Devin Fusion 登陆 Desktop/CLI：双模型按任务降本

Cognition 在 2026 年 9 月 11 日发布博文 Introducing Fusion in Devin Desktop & CLI：此前在 Devin Cloud 预览的双模型 harness，现在可以在 Desktop 和 CLI 里直接选用。你不再只挑一个模型，而是指定一个 lead 和一个 sidekick。官方推荐配对是 Fable 5.1 做 lead、SWE-2 做 sidekick。Cognition 称这是 Fable 与 Astra 上「最有效率的前沿 harness」，在主要编码测试上「最高约 39% 更有效率」——这是产品方数据，不是独立复测。博文日期写作 09.11.26。

Devin CLI 的 Fusion 模型选择界面，需分别指定 Lead 和 Sidekick — 官方演示动图截帧：Fusion 模式下要分别选 Lead 与 Sidekick。来源：Cognition「Introducing Fusion in Devin Desktop & CLI」。

团队原先的摩擦是：长任务一上来就用最贵模型，token 账单先炸；改用便宜模型，规划阶段又在歧义处走偏。按提示词做路由更糟——任务有多难，往往要读过代码才知道；中途换模型还会打断 prompt cache。本文只写 Desktop/CLI 这次落地，以及它怎样改「选模型」这一步。Fusion 最早在 2026 年 6 月的 Cloud 预览里出现，这次是把同一套 harness 交到本机工作流。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

发生了什么

Fusion 把一次会话拆成两个并行 agent，各自有工具和缓存。Lead 始终掌管会话：给委派任务写 brief（约束加成功标准），审查结果，面向用户，并可随时收回控制权。Sidekick 负责探索代码、实现、测试并回报。两边交换的是 brief、结果和反馈，不是完整转录，缓存因此能保住。Cognition 明确反对「看第一句提示就路由」：难度在检查代码之前未知，中途换模型会打断缓存。Lead 始终是面向用户的那个 agent，Sidekick 不直接对用户回话。

Harness 行为按配对变化。更弱的 sidekick 会拿到更处方化的 brief、更少被允许顶嘴；更强的 sidekick 可以挑战计划、参与早期探索。规划相关的探索不应交给弱 sidekick。官方推荐 Fable 5.1 + SWE-2，并强调通用指令会伤分数，配对必须单独调。启用时要选两个模型，而不是一个。

Artificial Analysis Coding Agent Index v1.5 上，Cognition 公布：Claude Code + Fable 5.1（max）62.2 分、12.36 美元；Fusion Fable 5.1 + SWE-2 为 61.7 分、7.90 美元，约便宜 36%。Codex + Astra（max）61.6 分、7.47 美元；Fusion Astra + SWE-2 为 58.9 分、4.54 美元，约便宜 39%。分数接近，花费下降，但 Astra 组合在这项指数上低了 2.7 分。

分项基准同样来自这篇博文。DeepSWE 1.1：Fable 5.1 为 64.3 分、14.63 美元，Fusion Fable 为 63.1 分、7.88 美元（约 −46%）；Astra 为 67.6 分、7.88 美元，Fusion Astra 为 67.3 分、4.69 美元（约 −40%）。SWE-Atlas QnA 上 Fusion Fable 从 64.8 分升到 65.9 分，花费从 7.57 美元降到 5.00 美元；Fusion Astra 从 61.8 分、5.72 美元降到 59.4 分、3.59 美元。Vals Code Migration 上 Fusion Fable 从 54.6 分升到 57.3 分，花费从 70.97 美元降到 42.00 美元。这些数字必须标成产品方数据。

一次完整工作场景

输入是你已经在用的 Devin Desktop 或 CLI。CLI 安装命令写在博文里：curl -fsSL https://cli.devin.ai/install.sh | bash。装好后打开 Fusion，选 lead 和 sidekick，而不是只点一个模型名。用户仍然只跟 lead 说话：描述迁移、修 bug 或实现功能。界面上能看到 Lead 与 Sidekick 两个选择器，而不是单一模型列表。

操作上，lead 把工作切成带约束的 brief 交给 sidekick。sidekick 在自己的工具循环里改代码、跑测试，把结果送回。lead 验收，不合格就收回控制权或改 brief 再派。因为交换的不是整段转录，两边的 prompt cache 可以分开累积。官方举过一次会话构成：11.3 万 Fable 5.1 token 加 9.7 万 SWE-2 token，共 21 万，比全程 Fable 5.1 大约便宜 39%。

交付仍是 lead 汇总后的代码、测试结果和说明。反馈回路是看任务级花费和是否返工，而不是看哪个模型的百万 token 单价更低。Cognition 的原话是：模型和 model-harness 组合应该按「每个任务多少钱」评估，而不是按「每 token 多少钱」。评测合作方写明是 Artificial Analysis 与 Vals AI。

Fusion 在 DeepSWE、Terminal-Bench、SWE-Atlas 等基准上的分数与花费对照表 — 编辑绘制：转述 Cognition 2026-09-11 博文中的基准数字。DeepSWE 上 Fusion 可降费约 40%–46%；Astra 在 Terminal-Bench 4 从 55.6 降到 50.0。不是独立复测。

为什么这会改变「选模型」这一步

以前工作流是：任务进门 → 人选一个模型 → 模型自己规划并实现 → 账单按该模型全量 token 出。Fusion 把中间改成：任务进门 → 人选配对 → lead 规划并验收 → sidekick 执行。Cognition 还写过一个反直觉结论：「用更贵的模型有时会让整个系统更便宜」。他们举例：Fable 做 lead 对比 Opus 4.8，尽管 Fable 单价更高，平均任务成本大约低 9%；在 Astra Fusion 的 FrontierCode 上，SWE-2（0.75 美元/百万 token）对比 GPT-5.6 Luna（0.20 美元/百万 token）得到 63.4 分、2.34 美元，对上 62.0 分、2.39 美元——更便宜的 sidekick 并不自动更省。

他们把 FrontierCode 的回合花销拆成：Plan 32%、Setup 34%、Implementation 5%、Debug 17%、Validate 9%，其余收尾。实现本身只占 5%，所以把规划交给弱模型省下的单价，很容易被返工吃回去。这就是工作流真正改动的一步：人选的不再是「今晚用哪个旗舰」，而是「谁写 brief、谁落地、验收权在谁」。Terminal-Bench 4 上 Fusion Fable 花费从 17.46 美元降到 13.37 美元（约 −23%），Fusion Astra 从 10.08 美元降到 6.06 美元（约 −40%），但 Astra 分数从 55.6 掉到 50.0，说明降本和保分不能当成同一件事。

限制与人必须接管的点

数字不是全面胜利。Astra 在 Terminal-Bench 4 从 55.6 降到 50.0；Index v1.5 上 Fusion Astra 也低于单模型 Astra。Vals Code Migration 上 Fusion Fable 从 54.6 升到 57.3，但 Fusion Astra 从 67.7 降到 61.3，花费从 44.36 美元降到 35.51 美元。FrontierCode 1.1 上 Fusion Fable 几乎持平（63.6 到 63.5）同时从 2.68 美元降到 1.67 美元；Fusion Astra 在同一项上是 63.4 分、2.34 美元。配对必须调 brief；把规划探索交给弱 sidekick，是官方点名不要做的事。

这些分数来自与 Artificial Analysis、Vals AI 的合作评测，是产品方公布值。CLI 安装脚本走官方域名，仍要在可信环境执行。Fusion 不管你的仓库权限、密钥和合并门禁：lead 审查的是 sidekick 回报，不是你的生产变更流程。人要接管的是配对选择、失败基准上的回退，以及 lead 说「完成」之后的代码审查。不要把「最高约 39% 更有效率」读成每一项任务都更便宜或更高分。

如何试用

安装 Devin CLI 或打开 Desktop，启用 Fusion，按官方推荐先试 Fable 5.1 + SWE-2。先拿一条你熟悉的仓库任务看花费和返工，不要一上来用它做不可回滚的迁移。若某类任务分数明显下滑，把 lead 的 brief 写得更处方化，或把规划探索收回 lead。Cloud 上的 Fusion 预览和这次 Desktop/CLI 落地是同一套分工，但本机入口改变的是日常编码会话，而不是云端队列策略。SWE-Atlas 上 Fusion Astra 花费约降 37%，分数同时从 61.8 降到 59.4，试用时要把这类下滑单独记下来。