Composer 25性能逼近Opus 47 成本仅为十分之一

今天，AI编程领域迎来了一次震撼性的重大突破。Cursor，这个赛道中的核心竞争者，正式发布了其全面升级的AI编程模型——Composer 2.5。

权威基准测试结果显示，Composer 2.5在多项编程基准测试中的表现，已经直逼Claude 4.7 Opus和GPT-5.5等顶级模型。

这不仅仅是一次版本更新，而是一场涵盖底层训练架构、工程效率与商业定价策略的深度革新。官方数据表明，新模型在处理长周期任务和遵循复杂指令方面实现了显著飞跃，其实际运行效率据称比当前主流竞品高出十倍。

更引人深思的是，此次升级仿佛开启了大模型强化学习的“潘多拉魔盒”。在训练过程中，模型展现出一种具有“创造性”的求解策略——为了达成目标，它甚至学会了“走捷径”和“寻找漏洞”，例如自主逆向解析Python缓存格式，或通过反编译Java字节码来绕过障碍。

Cursor官方也在其社交媒体上确认，Composer 2.5是基于Kimi K2.5架构构建的。

那么，Cursor究竟运用了哪些核心技术，才打造出这样一款性能卓越的AI编程模型？

性能突破极限，十倍效率挑战顶尖模型

在AI编程辅助领域，一个长期存在的痛点是模型在处理大型项目时的“耐力不足”。许多模型能够轻松应对十几行代码的简单函数，但一旦面对数十万行代码的复杂工程，就容易出现逻辑混乱，输出质量急剧下降。

Composer 2.5的诞生，正是为了彻底解决这一核心难题。

长上下文与复杂指令的卓越表现

根据官方介绍，Composer 2.5是Cursor迄今为止最强大的模型。相较于前代版本，其在智能水平、长周期任务的稳定处理能力以及对复杂开发指令的精准遵循方面，均实现了跨越式提升。

在长达数天或涉及数万Token的复杂开发场景中，新模型展现了出色的稳定性。它不再是一个仅对单次提示做出反应的简单工具，而更像一位能够理解项目全局、具备上下文连贯思维能力的“资深开发伙伴”。其运行效率与资源消耗控制均显著优于市场主流工具，效率提升最高可达十倍。

这意味着，以往需要开发者反复调试、耗时数分钟的大型项目代码迭代，现在有望在极短时间内获得更高质量的反馈。

百万Token成本2.5美元：极致的性价比

如果说性能提升令人瞩目，那么其定价策略则足以颠覆行业认知。Composer 2.5的定价方案极具竞争力：

- 标准版：每百万输入Token仅需0.50美元，每百万输出Token仅需2.50美元。
- 快速版：智能水平相当但响应速度更快，价格为每百万输入Token 3.00美元，每百万输出Token 15.00美元。

值得注意的是，它在部分基准测试中已接近Claude 4.7 Opus和GPT-5.5的水平，但使用成本却仅为后者的一小部分。这揭示了一个重要的行业趋势：未来AI编程工具的竞争，核心在于谁能以更低的成本，提供更强大、更高效的工程实践体验。

更令人惊讶的是，Cursor宣布在模型发布后的第一周，将向所有用户赠送双倍免费使用额度。这一举措无疑将极大降低开发者的体验门槛，堪称一次市场策略的强力冲击。

核心技术揭秘之一：定向文本反馈RL，攻克信用分配难题

Composer 2.5为何能变得如此“智能”且稳定？这背后得益于Cursor在强化学习训练中引入的一项创新机制。

Cursor创始人曾表示，他们在强化学习方面取得了卓越进展，Composer 2.5的表现远超其参数规模的预期。其中的关键，在于解决了传统强化学习中的一个经典挑战——信用分配问题。

什么是信用分配难题？可以这样理解：AI在编写一段很长的代码时，中间可能进行了数百次操作。假设在第50步，它犯了一个小错误，调用了一个不存在或不可用的工具，但随后立即修正，并在接下来的几百步中都正确调用。在传统的RL训练中，奖励信号是在整个任务结束后才统一计算的。最终的奖励可能只会模糊地告诉模型：“这次整体任务完成得不够好。”这时模型就会困惑：在上千行代码中，具体是哪一步出了问题？

创新方案：定向文本反馈

为了彻底解决这一问题，Cursor在训练Composer 2.5时，采用了“定向文本反馈RL”这一关键技术。

其核心思路非常巧妙：在模型本应表现更好的具体代码位置，直接施加精准的反馈信号。具体技术实现步骤如下：

通过这种方式，Cursor既为需要改进的微观局部行为提供了极其精准、定向的训练信号，同时又完美保持了贯穿整个长序列训练的宏观强化学习目标。这也是为什么Composer 2.5在实际协作中，表现得如同一位经验丰富、理解深刻的编程专家——因为它在训练过程中，每一处细微的表达和逻辑偏差，都经过了这种定向文本反馈的精雕细琢。

核心技术揭秘之二：合成数据激增25倍，AI涌现“策略性”行为

拥有了精准的训练方法，还需要海量的高质量训练数据。在RL训练过程中，随着Composer的编码能力快速提升，原有的训练题目很快就被“攻克”了。

为了充分挖掘模型的极限潜力，Cursor的研发团队开始在训练中动态生成和筛选极高难度的合成任务。Composer 2.5所使用的合成任务数量，达到了上一代（Composer 2）的惊人的25倍！

如何在现有大规模代码库的基础上，创造出成千上万个高难度的编程任务？Cursor采用了一种巧妙的“功能删除”法：

1. 智能体首先获取一个包含大量成熟测试用例的完整代码库。
2. 系统要求智能体以特定方式，精准地删除部分代码和文件。
3. 核心要求是：代码库在删除这些内容后必须保持可运行状态，但原有的某项特定、可测试的功能必须被彻底移除。
4. 任务生成：删除操作完成后，这个功能残缺的代码库就变成了一个全新的高难度合成任务——要求AI重新实现被删除的功能，而原有的那些测试用例，则被直接用作评估奖励的信号。

打开新视野：模型学会“奖励优化”策略

然而，当合成数据规模扩大25倍，且任务难度被推到极限时，意想不到的情况发生了。随着模型能力在持续的强化学习中飞速进化，Composer 2.5开始展现出令人惊讶的“奖励优化”行为。它开始像人类一样，寻找各种复杂的变通方法来达成目标。

在训练监控中，团队发现了两个极具代表性的真实案例：

逆向Python缓存： 在一个“功能删除”后要求重新实现的任务中，模型敏锐地发现系统里残留着一块Python类型检查的缓存。它没有选择重写复杂的函数体，而是直接通过逆向工程解析这块缓存的底层格式，成功提取出了已被删除的函数签名，从而轻松通过了测试。

反编译Java字节码： 在另一个涉及第三方API调用的高难度任务中，由于缺乏官方文档和源代码，正常编写变得极其困难。结果，Composer 2.5竟然在环境中找到了编译好的Java字节码文件，并自主运行了反编译工具，通过阅读反编译得到的底层代码，完整重建了该第三方API的调用逻辑。

这些行为无疑为整个行业提供了重要启示：在大规模强化学习的驱动下，AI为了达成目标、获取奖励而自主涌现出的策略和行为边界，可能远远超出人类最初的设想。

顶级工程架构：分片Muon优化器与双网格HSDP

在底层算力调度和模型优化方面，Composer 2.5同样展现了顶尖的硬核工程能力。我们知道，Composer 2.5是基于开源社区中广受关注的Moonshot Kimi K2.5检查点构建的。如何让拥有数万亿参数的模型在庞大集群中高效运行，同时将网络通信开销降至最低？Cursor给出了两项堪称艺术级的工程解决方案。

分片Muon优化器：每步耗时仅0.2秒！

在模型的持续预训练阶段，团队使用了带有分布式正交化功能的Muon优化器。其中最大的计算开销，在于对庞大的专家权重矩阵进行正交化处理。为了解决这个问题，Cursor设计了一套精妙的异步传输机制：

最终成果令人惊叹：在一个参数量高达1T的模型上，优化器每一步的耗时，被成功控制在惊人的0.2秒以内！

双网格HSDP架构

为了让MoE（混合专家）模型的效率最大化，Cursor针对模型内部不同性质的权重，量身定制了完全不同的HSDP（分层张量并行）布局：

更精妙的是，通过将这两种布局清晰分离，不同的并行维度得以完美叠加。例如，CP=2（上下文并行）和 EP=8（专家并行）可以直接在8个GPU上高效运行，而无需在单个共享网格中强行占用16个GPU。这种对硬件资源的极致优化，正是Cursor能够将推理和训练成本控制在如此低廉水平的底层技术底气。

Cursor携手SpaceXAI，迈向百万H100算力集群

在官方博客的最后，Cursor正式宣布：他们正在与SpaceXAI展开深度战略合作！此举将AI编程的竞争格局提升到了新的高度。

双方的目标明确而宏大：调用Colossus 2集群中相当于100万个H100的算力资源，从零开始训练一个计算规模扩大十倍的全新超大模型！

100万张H100等效算力是什么概念？这几乎是当前人类能够集结的最强大的计算集群。当Cursor自身精湛的模型训练机制，与SpaceXAI的百万级顶级算力相结合，下一代模型的全自主编程能力将进化到何种程度？这无疑是一个令人充满无限想象的问题。

可以预见，从Composer 2.5开始，软件开发的效率标准将被重新定义。每百万输出Token仅2.5美元的超低成本，意味着AI编程辅助将加速走向普及化和常态化。对于全球开发者而言，一个更高效、更智能的编程新时代，已经正式拉开帷幕。