Cursor的首个编码模型，刚刚发布了！
最新进展，Cursor 2.0正式发布，并且首次搭载了「内部」大模型。
没错，不是GPT、不是Claude，如今模型栏多了个新名字——Composer
实力相当炸裂：
据官方说法，Composer仅需30秒就能完成复杂任务，比同行快400%
基于模型升级，Cursor 2.0带来了不少新玩意儿——
原生浏览器工具：模型可以自己动手测试代码、调错、迭代，直到结果完全正确。
语音生成代码：不用敲键盘，张嘴就行，直接把思路变成代码。
全新界面逻辑：从「以文件为中心」切换为「以Agent为中心」，多个Agent可以同时运行、互不干扰。
让多个Agent同时尝试同一问题并择优采用，能显著提升最终结果。
太多了太多了，根本看不完。
400%效率飞跃
当然，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虽然火，但本质上还只是套壳GPT或Claude，再厉害也不是Cursor的功劳。
而这次不一样，Composer正式登场，Cursor终于能挺直腰板了。
难怪这回官网介绍语气都硬气了不少。（doge）
Cursor表示，这款模型是专为低延迟编码打造的，可以在 30秒内完成大多数交互任务。
即便面对体量庞大、结构复杂的代码库，也能保持高水准的推理与理解能力。
除了酷炫的Demo，当然还要用Benchmark秀秀肌肉。
Composer的性能全部通过内部测试套件 「Cursor Bench」 测得——这是一个根据真实开发者使用场景打造的评估系统。
该Benchmark不仅看代码是否正确，还评估模型是否能遵守抽象层次、风格规范和工程实践。
结果显示：Composer能以每秒250个tokens的速度生成代码。
这速度比当前最快的推理模型（GPT-5、Claude Sonnet 4.5）快约两倍，比其其他模型更是快四倍。
速度快了，但脑子依然灵活，Composer显著提高了推理能力和任务泛化能力，水准可媲美中等前沿模型，
基于强化学习的MoE自研模型
这么惊艳的表现，究竟是怎么炼成的？
Cursor研究科学家Sasha Rush透露了答案——关键在于强化学习。
- 我们用强化学习训练了一个大型MoE模型，让它更贴近真实的编程任务，而且速度也非常快。
同时，为了和强化学习打配合，Cursor把自己在产品上的优势发挥到了极致。
- 和其他机器学习方法不同，强化学习几乎无法从完整系统里抽象出太多内容。所以我们让Composer和Cursor一同设计，确保它能在真实规模下顺畅运行。
强化学习最大的特点是：它得在真实环境里「干活」，才能学到真本事。
如果Composer只在虚拟数据集里改改代码，它根本不知道这些代码有没有bug、测试能不能过。
所以，Cursor干脆让模型直接进「上战场」。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，拿到最有效的反馈信号。
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工程任务完成的。
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……
面对复杂工程问题，它必须自己写、自己测、自己修。
每一轮训练都对应一个具体任务，比如写一段改动、拟一份方案，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。
它学会了如何聪明地选工具、灵活地做并行处理，不再会一拍脑袋给用户抽张废卡。
随着训练深入，模型甚至出现了涌现行为——能自动运行单元测试、修复代码格式错误，甚至可以自主完成多步代码搜索与调试流程。
而Cursor 2.0这次为多Agent协作提供的基础架构，正式建立在Composer这些底层能力的基础之上。
