怎么回事？刚被OpenAI收购，Windsurf就发了个自己的模型

文章转载自「新智元」

5 月初，OpenAI 同意以 30 亿美元的价格收购 Windsurf。

AI 编程热门公司 Windsurf 又有了新的动作。Windsurf 发布了其 AI 编程模型SWE-1。官方介绍称，SWE-1 针对整个软件工程过程，而不仅仅是编码任务。

SWE-1 的核心关键为流动感知（Flow Awareness），涉及到软件开发过程的全流程，强调实现模型和人类之间「自然交接」：AI做一部分，用户校正，AI再继续，形成顺畅衔接。

SWE-1系列包含三个模型：

• SWE-1：具备与Claude 3.5 Sonnet类似的工具调用推理能力，但运行成本更低。在推广期内，所有付费用户可免费使用。

• SWE-1-lite：一个更小但质量更高的模型，全面取代Cascade Base，对所有用户（包括免费用户）开放。

• SWE-1-mini：更小、更快，专为Windsurf Tab中的低延迟被动体验而设计，适用于所有用户。

目前，SWE-1 模型已在 Windsurf 中上线，用户可以免费使用。

---

Founder Park 正在搭建「AI 产品市集」社群，邀请从业者、开发人员和创业者，扫码加群： 

进群后，你有机会得到：

• 最新、最值得关注的 AI 新品资讯； 
  

• 不定期赠送热门新品的邀请码、会员码；
  

• 最精准的AI产品曝光渠道
  

---

01 

AI编程发展「快闪」

近几年，「会写代码」的模型取得了巨大进步，已经能从简单的自动补全发展到一次性构建出完整的小型应用。

但这种能力仍然存在明显的上限：

其一，软件开发不仅仅是写代码。

开发者要做的事情远不止编码，还要操作终端、获取知识、调试产品、理解用户反馈等。因此需要的是更全面的模型，能覆盖整个开发流程。

其二，工程过程是跨阶段的、持续变化的。

目前主流的基础模型仍然是基于「代码能否编译」和「是否通过单元测试」来训练的。但现实中，这只是更大工程任务中的一小部分。

真正需要的是能处理「尚未完成的状态」、理解模糊目标的模型。

否则，即使模型写出了能运行的功能，后续维护与扩展性可能会非常差。

因此，仅仅提高「写代码」的能力，无法真正提升整个工程效率。需要打造的是支持完整软件工程流程的模型——简称SWE模型。

02 

SWE-1的开发过程

SWE-1的开发灵感来自广受欢迎的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，通过这种方法做出一流性能的模型。

SWE-1是这个目标的第一个验证成果。

在整体表现上，SWE-1接近最前沿的基础模型，在多个维度上超过了所有非前沿模型和开源对手。可以通过离线评估与线上实测两种方式进行验证。

离线评估

评估将SWE-1与Anthropic系列（Cascade中使用最频繁的模型之一）以及Deepseek、Qwen等主流开源模型对比，主要有两个基准测试：

• 会话式SWE任务基准

从一个正在进行中的Cascade会话中截取，任务尚未完成。评估模型如何响应用户的下一步请求，打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率。这项测试关注模型在「人机协作」环境中的表现。

• 端到端SWE任务基准

从会话一开始就评估模型是否能完全独立解决问题，并通过一组单元测试。得分基于测试通过率和专家打分。这项测试衡量模型自主完成任务的能力。

评估结果表明，SWE-1在这些任务上接近顶级实验室的前沿模型，远超中等体量和开源的对手。虽然还不是绝对领先，但非常有潜力。

线上实测（生产实验）

Windsurf有大量用户，因此也通过盲测实验评估真实使用中的表现。

Windsurf将用户分组，分别使用不同模型，在不告知模型类型的前提下观察行为和效果。

Windsurf主要看两个指标：

• 每位用户每天接受的代码行数

即Cascade编写、用户实际接受并保留的代码行数，反映模型的实际帮助程度、响应质量和用户粘性。

• Cascade代码贡献率

对于被Cascade修改过的文件，模型所做的代码改动所占比例。这是一个反映模型「主动性」以及「用户信任程度」的指标。

SWE-1专为Cascade场景设计和优化，因此在这些指标上表现几乎是行业领先，效果优于所有非前沿模型。

其他模型分析

你可能在上面的图表中注意到SWE-1-lite，这是SWE-1的中型版本，使用相同训练方式，在非前沿模型中表现最佳，现已取代Cascade Base，向所有用户开放。

Windsurf还开发了SWE-1-mini，体积更小，速度更快，适用于Windsurf Tab这种对延迟要求极高的被动预测场景。

需要说明的是，这只是一个起点。

Windsurf不仅希望赶上最前沿实验室的水平，最终目标是全面超越它们。

Windsurf坚信自己已经具备了实现这个目标的引擎，并将持续加大投入。

03 

流动感知系统（Flow-Aware System）

Windsurf提到SWE-1的灵感来源于Windsurf编辑器。

关键在于Windsurf独特的设计理念：流动感知（Flow Awareness）。

什么是流动感知？

Windsurf打造的Windsurf编辑器实现了用户与AI的「共识时间线」：AI的每一步用户都能看到并干预，反过来，AI也能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），也因此Windsurf一直把这种人机协作的体验称为「AI flows」。

为什么流动感知很重要？

因为短时间内，没有模型能完全独立完成所有开发任务。

流动感知允许模型和人类之间「自然交接」：AI做一部分，用户校正，AI再继续，形成顺畅衔接。

借助共享时间线，Windsurf可以持续追踪当前模型的能力边界，观察哪些任务需要用户介入、哪些能完全自动完成。

这是SWE-1能快速成长为当前水平的关键原因之一。

共享时间线在Windsurf中的演进

构建共享时间线是Windsurf许多功能背后的核心理念：

• 初代Cascade就支持「你在编辑器改完内容后输入continue，AI就能继续理解你改了什么」——这是对编辑器的感知。

• 后来Windsurf加入了终端输出感知——AI能理解你执行命令时出现的错误。

• Wave 4中加入了「预览」功能——AI开始理解你看到的前端组件和错误。

• 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。

这不是一堆随机新功能，而是Windsurf构建「最全面软件工程时间线」的一部分。

即便使用的是通用模型，只要Windsurf记录和利用好了这些上下文信息，AI的表现就会大幅提升。

而现在Windsurf有了自研的SWE系列模型，这个正反馈循环将真正开始加速：模型能更好地理解时间线并参与其中更多部分。

接下来会发生什么？

SWE-1只是开始。它是由一个小而专注的团队打造的，利用Windsurf在产品和基础设施方面的优势，展示了Windsurf完全有能力打造接近最前沿的模型。

未来，Windsurf将持续改进SWE系列模型，在保证低成本的同时不断提升性能，让开发者能用Windsurf构建更大、更强的软件项目。

随着SWE-1的发布和OpenAI对Windsurf的收购，AI编程工具正迎来一个新的时代。

从简单的代码补全到全面的工程协作，AI正在深刻改变软件开发的方式。

对于开发者来说，这是一个充满机遇和挑战的时代，如何利用这些新工具提升开发效率，将成为他们需要思考的重要问题。

（文：Founder Park）