrado ao Devin Desktop e ao Devin CLI. Anunciado pela Cognition em 11 de setembro de 2026, ele coloca um modelo avançado — o responsável por planejar, interpretar pedidos ambíguos e revisar o resultado — ao lado de um modelo de menor custo para executar partes delimitadas do trabalho.

A combinação recomendada pela Cognition é Fable 5.1 como lead e SWE-2 como sidekick. A promessa real é mais interessante do que um simples roteador que escolhe um modelo no início: durante a tarefa, o lead pode delegar trabalho, avaliar o retorno e reassumir o controle quando necessário.

O que é o Cognition Fusion

Fusion não é um editor independente nem um modelo separado. É uma camada de coordenação dentro do Devin: o usuário interage com o lead, enquanto o sidekick recebe uma tarefa com limites, requisitos e critérios de sucesso.

Na prática, o lead cuida das decisões que exigem mais contexto — como entender uma solicitação ambígua, definir um plano e revisar a entrega. O sidekick fica com o trabalho operacional: explorar o repositório, implementar alterações, executar builds ou testes e relatar o que aconteceu.

Esse desenho tenta reservar o modelo mais sofisticado para as decisões difíceis, sem obrigá-lo a consumir todos os tokens de cada etapa mecânica. Mas “menor custo” não significa “mesma capacidade em qualquer tarefa”. A divisão precisa combinar com o tipo de trabalho.

Como o lead e o sidekick trabalham juntos

Os dois agentes mantêm contextos persistentes separados e suas próprias ferramentas. Em vez de encaminhar continuamente o histórico completo da conversa, o Fusion troca briefings, resultados e feedback.

O fluxo pode ser resumido assim:

1. O lead interpreta o pedido e monta um plano.
2. Ele envia ao sidekick uma tarefa delimitada, com restrições e critérios de sucesso.
3. O sidekick explora o código, faz as alterações e executa os testes necessários.
4. O sidekick devolve as mudanças e os resultados.
5. O lead revisa a entrega e decide se continua, pede ajustes ou reassume a execução.

A separação também reduz a necessidade de reconstruir todo o contexto quando os modelos mudam. Para quem trabalha em repositórios grandes, esse detalhe é mais importante do que parece: contexto não é apenas memória conveniente; ele também representa consumo e custo.

O que os benchmarks mostram

No FrontierCode 1.1 Extended, a Cognition comparou cada configuração Fusion com o modelo correspondente funcionando sozinho. Os valores abaixo são custos médios reportados por tarefa, em dólares, e não preços de assinatura do Devin.

O resultado é deliberadamente menos triunfalista do que um slogan de “IA barata com desempenho igual”. No pareamento com Fable 5.1, o Fusion custou menos, mas marcou 0,1 ponto a menos. Com Astra, marcou 0,3 ponto a mais e também custou menos. São diferenças pequenas dentro desse benchmark, não uma garantia de que o efeito se repetirá em todo repositório.

Em outros testes divulgados pela Cognition, as reduções de custo variaram de 11% a 46% conforme o benchmark e a configuração. Também houve quedas de pontuação: no DeepSWE 1.1, Fable 5.1 com Fusion marcou 63,1 contra 64,3 sozinho; no Terminal-Bench 4, Astra com Fusion marcou 50,0 contra 55,6 sozinho. A economia, portanto, vem acompanhada de um compromisso que precisa ser observado tarefa por tarefa.

A captura de sessão exibe um exemplo separado: 39% de economia estimada, com 113 mil tokens atribuídos ao Claude Fable 5.1 e 97 mil ao SWE-2, somando 210 mil tokens. O cálculo estima quanto custariam os tokens processados pelo sidekick se fossem cobrados às tarifas do modelo principal; não é uma repetição controlada da mesma tarefa com Fable 5.1 em modo solo.

Menor custo não significa sempre a mesma pontuação

O ponto central do Fusion é econômico, mas a métrica correta importa. Um valor como US$ 1,67 por tarefa descreve uma avaliação específica. Não é o preço mensal do Devin, não é uma cobrança garantida para cada cliente e não pode ser convertido automaticamente em uma assinatura brasileira.

A mesma cautela vale para desempenho. O Fusion ficou muito próximo da configuração solo no FrontierCode 1.1 Extended, mas não repetiu esse comportamento em todos os benchmarks divulgados. Uma tarefa mecânica pode se beneficiar bastante da delegação; uma tarefa que exige julgamento sutil pode perder qualidade quando enviada ao agente errado.

Por isso, a pergunta útil não é “o Fusion é tão bom quanto o modelo avançado?”. A pergunta é: quais partes do meu fluxo podem ser delegadas sem transferir decisões importantes para o modelo errado? O desenho do produto mantém o lead na posição de revisar e recuperar o controle, mas não elimina a necessidade de revisão humana ou de critérios de aceitação claros.

Acesso pelo Devin

A documentação do Devin indica que o Fusion está disponível em planos pagos, sem inclusão nos níveis gratuito e de avaliação. O requisito informado é o Devin CLI 3000.10.20 ou posterior ou o Devin Desktop 3.10.0 ou posterior.

Não há um preço separado para o Fusion: ele aparece como recurso do Devin, e os valores em dólares exibidos nos benchmarks continuam sendo custos de avaliação por tarefa. Para um desenvolvedor brasileiro, a decisão depende mais do plano do Devin e do padrão de uso do que de multiplicar diretamente qualquer número da tabela por um mês de trabalho.

O Cognition Fusion é, no fim, uma aposta na divisão de trabalho: um agente mais capaz pensa sobre o problema e supervisiona; outro executa parcelas bem definidas com menor custo. Os números divulgados apoiam essa tese em alguns cenários, mas também mostram o limite da promessa. A vantagem não é uma pontuação universalmente maior — é a possibilidade de gastar menos quando a tarefa certa chega ao agente certo.