Cursor的首個編碼模型，剛剛發布了！

最新進展，Cursor 2.0正式發布，并且首次搭載了「內部」大模型。

沒錯，不是GPT、不是Claude，如今模型欄多了個新名字——Composer

實力相當炸裂：

據官方說法，Composer僅需30秒就能完成復雜任務，比同行快400%

基于模型升級，Cursor 2.0帶來了不少新玩意兒——

原生瀏覽器工具：模型可以自己動手測試代碼、調錯、迭代，直到結果完全正確。

語音生成代碼：不用敲鍵盤，張嘴就行，直接把思路變成代碼。

全新界面邏輯：從「以文件為中心」切換為「以Agent為中心」，多個Agent可以同時運行、互不干擾。

讓多個Agent同時嘗試同一問題并擇優采用，能顯著提升最終結果。

太多了太多了，根本看不完。

400%效率飛躍

當然，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

要知道，以前的Cursor雖然火，但本質上還只是套殼GPT或Claude，再厲害也不是Cursor的功勞。

而這次不一樣，Composer正式登場，Cursor終于能挺直腰板了。

難怪這回官網介紹語氣都硬氣了不少。（doge）

Cursor表示，這款模型是專為低延遲編碼打造的，可以在 30秒內完成大多數交互任務。

即便面對體量龐大、結構復雜的代碼庫，也能保持高水準的推理與理解能力。

除了酷炫的Demo，當然還要用Benchmark秀秀肌肉。

Composer的性能全部通過內部測試套件 「Cursor Bench」 測得——這是一個根據真實開發者使用場景打造的評估系統。

該Benchmark不僅看代碼是否正確，還評估模型是否能遵守抽象層次、風格規范和工程實踐。

結果顯示：Composer能以每秒250個tokens的速度生成代碼。

這速度比當前最快的推理模型（GPT-5、Claude Sonnet 4.5）快約兩倍，比其其他模型更是快四倍。

速度快了，但腦子依然靈活，Composer顯著提高了推理能力和任務泛化能力，水準可媲美中等前沿模型，

基于強化學習的MoE自研模型

這么驚艷的表現，究竟是怎么煉成的？

Cursor研究科學家Sasha Rush透露了答案——關鍵在于強化學習。

• 我們用強化學習訓練了一個大型MoE模型，讓它更貼近真實的編程任務，而且速度也非常快。

同時，為了和強化學習打配合，Cursor把自己在產品上的優勢發揮到了極致。

• 和其他機器學習方法不同，強化學習幾乎無法從完整系統里抽象出太多內容。所以我們讓Composer和Cursor一同設計，確保它能在真實規模下順暢運行。

強化學習最大的特點是：它得在真實環境里「干活」，才能學到真本事。

如果Composer只在虛擬數據集里改改代碼，它根本不知道這些代碼有沒有bug、測試能不能過。

所以，Cursor干脆讓模型直接進「上戰場」。在完整的 Cursor 環境 中運行、調用工具、執行命令，通過一次次真實交互，拿到最有效的反饋信號。

具體來說，Composer的訓練不是喂靜態數據集，而是基于真實的軟件工程任務完成的。

訓練時，模型直接在完整代碼庫里動手，用上整套生產級工具：文件編輯、語義搜索、終端命令……

面對復雜工程問題，它必須自己寫、自己測、自己修。

每一輪訓練都對應一個具體任務，比如寫一段改動、擬一份方案，或者解釋某個代碼邏輯。

事實證明，強化學習確實讓Composer的表現上了一個臺階。

它學會了如何聰明地選工具、靈活地做并行處理，不再會一拍腦袋給用戶抽張廢卡。

隨著訓練深入，模型甚至出現了涌現行為——能自動運行單元測試、修復代碼格式錯誤，甚至可以自主完成多步代碼搜索與調試流程。

而Cursor 2.0這次為多Agent協作提供的基礎架構，正式建立在Composer這些底層能力的基礎之上。