Windsurf 发布 SWE-1 系列模型：不止写代码，专攻端到端软件工程

AI 代码编辑器这门生意，过去大部分团队走的都是同一个套路：前端套个好看好用的界面，后台接入 OpenAI 或 Anthropic 的接口打工。但 Windsurf 显然不想一直替别人做嫁衣。

Windsurf 今天正式发布了自家首个模型家族 SWE-1。有意思的是，他们强调这套模型不只是为了「写代码」设计的，而是专门冲着完整的「软件工程流程」去的。

整个系列一共三款模型。顶配的 SWE-1 主打工具调用和复杂推理，官方称其能力逼近 Claude 3.5 Sonnet，但推理部署成本更低。为了拉拢用户，Windsurf 甚至在促销期给所有付费用户开出了 0 积分免费调用的优惠。

剩下两款则全面下放给所有用户。SWE-1-lite 用来替代原本的 Cascade Base 模型，免费和付费用户都能不限量使用；体积更小、响应更快的 SWE-1-mini，则专门负责底层的 Windsurf Tab 智能补全，同样全员免费。

会写代码，不等于懂软件工程

Windsurf 之所以要自己从头训模型，是因为他们觉得现在的代码大模型都快撞墙了。

在很多人的想象里，AI 只要能写出可以编译的代码、跑通单元测试，就算是合格的程序员了。但任何真正写过软件的人都知道，敲代码只占日常工作的一小部分。

真实的工作往往是碎片的：你得在终端里排查报错、查阅文档、理解模糊的需求，更要在代码处于写了一半、到处报错的「半成品状态」时继续往下推导。主流模型做单次生成很惊艳，但只要离开人工提示、自己独立跑久一点，往往就会陷入混乱。

Windsurf 拿出的解法，是利用自家编辑器沉淀下的交互数据，搭建了一套名为「共享时间线」的数据模型，把长周期任务、多终端操作和半成品状态直接揉进训练配方里。

他们甚至拿出了两套新的评估基准：一个是测试人机协同的 Conversational SWE 基准，专门测在任务做到一半时模型接手的能力；另一个是 End-to-End SWE 基准，测端到端全自动解题。测试结果显示，SWE-1 明显优于 DeepSeek、Qwen 等开源替代品，整体逼近头部实验室的顶尖水平。

为什么重要

对于每天泡在 Windsurf 里的开发者来说，最大的好处是立竿见影的成本下降。用接近顶配模型的推理能力，却不需要心疼 Token 额度，尤其是半成品代码补全和多步调试的连贯性会明显改善。

从行业角度看，AI 编辑器正在迎来分水岭。单纯做产品包装的中间层会越来越难受，因为调用大厂 API 不仅毛利微薄，更无法根据开发者的具体编辑行为去反哺模型。Windsurf 这次用较少算力和较小团队训出 SWE-1，证明了垂直工作流的数据闭环完全有机会和通用大厂掰手腕。

但这种做法也有潜在隐患。自研模型意味着 Windsurf 必须背上高昂的训练和算力包袱，而且通用前沿模型的演进速度极快，一旦下一代通用旗舰模型在工具调用上取得断层式突破，垂直自研模型的性价比优势可能很快被抹平。不过在我们看来，这一步走得相当果断，至少让他们在面对上游模型供应商时有了真正的谈判底牌。