< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-05-19 14:07:48 来源：量子位
1/10成本、Opus 4.7级表现
Cursor模型更新，最新版本已来到Composer 2.5。
稍微一翻Cursor公告，两件事挺有意思：
一是Cursor这回学老实了，新模型“套”了Kimi不再藏着掖着，连具体用了多少都标的清清楚楚。
（Cursor：Kimi打底，自家额外训练+RL占了85%的总算力）
二是马斯克原地上演变脸，之前Cursor陷入“套壳风波”时他在旁边煽风点火，现在却十分卖力地帮忙站台：
都给我去用Cursor新模型。
网友：老马你让我感到陌生(doge）。
别想多了，其实这是因为Cursor和马斯克达成了算力合作——
Composer 2.5部分训练是在Colossus 2上完成的，以及Cursor正在和SpaceXAI合作，从零开始训练一个规模明显更大的模型。
好好好，新模型刚来，下一代模型的“饼”又吃上了，看来Cursor真是铆足了劲想搞自研（具体原因下文详聊）。
不过远的咱是够不着了，先看眼前这个实在的——Composer 2.5本身亮点也很足。
1/10成本、Opus 4.7级表现，而且发布后首周还给你双倍用量。
好家伙，这几个词一甩出来，经常用模型的朋友谁不沸腾了。
但问题是，Cursor新模型真有这么顶吗？？
顶不顶目前咱不好说，反正测评成绩挺亮眼。
据Cursor介绍，“它更擅长在长时间运行的任务中持续工作，更可靠地遵循复杂指令，协作体验也更加顺畅”。
这些表现反映到具体数字上就是，其性能水平整体接近Claude Opus 4.7。
能和Opus 4.7相提并论，常用模型的人都知道这里头的含金量了。
而且除了在更高难度的任务上训练之外，他们还改进了模型在沟通风格和投入级别校准（什么时候该出多大力）等行为层面的表现。
听起来有点抽象，但Cursor表示：
这些维度很难通过现有基准充分反映，但我们发现，它们对实际使用效果非常重要。
那么，Composer 2.5真实能力如何呢？
鉴于目前Cursor免费用户只能体验Auto模式（虽然上架了但是选不了），所以咱先看一波网友的反馈。
先插一嘴，Composer模型速度是真快啊，甭管是哪一个版本，用起来歘歘歘的。
OK，回归正题。
目前一圈扒下来，感觉Composer 2.5反馈还不错？？
Snapchat前机器学习工程师激情发帖称，自从Composer 2发布后，她就把绝大多数开发工作搬到了Cursor上面。
而且还甩出了一句颇有暴论味道的话：
如果你在使用AI进行开发，却仍然默认使用成本最高的模型来完成每一项任务，那么你80%的工作都是在浪费钱。
图像生成初创公司LetzAI的CEO也有类似感受，他在体验新模型几小时后表示：
以前可能会对AI的方案挑三拣四、反复修改，但这次因为Composer 2.5做得太好太快，自己直接“躺平认了”。
没什么可挑剔的，就这么办吧。
想必你也发现了，除了模型能力之外，他们提到了另一个重要关键词：价格。
Composer 2.5的价格为每百万输入token 0.50美元、每百万输出token 2.50美元。
此外，还有一个智能水平相同但速度更快的变体，价格为每百万输入token 3.00美元、每百万输出token 15.00美元。
p.s. 与Composer 2一样，fast是默认选项。
这个价格怎么说呢？也就是Opus 4.7的1/10吧。
1/10成本、Opus 4.7级表现，如果效果真如测评和网友所言，那绝对是真香了。
那么Composer 2.5这次是如何实现性能“飞跃”（至少是表面上）的呢？
虽说是有Kimi打底，但好歹贴的是“Cursor自研模型”的标签，这背后多多少少总得有自研吧。
Cursor：别说我还真有。
回到模型本身，Cursor这回在训练栈上做了不少改进，主要围绕两个方向：
模型智能和易用性。
具体则有三点：
以前RL奖励是基于整条轨迹算的，rollout动辄几十万token，模型很难知道自己究竟是哪一步搞砸了——最终奖励只能告诉你“出问题了”，但具体错哪儿，信号噪声特别大。
Cursor的解法是：哪里不对就在哪里直接喂反馈。
举个例子，模型在某一轮调用了一个不存在的工具，收到报错后继续干别的。几百次调用里就这一次错，对最终奖励基本没影响。
但Cursor会在出错那一轮的上下文里插一句“Reminder: Available tools…”并附上可用工具列表，由此得到一个新的“教师”概率分布。
如此一来，错误工具的概率被压下去，有效替代项的概率被抬上来，然后让学生模型向这个分布靠拢就行。
这套方法在Composer 2.5里被用在了多种行为上，从编码风格到沟通方式都有。
RL训练几轮下来，Composer已经能解决大部分训练题了，怎么继续提升？
答案是动态生成更难的任务。
其中一个玩法叫“功能删除”——给智能体一个带测试的代码库，让它删掉某个特定功能但保证代码库还能跑，然后任务就是把这个功能重新实现出来，测试就是奖励信号。
不过任务一多，奖励作弊也跟着来了。
Cursor发现Composer 2.5会整一些离谱操作，比如逆向Python类型检查缓存找出被删的函数签名，甚至反编译Java字节码重建第三方API。
好在都被监控工具抓到了，但也算提了个醒——大规模RL得更小心。
Cursor用的是带分布式正交化的Muon，并把通信做成异步——一个任务等通信时，优化器接着推进其他任务，让网络和计算重叠起来。
最终在1T模型上，优化器每步只要0.2秒。
另外针对MoE模型，他们把非专家权重和专家权重的HSDP布局拆开了：非专家权重小，FSDP组就窄一点，单节点内搞定；专家权重大，就用更宽的分片网格。
这样彼此独立的并行维度也能重叠，比如CP=2和EP=8可以在8个GPU上跑，而不用占16个。
总之，从训练信号到数据规模再到底层并行，Cursor这次是全栈都动了一遍。
Cursor为啥这么拼搞自研？其实从它和Anthropic的微妙关系里就能管中窥豹。
刚好最近看了姚顺宇（不是腾讯那个）做客张小珺播客的那期节目，这位Anthropic前员工的观察，正好能说明问题：
Cursor最早是踩着Claude的肩膀火起来的。开发者社区里口口相传的好用，背后很大一部分功劳来自Claude模型本身。那段时间Cursor和Anthropic是典型的“鱼水关系”，一个出模型一个出产品，各赚各的钱。
但Claude Code一出来，画风就变了。
Anthropic自己下场做编程产品，等于直接杀进了Cursor的腹地。原本的“上游供应商”瞬间变成了“正面对手”，再继续把身家性命押在对方的API上，显然不是个安全的选择。
所以Cursor走上自研这条路，与其说是想成为下一个Anthropic，不如说是被推着不得不走——
模型握在自己手里，命才在自己手里。
说到这里我很好奇一个问题：在自研模型成功之前，Cursor现在的模式难道真的不具有护城河吗？
至少对我这种非专业开发者而言，听起来好像Cursor还不错——有多款前沿模型可选，价格还更便宜。
带着好奇，我看到X上有人给出了一种解读，挺有意思：
Cursor的护城河从来都不是基础模型，而是RL训练流程+开发者工作流数据。现在他们正在证明：只要经过足够的微调，开源基础模型在特定任务上也能与前沿模型相媲美。
仔细想想这话也不算太夸张。
Composer 2.5的训练里，85%的算力都花在了Kimi基模之外的后训练和RL上——Kimi K2.5只是个起点，真正让它在编程任务上能打的，是Cursor自己那套围绕真实IDE场景做出来的训练管线。
这个打法也解释了为啥它能把价格压到Opus的十分之一。因为，开源基模省掉了从零预训练那笔最贵的钱，剩下的全砸在编程这一件事上做精细化训练。
模型只为Cursor的IDE场景服务，没必要为通用能力买单。
至于为啥这次牵手的是马斯克的SpaceXAI（毕竟老马上次表现得并不友好），逻辑貌似也不复杂。
OpenAI有Codex、Anthropic有Claude Code、Google有Gemini Code Assist，这几家自己都在做编程产品，跟Cursor都是潜在对手，算力上指望不上。
剩下能拿出世界级算力集群、又不跟Cursor在编程赛道正面冲突的玩家，掰着指头数也没几个了——
老马的Colossus 2刚好是现成的。
而且如果把时间线拉长看，你会发现马斯克和Cursor之间，已经远不只是单纯的“算力合作”。
今年3月，xAI内部动荡之际，马斯克先从Cursor挖走了两位核心工程负责人。
紧接着4月，更大的动作来了。SpaceX宣布与Cursor达成合作，由Colossus超算为Cursor训练模型。
但真正关键的不是算力，而是协议本身。
按照网上披露的条款，SpaceX获得了未来以600亿美元收购Cursor的优先权。即便最终不收购，Cursor也需要支付100亿美元“合作费”。
耐人寻味的是，据TechCrunch披露，这份协议官宣前几小时，Cursor原本正要敲定一轮20亿美元、估值500亿的融资，参投方包括a16z、英伟达、Thrive等一线机构。
结果老马一脚插进来，把这单给截胡了。
所以某种程度上而言，这其实是一次非常典型的“马斯克式绑定”：
要么卖给我，要么给我100亿，不管怎样先提前把Cursor的命运锁进了自己的版图。
至于他前脚煽风点火、后脚卖力站台的变脸速度嘛——硅谷的故事，向来如此。
版权所有，未经授权不得以任何形式转载及使用，违者必究。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。