Full text · 原文
2,582 字
Jay 发自 凹非寺量子位 | 公众号 QbitAI<br>
Cursor的首个编码模型，刚刚发布了！<br>
最新进展，Cursor 2.0正式发布，并且首次搭载了「内部」大模型。<br>
没错，不是GPT、不是Claude，如今模型栏多了个新名字——Composer。<br>
实力相当炸裂：<br>
据官方说法，Composer仅需30秒就能完成复杂任务，比同行快400%。<br>
基于模型升级，Cursor 2.0带来了不少新玩意儿——<br>
原生浏览器工具：模型可以自己动手测试代码、调错、迭代，直到结果完全正确。<br>
语音生成代码：不用敲键盘，张嘴就行，直接把思路变成代码。<br>
全新界面逻辑：从「以文件为中心」切换为「以Agent为中心」，多个Agent可以同时运行、互不干扰。<br>
让多个Agent同时尝试同一问题并择优采用，能显著提升最终结果。<br>
太多了太多了，根本看不完。<br>
400%效率飞跃<br>
当然，其他的都是小菜，最炸裂的依然是——Cursor居然有了自己的基座模型。<br>
要知道，以前的Cursor虽然火，但本质上还只是套壳GPT或Claude，再厉害也不是Cursor的功劳。<br>
而这次不一样，Composer正式登场，Cursor终于能挺直腰板了。<br>
难怪这回官网介绍语气都硬气了不少。（doge）<br>
Cursor表示，这款模型是专为低延迟编码打造的，可以在 30秒内完成大多数交互任务。<br>
即便面对体量庞大、结构复杂的代码库，也能保持高水准的推理与理解能力。<br>
除了酷炫的Demo，当然还要用Benchmark秀秀肌肉。<br>
Composer的性能全部通过内部测试套件 「Cursor Bench」 测得——这是一个根据真实开发者使用场景打造的评估系统。<br>
该Benchmark不仅看代码是否正确，还评估模型是否能遵守抽象层次、风格规范和工程实践。<br>
结果显示：Composer能以每秒250个tokens的速度生成代码。<br>
这速度比当前最快的推理模型（GPT-5、Claude Sonnet 4.5）快约两倍，比其其他模型更是快四倍。<br>
速度快了，但脑子依然灵活，Composer显著提高了推理能力和任务泛化能力，水准可媲美中等前沿模型，<br>
基于强化学习的MoE自研模型<br>
这么惊艳的表现，究竟是怎么炼成的？<br>
Cursor研究科学家Sasha Rush透露了答案——关键在于强化学习。<br>
我们用强化学习训练了一个大型MoE模型，让它更贴近真实的编程任务，而且速度也非常快。<br>
同时，为了和强化学习打配合，Cursor把自己在产品上的优势发挥到了极致。<br>
和其他机器学习方法不同，强化学习几乎无法从完整系统里抽象出太多内容。所以我们让Composer和Cursor一同设计，确保它能在真实规模下顺畅运行。<br>
强化学习最大的特点是：它得在真实环境里「干活」，才能学到真本事。<br>
如果Composer只在虚拟数据集里改改代码，它根本不知道这些代码有没有bug、测试能不能过。<br>
所以，Cursor干脆让模型直接进「上战场」。在完整的 Cursor 环境 中运行、调用工具、执行命令，通过一次次真实交互，拿到最有效的反馈信号。<br>
具体来说，Composer的训练不是喂静态数据集，而是基于真实的软件工程任务完成的。<br>
训练时，模型直接在完整代码库里动手，用上整套生产级工具：文件编辑、语义搜索、终端命令……<br>
面对复杂工程问题，它必须自己写、自己测、自己修。<br>
每一轮训练都对应一个具体任务，比如写一段改动、拟一份方案，或者解释某个代码逻辑。<br>
事实证明，强化学习确实让Composer的表现上了一个台阶。<br>
它学会了如何聪明地选工具、灵活地做并行处理，不再会一拍脑袋给用户抽张废卡。<br>
随着训练深入，模型甚至出现了涌现行为——能自动运行单元测试、修复代码格式错误，甚至可以自主完成多步代码搜索与调试流程。<br>
而Cursor 2.0这次为多Agent协作提供的基础架构，正式建立在Composer这些底层能力的基础之上。<br>
值得注意的是，这次Cursor带来的不只是一个更快的模型，而是一个真正面向实战的AI系统。<br>
相比一味去和那些头部基座模型硬刚，Cursor这次更聪明地发挥了自己在应用端的产品优势——<br>
让Composer直接在与用户相同的环境中运行，真正做到贴合开发者的日常工作流程。<br>
Cursor，你真的是自研吗？<br>
话说回来，Composer的效果确实很惊艳，但Cursor似乎在故意回避一个问题——<br>
强化学习没问题，但模型底子你倒是说清楚啊。<br>
Composer的透明度缺失简直离谱。他们提到用了强化学习，但没交代模型的其他训练过程——<br>
到底是自己预训练的，还是拿现成模型改的？<br>
在他们公开更多细节、或有人能独立复现结果之前，我对这些说法都持保留态度。<br>
Cursor研究员Sasha Rush这些天也一直在 Hacker News 上亲自答疑，但对于「基础模型来源」这个问题，她始终没正面回应。<br>
当被直接问到 「Composer是不是微调自某个开源模型？」 时，Rush的回答是：<br>
我们的主要关注点在于强化学习的后训练阶段，我们认为这是使模型成为强大的交互式智能体的最佳途径。<br>
不过可以确定的是，Cursor过去确实有自己的内部模型。<br>
据悉，Cheetah是Composer的早期原型，团队曾用它来测试生成速度与系统集成效果。<br>
不过嘛，正式版Composer到底是基于Cheetah，还是从开源模型的骨架上改的……<br>
还需要让子弹再飞一会儿～<br>
参考链接：<br>
[1]https://news.ycombinator.com/item?id=45748725<br>
[2]https://simonwillison.net/2025/Oct/29/cursor-composer/<br>
[3]https://venturebeat.com/ai/vibe-coding-platform-cursor-releases-first-in-house-llm-composer-promising<br>
[4]https://cursor.com/cn/blog/2-0<br>
[5]https://x.com/srush_nlp/status/1983572683355725869<br>
[6]https://x.com/cursor_ai/status/1983567619946147967