告別GPT！最強AI編程神器Cursor自研核心模型，速度快4倍，AI創(chuàng)業(yè)公司大佬：這是我用過最瘋狂的模型之一！ 原創(chuàng)
編輯 | 聽雨
這兩天真是大事不斷。
AI 編程工具 Cursor 背后的初創(chuàng)公司 Anysphere，在最新的 Cursor 2.0 更新中正式推出了首個自研大型語言模型 —— Composer。
Composer 是一款專為生產級環(huán)境設計的高性能編程模型，旨在讓 AI 能更快、更精準地執(zhí)行真實軟件開發(fā)任務。這意味著 Cursor 不再只是調用第三方模型（如 GPT 或Claude），而是進入了自主構建核心模型的新階段。
值得注意的是，Composer 已在 Cursor 自家工程團隊的日常開發(fā)中投入使用，這表明它的穩(wěn)定性與成熟度已經達到了可生產的水準。
極速模型：30秒內完成大多數(shù)交互
Cursor 表示，Composer 在大多數(shù)任務中可在 30 秒內完成響應，同時在復雜代碼庫中仍保持高水平的邏輯推理與理解能力。
知名開發(fā)者、t3.gg的創(chuàng)始人兼CEO Theo在 X 上表示：Composer是我用過最瘋狂的模型之一！又快又聰明。
圖片
官方介紹Composer“比同類智能模型快 4 倍”，并專為 Agentic 工作流 而設計——也就是多個自主代理可協(xié)作完成編碼、規(guī)劃、測試與審查等任務。
Cursor 研究員 Sasha Rush 在 X上分享了 Composer 的基準性能圖表，展示了其在多個模型類別中的領先表現(xiàn)。
圖片
Cursor 為 Composer 構建了名為 Cursor Bench 的內部基準體系，數(shù)據(jù)來自真實開發(fā)者在平臺上的代理請求。
該測試不僅評估代碼正確性，還考察模型是否遵循項目的既有抽象層次、代碼風格與工程實踐。
結果顯示，Composer 達到了前沿級（frontier-level）編程智能，生成速度高達每秒 250 個 token ——這約是現(xiàn)有“快速推理模型”的兩倍，且比同類頂級模型快四倍。
官方將測試模型劃分為以下幾類：
- Best Open（如 Qwen Coder、GLM 4.6）
- Fast Frontier（如 Haiku 4.5、Gemini Flash 2.5）
- Frontier 7/2025（年中最佳模型）
- Best Frontier（GPT-5、Claude Sonnet 4.5）
Composer 在智能水平上接近中端 Frontier 模型，但在生成速度上居所有模型之首。
在此之前，Cursor 以其獨特的 “vibe coding” 模式受到歡迎 —— 用戶只需用自然語言描述功能，即便不是開發(fā)者，也能讓 AI 自動生成代碼。
舊版 Cursor 主要基于第三方模型，如 OpenAI、Anthropic、Google 和 xAI 等。而 Composer 的出現(xiàn)，標志著 Cursor 擁有了自有核心智能模型，但用戶仍可選擇這些外部模型進行對比使用。
模型架構：強化學習 + Mixture-of-Experts
Cursor 研究員 Sasha Rush 在 X 上透露，Composer 是一個基于強化學習（RL） 訓練的專家混合模型（MoE）：
“我們使用強化學習訓練了一個大型 MoE 模型，使它能在真實編程任務中表現(xiàn)出色，同時保持極高速度。”
圖片
Image
Rush 進一步解釋說，Cursor 團隊在設計 Composer 時，與 Cursor 的開發(fā)環(huán)境同步共建，以確保模型能在生產級規(guī)模下高效運行：
“與其他機器學習系統(tǒng)不同，編程智能體幾乎不能抽象出實驗環(huán)境。我們讓模型與產品共同設計，使其能在必要規(guī)模下運行。”
Allen Institute for AI的機器學習研究員Nathan Lambert也對 Composer 模型強化學習（RL）訓練成果大加贊賞：
“我特別喜歡這種漂亮的強化學習訓練縮放曲線圖。相比推理階段的縮放曲線（inference-time scaling plots），這種圖往往被忽視了。”
圖片
真實任務驅動的訓練方式
Composer 并非在靜態(tài)數(shù)據(jù)集上訓練，而是在真實的工程場景中學習。訓練期間，模型運行在完整的代碼庫中，能使用一整套生產工具，包括：
- 文件編輯
- 語義搜索
- 終端命令
每次訓練迭代，模型都會解決一個具體任務 —— 可能是生成代碼修改、編寫方案、或給出精準解釋。
強化學習環(huán)節(jié)同時優(yōu)化正確性與效率：Composer 學會了如何合理使用工具、并行處理任務、減少冗余輸出。在訓練后期，模型甚至出現(xiàn)了“自發(fā)行為”，例如：
- 自動運行單元測試
- 修復語法/規(guī)范錯誤
- 進行多步代碼搜索
這種設計讓 Composer 能在與用戶相同的開發(fā)環(huán)境中運作，完全貼合真實編程場景，支持版本控制、依賴管理與迭代測試。
從原型 “Cheetah” 到正式版 Composer
Composer 的誕生基于早期內部原型 Cheetah，Cheetah 主要用于驗證低延遲推理的可行性。
Rush 在 X 上寫道：
“Cheetah 是該模型的 v0 版本，主要測試速度。Composer 的速度與之相同，但智能程度高出許多。”
圖片
Cursor（Anysphere） 的聯(lián)合創(chuàng)始人兼 CEO Aman Sanger也表示：Cheetah 是 Composer-1 的早期原型。
圖片
Cheetah 的成功讓 Cursor 意識到：“響應速度是開發(fā)者信任與使用體驗的關鍵。”
Composer 在保持速度的同時，顯著提升了推理能力與任務泛化水平。
一位早期測試者表示：
“它快到讓我可以一直保持在思考循環(huán)中工作。”
Composer 延續(xù)了這種實時交互的體驗，并拓展到多步驟編碼、重構與測試任務。
Cursor 2.0 集成：多代理協(xié)作與安全執(zhí)行
Composer 深度集成于 Cursor 2.0 的全新多智能體平臺中。用戶可最多同時運行 8 個代理，每個代理在獨立的工作區(qū)（通過 git worktree 或遠程機器）中執(zhí)行任務。開發(fā)者可以讓多個代理并行嘗試同一任務，并對比結果后擇優(yōu)采用。
圖片
Cursor內部開發(fā)者 Jason Ginsberg 在X上評價：在 Cursor 里運行一個網(wǎng)頁 Agent 的感覺，更像是在作畫而不是寫代碼。
圖片
此外，Cursor 2.0 還帶來了多項配套升級：
- 內嵌瀏覽器（正式版）：代理可在 IDE 內直接運行與測試代碼，并將 DOM 信息傳遞給模型。
- 改進的代碼審查界面：可跨多文件查看模型修改，提升審閱效率。
- 安全沙盒終端（正式版）：代理運行的 shell 命令在沙盒中隔離執(zhí)行，確保本地安全。
- 語音模式（Voice Mode）：支持語音指令觸發(fā)與管理智能體。
訓練基礎設施：為強化學習而重構
為支持大規(guī)模 RL 訓練，Cursor 自研了強化學習訓練架構：
- 基于 PyTorch + Ray 的異步分布式系統(tǒng)；
- 開發(fā)了專用 MXFP8 MoE 內核，結合專家并行與混合分片數(shù)據(jù)并行；
- 可在上千張 NVIDIA GPU 上低精度原生訓練；
- 避免了訓練后量化的復雜性，顯著提高推理效率。
訓練過程中，Composer 在云端運行 數(shù)十萬并行沙盒環(huán)境，每個都是獨立的開發(fā)工作區(qū)。為承載這些動態(tài)工作負載，Cursor 重寫了虛擬機調度器，使訓練環(huán)境與生產環(huán)境完全打通。
企業(yè)功能與訂閱體系
Cursor 針對企業(yè)用戶也提供了 Composer 的管理與安全功能：
- 管理員可集中控制終端沙盒策略、Git 訪問與網(wǎng)絡權限；
- 支持 Hooks 分發(fā)、團隊規(guī)則管理與操作審計日志；
- 提供團隊層級的使用監(jiān)控與性能分析。
價格層級：
- 個人用戶：從 免費版（Hobby） 到 Ultra（$200/月）；
- 團隊版起價 $40/人/月，企業(yè)用戶可定制合規(guī)與訪問方案。
模型來源的疑問
不過，開源工具Datasette的創(chuàng)建者、Django 框架聯(lián)合創(chuàng)始人Simon Willson 以及一些網(wǎng)友都注意到了一個細節(jié)，那就是官方說明中并沒有解釋模型的來源：
他們是否從零開始訓練模型？還是基于某個現(xiàn)有的開源模型（例如 Qwen 或 GLM 系列）進行微調？
Sasha Rush 最近在 Hacker News 上回答了一些相關問題，但在談到模型基礎時態(tài)度仍然相當含糊。
當有人直接提問：“Composer 是否是在某個開源基礎模型上微調得到的？”Sasha 的回答是：
“我們的主要關注點在于 強化學習后的訓練（RL post-training）。我們認為這才是讓模型成為強大交互式代理的最佳途徑。”
另外，Sasha 還否認了一個流傳已久的傳聞：有用戶猜測早期的 Cursor 預覽模型 Cheetah 是基于 xAI 的 Grok 構建的。對此 Sasha 回應：
“那完全是假的（Straight up untrue）。”
Composer 在 AI 編程中的意義
與 GitHub Copilot 或 Replit Agent 不同，Composer 的核心創(chuàng)新在于：它并非一個“被動補全引擎”，而是一個能主動規(guī)劃、執(zhí)行與驗證代碼的高交互智能體。
這種讓模型在真實開發(fā)環(huán)境中訓練、運行、驗證的思路，是邁向自主軟件開發(fā)的關鍵一步。
Rush 總結道：
“要讓模型在現(xiàn)實中可靠運行，就必須讓它在真實環(huán)境中學習。它不僅要會寫代碼，更要學會在上下文中測試與改進。”
網(wǎng)友評價：響應速度快，性價比不俗
Composer-1 發(fā)布后，Reddit社區(qū)反響也是相當熱烈。很多網(wǎng)友一致認為它“速度極快、交互順滑”，并且在解決特定編程任務時非常智能。
圖片
有網(wǎng)友表示，自己卡了一周的問題，Composer幾分鐘內就解決了。
圖片
還有網(wǎng)友對比測試了對比測試了 Claude 4.5 Sonnet 和 Composer-1，結論是：
- Composer 比 Sonnet快了3分鐘完成任務
- 雖然 token 用量多了 20%，但價格便宜 73%
- 每 1K token 成本便宜約 4.5 倍
圖片
另外，已經有手快的網(wǎng)友整理了不同模型的API定價表，可以看出Composer的性價比還是很高的。
圖片
此外，也有一些開發(fā)者質疑多 Agent 并行開發(fā)的模式，認為實用性有限，容易浪費 Token等等。
圖片
Cursor 2.0 現(xiàn)已開放下載，你可以訪問 cursor.com 獲取最新版本。大家都快去體驗起來！
那么評論區(qū)的各位大佬：
你覺得Composer的表現(xiàn)如何呢？
有哪些你覺得好用的功能或設計？
參考鏈接：
??https://cursor.com/cn/blog/2-0??
??https://cursor.com/cn/blog/composer??
??https://simonwillison.net/2025/Oct/29/cursor-composer/??
本文轉載自??51CTO技術棧??，作者：聽雨
