Pada 18 Mei, Cursor merilis Composer 2.5, model pemrograman internal generasi ketiganya. Untuk pertama kalinya, model ini sejajar dengan Opus 4.7 dan GPT-5.5 pada tolok ukur publik—dengan biaya hanya sepersepuluh per tugas.
Angka di papan
Pada pengaturan default CursorBench v3.1, Composer 2.5 mencetak 63,2%, dibandingkan GPT-5.5 yang 59,2%. Pada SWE-Bench Multilingual, Composer 2.5 mencapai 79,8%, melampaui GPT-5.5 yang 77,8%.
Namun, pada Terminal-Bench 2.0, GPT-5.5 masih unggul dengan 82,7% berbanding 69,3%—Cursor secara terbuka mempublikasikan hasil ini, sebuah langkah yang jarang terjadi di antara pembuat model AI China.
Harga adalah daya tarik sebenarnya:
- Composer 2.5 standar: $0,50 input / $2,50 output per 1M token
- Varian cepat (default): $3,00 input / $15,00 output per 1M token
"Composer 2.5 sangat cerdas dan hingga 10x lebih efisien daripada model dengan kemampuan serupa." — Cursor
Dengan kata lain: satu tugas tunggal berbiaya di bawah $1, sementara pesaing mengenakan $11. Kesenjangan ini cukup bagi CTO perusahaan untuk menghitung ulang anggaran mereka.
Di balik layar: Kimi K2.5
Secara teknis, Composer 2.5 berbagi basis yang sama dengan Composer 2: checkpoint Kimi K2.5 sumber terbuka Moonshot—model MoE dengan 1 triliun parameter, sekitar 32 miliar diaktifkan per inferensi.
Cursor tidak melatih model dasar dari awal; sebaliknya, mereka memfokuskan rekayasa pada penyesuaian RL. Tiga peningkatan pelatihan mendorong kesenjangan:
- RL umpan balik teks: Petunjuk langsung pada panggilan alat yang gagal, bukan hanya hadiah akhir urutan, mempercepat koreksi kesalahan.
- Tugas sintetis 25×: Termasuk tugas "penghapusan fitur" yang sengaja menghapus fungsionalitas untuk dipulihkan model.
- Infrastruktur MoE: Pengoptimal Muon yang dipartisi dan HSDP dual-mesh untuk efisiensi pelatihan.
Secara keseluruhan, 85% anggaran komputasi digunakan untuk RL dan pasca-pelatihan, bukan pelatihan model dasar—pendekatan LLM sumber terbuka yang khas.
Taruhan berikutnya pada xAI
Blog Cursor juga menjatuhkan bom: model berikutnya sudah dalam pelatihan, dari awal, tidak lagi menggunakan Kimi sebagai basis.
Mitranya adalah SpaceXAI (cabang komputasi xAI), menggunakan kluster Colossus 2—sekitar 1 juta GPU setara H100, 10× komputasi dari Composer 2.5.
Rumor telah beredar sejak April bahwa SpaceX memperoleh opsi $6 miliar untuk membeli Cursor. Kini sisi komputasi dikonfirmasi, menandakan komitmen mendalam dari Musk dan Cursor pada taruhan "pengkodean AI".
Sinyal sebenarnya
Di luar skor dan harga, perubahan paling menonjol adalah postur Cursor. Selama dua tahun terakhir, Cursor sering dicap sebagai "pembungkus"—kulit IDE cantik yang menggunakan Claude dan GPT. Seri Composer mulai merobek label itu: pertama Composer 2 menggantikan sebagian besar panggilan Claude untuk pengguna perusahaan, dan kini Composer 2.5 secara publik membandingkan dengan Opus 4.7 dengan biaya yang jauh lebih rendah.
Lebih penting lagi, dalam vertikal pengkodean, biaya per tugas turun dari lebih $10 menjadi di bawah $1 berarti pengkodean agen berpindah dari "coba-coba" ke anggaran "biarkan AI berjalan sepanjang hari". Perusahaan yang dulu hanya berani menjalankan belasan tugas AI per hari kini dapat menjalankan ratusan. Itulah perubahan alur kerja yang sesungguhnya.
Mengenai kesenjangan Terminal-Bench—Cursor kemungkinan akan menutupnya dengan model berikutnya di Colossus 2 milik SpaceX. Pada rilis berikutnya, label "pembungkus" mungkin akan hilang selamanya.
Sumber: 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)