Cursor 2.0 与自研编程模型 Composer 概览​

AI 编程平台 ​Cursor​ 推出 ​2.0 版本，并发布首个自研编程大模型 ​Composer。官方称其面向低延迟的“智能体式”编码，多数交互回合可在 ​30 秒内完成；在内部基准 ​Cursor Bench​ 上，代码生成速率达 ​250 tokens/s，在同等智能水平下较主流推理模型提速约 ​2 倍、相对其他系统可达 ​4 倍，整体智能表现对标中等前沿模型，但仍低于 ​GPT‑5​ 与 ​Claude Sonnet 4.5。模型采用 ​MoE（混合专家）​​ 架构并结合 ​强化学习（RL）​，在真实开发环境中训练与评估。

​核心能力与技术要点​

• 强化学习驱动的工程能力：在完整代码库中“边干边学”，学会更高效地选择与并行调用工具，具备自动生成与运行单元测试、修复 ​linter​ 错误、多步代码搜索与调试等涌现行为。

• 架构与训练：​MoE + RL，并使用 ​PyTorch + Ray​ 的异步强化学习训练栈；借助 ​MXFP8 MoE​ 内核、专家并行与混合分片数据并行，在原生低精度下扩展至数千张 NVIDIA GPU，降低通信开销并提升推理速度。

• 真实环境闭环：与 Cursor 环境“共同设计”，在真实规模下运行、调用工具、执行命令，获得更贴近生产实践的反馈信号。

• 原型演进：早期原型为 ​Cheetah，在此基础上升级到 ​Composer，聚焦交互时延与工程可靠性。

​Cursor 2.0 产品亮点​

• 多智能体界面：以“智能体为中心”替代“以文件为中心”，可并行运行最多 ​8 个 Agent，各自在 ​git worktree​ 或远程机器的隔离工作区中协作，用户可对比并择优采用结果。

• 原生浏览器工具：Agent 可在 IDE 内导航、点击、输入、截图、查看控制台与网络日志，自动测试并迭代，直到结果正确；前端修改支持“指哪儿改哪儿”。

• 代码评审与变更测试：聚合多文件差异的审查视图，缓解多 Agent 场景下的评审与测试瓶颈。

• 安全与工程效率：​沙盒终端（macOS）​​ 默认隔离运行未授权命令；LSP​ 性能优化，​Python/TypeScript​ 体验提升；新增 ​语音模式、后台计划模式、团队命令与审计日志等。

• 可视化反馈优化：浏览器工具引入更高效的日志处理、图像级可视化与开发服务器感知，减少 Token 消耗并提升调试效率。

​可用性与定价​

• 全量上线，可在官网下载；如需在 ​Agent 模式体验 ​Composer，需订阅 ​Cursor Pro。

• 个人订阅：​Hobby（免费）—Pro+—Ultra（约 200 美元/月）​；Teams​ ​40 美元/用户/月​ 起，企业版支持合同定制。

• 团队能力：共享模型与规则、SAML/OIDC、审计日志与分析、云端 ​Hooks​ 分发、企业级沙盒与策略控制等。

​争议与注意事项​

• 透明度争议：官方未详述 ​Composer​ 的基础模型来源与预训练细节，对“是否微调自开源模型”等问题未正面回应；研究者在社区持续答疑，但关键信息仍未公开，需谨慎评估与独立验证。

• 成本与质量权衡：多 ​Agent​ 并行虽能提升结果质量，但 ​Token​ 消耗与成本可能显著上升；在复杂任务中应结合评审与测试流程把控质量与开销。