Lumen 模型线
官网写「三个模型,一套理念」:Scout 基于 Devstral 123B 后训练负责低成本端侧任务,Outpost 基于 Kimi K2.6 负责生产级实现,Sovereign 面向最难工程问题且标注即将推出。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Cosine 把自研的 Lumen 模型与编码智能体打包成一套软件工程工具,主打「专做写代码这一件事」:官网给出的基准成绩里 Lumen Outpost 为 53.9%,高于同屏列出的 GPT-5.5(47.4%)与 GPT-5.4(42.4%)。形态上分 CLI、Cloud 与 Desktop,云端可以并行跑多个编码任务并让工程师、PM 与相关方在同一项目里协作;部署还提供公有云、单租户托管与完全气隙三档,面向对数据边界有硬要求的组织。短板也明显:计价按积分走,Starter 从 $19 /month 起,重度使用需要持续加购;Sovereign 模型在为即将推出,尚未可用。
Cosine 由自称「主权 AI 实验室」的团队运营,训练面向开发者的模型与专用编码智能体,服务对象是需要把前沿能力放进安全环境里的组织。官网首页同时挂着一封与关键国家基础设施高管联署的公开信,主题是英国的主权 AI,说明它的定位偏向对数据边界与合规有要求的机构客户。
当前主力是一条叫 Lumen 的模型线,官网写「三个模型,一套理念」:Scout 基于 Devstral 123B 后训练,主打低成本与端侧运行;Outpost 基于 Kimi K2.6 后训练,负责日常生产级代码任务;Sovereign 标注为即将推出,面向最难的工程问题。能力面写的是少出冗余代码、能在复杂架构与遗留系统里推理,并对 COBOL、Fortran、Verilog、Rust 与复杂 SQL 做过后训练。
用法按角色分:个人开发者从终端进入,用本地到远端执行的 CLI 跑任务,外部工具通过 MCP 接入,多智能体编排也在这一层;团队走 Cosine Cloud,并行推进多个编码任务、规划大改动并在共享项目里协作;受监管行业的团队按需选单租户甚至完全气隙部署,价格与范围另行与销售确认。
官网写「三个模型,一套理念」:Scout 基于 Devstral 123B 后训练负责低成本端侧任务,Outpost 基于 Kimi K2.6 负责生产级实现,Sovereign 面向最难工程问题且标注即将推出。
在终端界面里工作,采用本地到远端的执行模型,外部工具通过 MCP 接入,并支持多智能体编排,适合习惯命令行的人。
在 Cosine Cloud 里并行跑多个编码任务,规划大范围改动,并让工程师、PM 与相关方在同一个共享项目里查看与推进。
按安全要求选:公有云是标准云控制的托管版本,单租户云是带企业控制的私有环境,完全气隙版则整体跑在组织自己的安全边界内。
针对企业与冷门语言做过后训练,名单包括 COBOL、Fortran、Verilog、Rust 与复杂 SQL,面向复杂架构和长期维护的代码库。
首页给出 Niche-Bench、Vibe-Bench、Slop-Bench 与 Cost per successful task 四项对比,Lumen Outpost 数值为 53.9%,同屏列出其他模型的对应数值。
积分覆盖智能体工作、模型调用与云端执行三类消耗,实际用量取决于任务大小、所选模型与运行时长,额度用完可以随时加购。
文档说明可以从 CLI、Desktop 或 Cloud 三种界面里的任意一种开始,覆盖从快速修复到复杂迁移的软件工程工作。
当你需要把编码智能体放进有数据边界要求的组织里时,Cosine 值得优先试:官网明确给出公有云、单租户托管与完全气隙三档部署,还针对 COBOL、Fortran 这类冷门语言做过后训练,这是多数通用助手不覆盖的部分。当你只是偶尔改几行脚本、想按量浅用时就要注意,它是积分制订阅,Starter 从 $19 /month 起且额度用完要加购,重度使用成本会顺着用量走;Sovereign 模型即将推出,现阶段能用的只有 Scout 与 Outpost。
官网把 Enterprise 描述为面向高监管行业,并提供单租户与完全气隙部署,数据边界要求强的团队对口。
针对 COBOL、Fortran、Verilog 与复杂 SQL 做过后训练,维护长期运行的老系统时比通用助手更贴合。
CLI 提供本地到远端执行与 MCP 外部工具接入,习惯命令行、愿意自己搭工作流的人上手顺手。
最低档 Starter 从 $19 /month 起、含 4M credits/month,个人预算有限时要先算清任务量再决定。
官网公开的是三档订阅价与加购单价,官网未提及免费额度说明,冲着免费来的人可能落空。
| 方案 | 价格 | 包含内容 | 说明 |
|---|---|---|---|
| Starter | $19 /month | 4M credits/month,加购 $6.50 per 1M add-on credits | 为面向独立开发者与副业项目。 |
| Team | $199 /month | 47M credits/month,加购 $5.00 per 1M add-on credits | 为面向规模化交付的成长型团队。 |
| Enterprise | $999 /month | 240M credits/month,加购 $4.50 per 1M add-on credits | 为面向重视数据隐私的高监管行业。 |
以上为公开费率整理,厂商保留调价权利,实际以官方页面为准。
| 指标 | 数值 | 数据来源 |
|---|---|---|
| Lumen Outpost 基准成绩 | 53.9% | Cosine 官网首页基准区块 |
| Kimi K2.6 基准成绩 | 48.3% | Cosine 官网首页基准区块 |
| GPT-5.5 基准成绩 | 47.4% | Cosine 官网首页基准区块 |
| Gemini 3.1 Pro 基准成绩 | 44.9% | Cosine 官网首页基准区块 |
| GPT-5.4 基准成绩 | 42.4% | Cosine 官网首页基准区块 |
| Scout 基座模型规模 | Devstral 123B | Cosine 官网首页模型区块 |
定价页列出三档:Starter 从 $19 /month 起,含 4M credits/month 与 $6.50 per 1M add-on credits;Team 为 $199 /month,含 47M credits/month 与 $5.00 per 1M add-on credits;Enterprise 为 $999 /month,含 240M credits/month 与 $4.50 per 1M add-on credits。企业与非标准部署价格需联系销售确认。
写 Lumen 是模型系统而非单一模型:Scout 基于 Devstral 123B 后训练,负责低成本与端侧场景;Outpost 基于 Kimi K2.6 后训练,负责日常生产级实现;Sovereign 面向最难的工程问题,即将推出,因此当前可用的是前两个。
FAQ 说明积分覆盖智能体工作、模型调用与云端执行三类消耗,实际用量取决于任务大小、所选模型与运行时长。额度不足时可以购买加购积分,加购单价按档位不同,从 Starter 的 $6.50 per 1M add-on credits 递减到 Enterprise 的 $4.50 per 1M add-on credits。
首页把 Lumen Outpost 的 53.9% 与 GPT-5.4 的 42.4%、Gemini 3.1 Pro 的 44.9%、GPT-5.5 的 47.4%、Kimi K2.6 的 48.3% 放在同一组基准里对比,并强调自己只做写代码这件事。要写代码按这组数字看 Cosine 占优;要通用问答、写作等非编码任务,它的定位并不覆盖。
可以按档位选:包括公有云、单租户托管云与完全气隙三种形态,完全气隙版整体跑在组织自己的安全边界内。企业及私有部署的定价与范围由销售单独确定,因为基础设施、支持与安全要求各不相同。
需要额外网络工具的说明,也没有国内节点或本地化支持的信息。界面与定价均为英文、以美元计价,付款与开票细节同样没有覆盖,正式采购前建议直接联系官方确认。
文档页说明 Cosine 运行在 CLI、Cloud 与 Desktop 三种界面,可以从任意一种开始下载或开始使用,覆盖从快速修复到复杂迁移的工作,并能配合现有代码库与工作流使用。
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Cosine AI本工具 | 4.5 | Starter 从 $19 /month 起,含 4M credits/month | Lumen 模型线;终端原生 CLI;云端并行协作;三档部署形态 | Web / Desktop / API |
| GPT-5.5本工具 | — | 未标价 | 基准里为 47.4%,低于 Lumen Outpost 的 53.9%,定位是通用模型。 | — |
| GPT-5.4本工具 | — | 未标价 | 基准里为 42.4%,是该组对比中数值最低的一档。 | — |
| Gemini 3.1 Pro本工具 | — | 未标价 | 基准里为 44.9%,同样属于通用模型路线。 | — |
| Kimi K2.6本工具 | — | 未标价 | 基准里为 48.3%,与 Cosine 的 Outpost 同源(Outpost 基于它后训练)。 | — |
只把这几款放在同一组编码基准里比数值,没有给出价格、订阅方式或部署形态的对比。结论按场景分:要在受监管或隔离环境里跑编码智能体、还要覆盖 COBOL 这类冷门语言,选 Cosine;要用通用模型同时处理写作、问答与代码,通用模型更合适。