Cursor首个大模型发布：代码生成速度达每秒250token，MoE架构助力强化学习

最新消息！Cursor 2.0正式发布，并首次搭载了自主研发的大语言模型。你没有看错，这次既不是GPT也不是Claude，模型大家族里又多了一个新成员——Composer。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

作为Cursor的首个自研编码模型，它刚刚惊艳亮相！

最新进展显示，Cursor 2.0不仅正式登场，还率先集成了内部研发的核心模型。

是的，不是GPT也不是Claude，如今的模型列表上又增添了一个响亮的名称——Composer。

性能表现堪称炸裂：

据实测数据显示，Composer仅需30秒便能完成复杂编程任务，速度比同类产品快400%。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

+++++++++

基于模型架构的全面升级，Cursor 2.0带来了诸多令人眼前一亮的新功能——

原生浏览器工具：模型能够自主进行代码测试、调试与迭代，直到最终结果完全正确。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

+++++++++

语音生成代码：无需敲击键盘，动动嘴就能将想法转化为可执行代码。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

+++++++++

全新界面逻辑：从“以文件为中心”转变为“以智能体为核心”，多个智能体可以并行运作且互不干扰。

通过让多个智能体同时尝试解决同一问题并择优采纳，能够显著提升最终代码质量。

图片

功能亮点实在太多，根本看不完。

效率飙升400%的奥秘

当然，这些功能都只是开胃菜，最核心的突破在于——Cursor终于拥有了自主研发的基座模型。

要知道，以往的Cursor虽然备受追捧，但本质上仍是基于GPT或Claude的封装，再强大也不是Cursor真正的实力。

而这次完全不同，随着Composer正式登场，Cursor终于能够挺直腰板了。

难怪这次官方介绍的口气都硬气了不少。（doge）

Cursor团队表示，这款模型是专门为低延迟编码场景打造的，能够在30秒内完成大多数交互任务。

即便是面对体量庞大、结构复杂的代码库，也能保持高水平的推理与理解能力。

除了酷炫的演示效果，自然少不了用专业基准测试来验证实力。

图片

Composer的各项性能全部通过内部测试套件“Cursor Bench”测得——这是一个基于真实开发者使用场景打造的评估体系。

该基准测试不仅关注代码正确性，还评估模型是否能遵循抽象层次、风格规范和工程实践。

结果显示：Composer能够以每秒250个tokens的速度生成代码。

这个速度比当前最快的推理模型（GPT-5、Claude Sonnet 4.5）快约两倍，相比其他模型更是快了四倍有余。

速度提升的同时，模型的智能水平同样出色。Composer显著提升了推理能力和任务泛化能力，其表现足以媲美中等规模的前沿模型。

基于强化学习的MoE自研模型

如此惊艳的表现，究竟是如何炼成的？

Cursor研究科学家Sasha Rush透露了关键所在——核心在于强化学习技术的应用。

我们采用强化学习训练了一个大型MoE模型，使其更贴近真实的编程场景，同时保持了极快的响应速度。

图片

同时，为了与强化学习形成完美配合，Cursor将自身在产品端的优势发挥到了极致。

与其他机器学习方法不同，强化学习很难从完整系统里抽象出太多内容。因此我们让Composer与Cursor协同设计，确保它能在真实规模下顺畅运行。

图片

强化学习最大的特点是：模型必须在真实环境里“动手实践”，才能真正掌握核心技能。

如果Composer只在虚拟数据集里修改代码，它根本不知道这些代码是否存在错误、测试能否通过。

所以，Cursor干脆让模型直接进入“实战状态”。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，获取最有效的反馈信号。

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开发任务完成的。

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……

面对复杂的工程问题，它必须自己编写、自己测试、自己修复。

每一轮训练都对应一个具体任务，比如写一段功能改动、拟一份解决方案，或者解释某个代码逻辑。

事实证明，强化学习确实让Composer的表现上了一个台阶。

它不仅学会了如何灵活选择工具，还能进行并行处理，不再像过去那样手忙脚乱。

随着训练深入，模型甚至出现了涌现行为——能够自动运行单元测试、修复代码格式错误，甚至自主完成多步代码搜索与调试流程。

而Cursor 2.0这次为多智能体协作提供的底层架构，正是建立在Composer这些核心能力的基础之上。

图片

值得关注的是，这次Cursor带来的不仅是一个更快的模型，而是一个真正面向实战的AI系统。

相比那些头部基座模型的硬碰硬，Cursor这次更聪明地发挥了自身在应用端的产品优势——

让Composer直接在与用户相同的环境中运行，真正贴合开发者的日常工作流程。

Cursor，你真的是自研吗？

话说回来，Composer的效果确实惊艳，但Cursor似乎在刻意回避一个问题——

强化学习没问题，但模型底子你倒是说清楚啊。

Composer的技术细节透明度确实不足。他们提到使用了强化学习，但没有说明模型的其他训练过程——究竟是自主研发的预训练模型，还是基于现有成熟模型的改进？在公开更多细节、或有人能独立复现结果之前，我对这些说法都持保留态度。

图片

Cursor研究员Sasha Rush这些天一直在Hacker News上亲自答疑，但对于“基础模型来源”这个问题，她始终没有正面回应。

当被直接问到“Composer是不是基于某个开源模型开发的？”时，Rush的回答是：

我们的主要关注点在于强化学习的后训练阶段，我们认为这是让模型成为强大交互式智能体的最佳途径。

不过可以确定的是，Cursor过去确实有自己的内部模型。

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。

不过嘛，正式版Composer到底是基于Cheetah，还是在开源模型的骨架上改的……

还需要让子弹再飞一会儿～

参考链接：
[1]https://news.ycombinator.com/item?id=45748725
[2]https://simonwillison.net/2025/Oct/29/cursor-composer/
[3]https://venturebeat.com/ai/vibe-coding-platform-cursor-releases-first-in-house-llm-composer-promising
[4]https://cursor.com/cn/blog/2-0
[5]https://x.com/srush_nlp/status/1983572683355725869
[6]https://x.com/cursor_ai/status/1983567619946147967