El 18 de mayo, Cursor lanzó Composer 2.5, su tercer modelo de programación propio. Por primera vez, se sitúa a la par de Opus 4.7 y GPT-5.5 en puntos de referencia públicos, con un costo por tarea de solo una décima parte.
Números sobre la mesa
En la configuración predeterminada de CursorBench v3.1, Composer 2.5 obtuvo un 63,2%, frente al 59,2% de GPT-5.5. En SWE-Bench Multilingual, Composer 2.5 alcanzó un 79,8%, superando el 77,8% de GPT-5.5.
Sin embargo, en Terminal-Bench 2.0, GPT-5.5 aún lidera con un 82,7% frente a 69,3% – Cursor publicó este resultado abiertamente, algo poco común entre los fabricantes chinos de modelos de IA.
El precio es el verdadero atractivo:
- Composer 2.5 estándar: $0,50 entrada / $2,50 salida por 1M tokens
- Variante rápida (predeterminada): $3,00 entrada / $15,00 salida
"Composer 2.5 es excepcionalmente inteligente y hasta 10 veces más eficiente que modelos con capacidades similares." — Cursor
En términos simples: una sola tarea cuesta menos de 1 dólar, mientras que los competidores cobran 11 dólares. Esta diferencia es suficiente para que los CTO recalculen presupuestos.
Debajo del capó: Kimi K2.5
Técnicamente, Composer 2.5 comparte la misma base que Composer 2: el checkpoint Kimi K2.5 de código abierto de Moonshot, un modelo MoE con 1 billón de parámetros, de los cuales se activan unos 32 mil millones por inferencia.
Cursor no entrenó un modelo base desde cero; en cambio, centró la ingeniería en el ajuste RL. Tres mejoras de entrenamiento impulsaron la brecha:
- RL con retroalimentación de texto: Indicaciones inmediatas en llamadas a herramientas fallidas, no solo recompensas al final de la secuencia, acelerando la corrección de errores.
- Tareas sintéticas ×25: Incluyendo tareas de "eliminación de características" que eliminan funcionalidad deliberadamente para que el modelo la restaure.
- Infraestructura MoE: Optimizador Muon fragmentado y HSDP de malla dual para eficiencia de entrenamiento.
En general, el 85 % del presupuesto de cómputo se destinó a RL y post-entrenamiento, no al entrenamiento del modelo base, un enfoque típico de LLM de código abierto.
Próxima apuesta en xAI
El blog de Cursor también soltó una bomba: el próximo modelo ya está en entrenamiento, desde cero, sin usar Kimi como base.
El socio es SpaceXAI (la rama de cómputo de xAI), que utiliza el clúster Colossus 2 – aproximadamente 1 millón de GPU equivalentes a H100, 10 veces la potencia de cómputo de Composer 2.5.
Desde abril circulaban rumores de que SpaceX adquirió una opción de 6 mil millones de dólares para comprar Cursor. Ahora el lado del cómputo está confirmado, lo que indica un compromiso profundo de Musk y Cursor con la apuesta por la "programación con IA".
La señal real
Más allá de las puntuaciones y los precios, el cambio más notable es la postura de Cursor. Durante los últimos dos años, Cursor fue a menudo etiquetado como "envoltorio" – una bonita carcasa de IDE que usaba Claude y GPT. La serie Composer ha comenzado a arrancar esa etiqueta: primero Composer 2 reemplazó la mayoría de las llamadas a Claude para usuarios empresariales, y ahora Composer 2.5 compite públicamente con Opus 4.7 a una fracción del costo.
Más importante aún, en el ámbito de la programación, la caída del costo por tarea de más de 10 dólares a menos de 1 dólar significa que la programación agéntica pasa de "probar" a un presupuesto de "dejar que la IA funcione todo el día". Una empresa que antes solo se atrevía a ejecutar una docena de tareas de IA por día ahora puede ejecutar cientos. Ese es el verdadero cambio en el flujo de trabajo.
En cuanto a la brecha en Terminal-Bench – Cursor probablemente la cerrará con el próximo modelo en el Colossus 2 de SpaceX. En el próximo lanzamiento, la etiqueta de "envoltorio" podría desaparecer por completo.
Fuentes: 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)