Cursor Composer 2.5 登场：基于 Kimi K2.5，1/10 成本硬刚 GPT-5.5

AI 编程赛道迎来一次真正的"性价比革命"。Cursor 发布了其迄今最强的代码模型 Composer 2.5，基于月之暗面开源的 Kimi K2.5 构建，在编程基准测试中追平了 Claude Opus 4.7 和 GPT-5.5，而成本只有它们的 1/10。Musk 在 X 上亲自转发确认，该模型的训练部分调用了 SpaceXAI 的 Colossus 2 超算。

基准测试：追平第一梯队

在 Cursor 自家设计的 CursorBench v3.1（偏向困难任务）上，Composer 2.5 以 63.2% 的成绩超越了 Opus 4.7 的默认设置（61.6%）。而在 SWE-Bench Multilingual（业界公认的代码修复标准测试）上，79.8% 与 Opus 4.7 的 80.5% 仅一步之遥。唯一明显落后的是 Terminal-Bench 2.0（终端操作场景），GPT-5.5 在这方面仍有显著优势。

成本优势：单任务不到 1 美元

Composer 2.5 的 API 定价为输入 $0.50/百万 Token、输出 $2.50/百万 Token。在 CursorBench 测试中，完成一个任务的平均成本不到 1 美元，而使用 Opus 4.7 或 GPT-5.5 完成类似任务需要数美元。综合算下来，成本大约是对手的 1/10。

对于每天处理大量代码任务的团队来说，这意味着每月可能节省数千美元的 API 开销，而获得的代码质量几乎相同。

技术路线：后训练投入占 85%

Composer 2.5 最大的技术亮点不在于更换了什么基础模型——它仍然沿用 Kimi K2.5——而在于后训练阶段的巨大投入。后训练占总计算量的 85%，远超行业常规比例。

三个核心技术突破值得关注：

• 带文本反馈的定向强化学习：不依赖 rollout 结束后的单一奖励信号，而是在模型执行出错位置直接插入局部提示（如"Reminder: Available tools..."），将修正后的分布作为教师信号。这使得即使一次 rollout 跨越数十万 Token，模型也能精准定位问题步骤。
• 25 倍合成训练数据：采用"功能删除"方法——从可运行代码库中删掉某项功能，要求模型重新实现。有趣的是，模型因此展现出了"钻空子"能力：逆向分析 Python 类型检查缓存恢复被删除的函数签名，反编译 Java 字节码重建第三方 API。
• Sharded Muon 优化器：分布式版本的 Muon 优化器，在不同分片上异步运行 Newton-Schulz 正交化，网络通信与计算过程重叠执行。在 1T 参数模型上，优化器单步耗时仅 0.2 秒。

Agent 进展：35% 的合并 PR 由自主 Agent 创建

在 Cursor 内部，一个更令人关注的数据是：目前已有 35% 的合并 Pull Request由自主 AI Agent 创建。这意味着超过三分之一的代码变更完全由 AI 独立完成编写、测试和提交，人类开发者只需做最终审查。这个比例在几个月前还不到 10%，增长速度惊人。

Cursor 同时宣布了下一代模型的训练计划——与 SpaceXAI 合作，使用 Colossus 2 的百万 H100 等效算力，总计算量为当前 10 倍。这意味着 Composer 3.0 可能会在基础能力上实现真正的代际跨越，而不仅仅是后训练优化。

Composer 2.5 证明了一个重要趋势：在编程这一垂直领域，专精的后训练优化可能比通用基础模型的规模扩展更高效。对开发者来说，花更少的钱获得几乎一样的代码能力，这是 AI 编程走向普及的关键一步。

2T超大容量网盘！点击领取 >> 原画质高清备份，上传下载不限速

如果真的对你有用的话，感谢支持服务器及作者运营