Am 18. Mai veröffentlichte Cursor Composer 2.5, das dritte hauseigene Programmiermodell. Erstmals steht es in öffentlichen Benchmarks auf einer Stufe mit Opus 4.7 und GPT-5.5 – bei nur einem Zehntel der Kosten pro Aufgabe.
Zahlen auf dem Brett
In den Standardeinstellungen von CursorBench v3.1 erreichte Composer 2.5 63,2 %, GPT-5.5 59,2 %. Im SWE-Bench Multilingual erzielte Composer 2.5 79,8 % und übertraf damit GPT-5.5 mit 77,8 %.
Im Terminal-Bench 2.0 liegt GPT-5.5 jedoch mit 82,7 % zu 69,3 % vorn – Cursor veröffentlichte dieses Ergebnis offen, ein seltener Schritt unter chinesischen KI-Modellherstellern.
Die Preisgestaltung ist der eigentliche Höhepunkt:
- Standard Composer 2.5: 0,50 $ Eingabe / 2,50 $ Ausgabe pro 1 M Token
- Schnelle Variante (Standard): 3,00 $ Eingabe / 15,00 $ Ausgabe
„Composer 2.5 ist außergewöhnlich intelligent und bis zu 10-mal effizienter als ähnlich leistungsfähige Modelle.“ – Cursor
Einfach ausgedrückt: Eine einzelne Aufgabe kostet unter 1 $, während Wettbewerber 11 $ verlangen. Diese Lücke reicht aus, um CTOs zur Neuberechnung ihrer Budgets zu bewegen.
Unter der Haube: Kimi K2.5
Technisch basiert Composer 2.5 auf derselben Grundlage wie Composer 2: dem Open-Source-Kimi K2.5-Checkpoint von Moonshot – einem MoE-Modell mit 1 Billion Parametern, von denen pro Inferenz etwa 32 Milliarden aktiviert werden.
Cursor trainierte kein Basismodell von Grund auf, sondern konzentrierte sich auf RL-Feintuning. Drei Trainingsverbesserungen trieben den Vorsprung voran:
- Text-Feedback-RL: Sofortige Hinweise bei fehlgeschlagenen Tool-Aufrufen, nicht nur Belohnungen am Ende der Sequenz, was die Fehlerkorrektur beschleunigt.
- 25-fache synthetische Aufgaben: Einschließlich „Funktionslöschungs“-Aufgaben, die absichtlich Funktionalität entfernen, damit das Modell sie wiederherstellt.
- MoE-Infrastruktur: Sharded Muon-Optimierer und Dual-Mesh-HSDP für Trainingseffizienz.
Insgesamt flossen 85 % des Rechenbudgets in RL und Post-Training, nicht in das Basismodell – ein typischer Open-Source-LLM-Ansatz.
Nächster Schritt: xAI
Curors Blog enthielt auch eine Bombe: Das nächste Modell wird bereits trainiert, von Grund auf, ohne Kimi als Basis.
Partner ist SpaceXAI (xAI's Rechenabteilung), die den Colossus-2-Cluster nutzt – etwa 1 Million H100-äquivalente GPUs, die 10-fache Rechenleistung von Composer 2.5.
Gerüchte kursierten seit April, dass SpaceX eine 6-Milliarden-Dollar-Option zum Kauf von Cursor erworben habe. Nun ist die Rechenseite bestätigt, was auf tiefes Engagement von Musk und Cursor bei der „KI-Programmierung“ hindeutet.
Das eigentliche Signal
Abgesehen von Punktzahlen und Preisen ist die bemerkenswerteste Veränderung Curors Haltung. In den letzten zwei Jahren wurde Cursor oft als „Wrapper“ abgestempelt – eine hübsche IDE-Hülle, die Claude und GPT nutzt. Die Composer-Serie beginnt, dieses Etikett abzustreifen: Zuerst ersetzte Composer 2 die meisten Claude-Aufrufe für Unternehmensnutzer, und nun benchmarkt Composer 2.5 öffentlich gegen Opus 4.7 zu einem Bruchteil der Kosten.
Noch wichtiger: Im Programmierbereich sinkt der Preis pro Aufgabe von über 10 $ auf unter 1 $, was agentisches Programmieren von „mal ausprobieren“ in ein Budget „KI den ganzen Tag laufen lassen“ verschiebt. Ein Unternehmen, das früher nur ein Dutzend KI-Aufgaben pro Tag wagte, kann jetzt Hunderte ausführen. Das ist die echte Arbeitsablaufänderung.
Was die Terminal-Bench-Lücke betrifft – Cursor wird sie wahrscheinlich mit dem nächsten Modell auf SpaceX' Colossus 2 schließen. Mit der nächsten Veröffentlichung könnte das „Wrapper“-Etikett endgültig verschwinden.
Quellen: CocoLoop, Cursor's Composer 2.5 matches Opus 4.7 and GPT-5.5 benchmarks at a fraction of the cost (The Decoder), Cursor released Composer 2.5 with up to 10x cost efficiency (Testing Catalog), Cursor Releases Composer 2.5, Matches Opus 4.7 On Some Benchmarks (OfficeChai)