Ngày 18 tháng 5, Cursor đã phát hành Composer 2.5, mô hình lập trình nội bộ thế hệ thứ ba. Lần đầu tiên, nó sánh ngang với Opus 4.7 và GPT-5.5 trên các điểm chuẩn công khai—với chi phí chỉ bằng một phần mười mỗi tác vụ.
Con số trên bảng
Trên cài đặt mặc định của CursorBench v3.1, Composer 2.5 đạt 63,2%, so với GPT-5.5 là 59,2%. Trên SWE-Bench Multilingual, Composer 2.5 đạt 79,8%, vượt qua GPT-5.5 với 77,8%.
Tuy nhiên, trên Terminal-Bench 2.0, GPT-5.5 vẫn dẫn đầu với 82,7% so với 69,3%—Cursor công khai kết quả này, một động thái hiếm thấy ở các nhà sản xuất mô hình AI Trung Quốc.
Giá cả mới là điểm nhấn thực sự:
- Composer 2.5 tiêu chuẩn: $0,50 đầu vào / $2,50 đầu ra trên 1M token
- Biến thể nhanh (mặc định): $3,00 đầu vào / $15,00 đầu ra
"Composer 2.5 cực kỳ thông minh và hiệu quả hơn tới 10 lần so với các mô hình có khả năng tương tự." — Cursor
Nói một cách đơn giản: một tác vụ đơn lẻ có chi phí dưới 1 đô la, trong khi đối thủ tính 11 đô la. Khoảng cách này đủ để các CTO doanh nghiệp tính lại ngân sách.
Bên dưới là Kimi K2.5
Về mặt kỹ thuật, Composer 2.5 chia sẻ cùng nền tảng với Composer 2: checkpoint Kimi K2.5 mã nguồn mở của Moonshot—mô hình MoE với 1 nghìn tỷ tham số, khoảng 32 tỷ được kích hoạt mỗi lần suy luận.
Cursor không tự huấn luyện mô hình nền tảng; thay vào đó, họ tập trung kỹ thuật vào tinh chỉnh RL. Ba cải tiến huấn luyện tạo ra khoảng cách:
- RL phản hồi văn bản: Gợi ý ngay lập tức khi gọi công cụ thất bại, thay vì chỉ phần thưởng cuối chuỗi, tăng tốc sửa lỗi.
- Nhiệm vụ tổng hợp ×25: Bao gồm các nhiệm vụ "xóa tính năng" cố tình xóa chức năng để mô hình khôi phục.
- Cơ sở hạ tầng MoE: Bộ tối ưu Muon phân mảnh và HSDP lưới kép để tăng hiệu quả huấn luyện.
Tổng thể, 85% ngân sách tính toán dành cho RL và hậu huấn luyện, không phải huấn luyện mô hình nền tảng—một cách tiếp cận LLM mã nguồn mở điển hình.
Bước tiếp theo đặt cược vào xAI
Blog của Cursor cũng tung ra một quả bom: mô hình thế hệ tiếp theo đang được huấn luyện, từ đầu, không còn sử dụng Kimi làm nền tảng.
Đối tác là SpaceXAI (nhánh tính toán của xAI), sử dụng cụm Colossus 2—khoảng 1 triệu GPU tương đương H100, sức mạnh tính toán gấp 10 lần Composer 2.5.
Tin đồn đã lan truyền từ tháng 4 rằng SpaceX đã có quyền chọn mua Cursor trị giá 6 tỷ đô la. Giờ đây, khía cạnh tính toán đã được xác nhận, cho thấy Musk và Cursor đặt cược sâu vào "lập trình AI".
Tín hiệu thực sự
Ngoài điểm số và giá cả, thay đổi đáng chú ý nhất là tư thế của Cursor. Trong hai năm qua, Cursor thường bị gắn mác "lớp vỏ bọc"—một lớp vỏ IDE đẹp sử dụng Claude và GPT. Dòng Composer đã bắt đầu xé bỏ nhãn đó: đầu tiên Composer 2 thay thế hầu hết các cuộc gọi Claude cho người dùng doanh nghiệp, và giờ Composer 2.5 công khai so sánh với Opus 4.7 với chi phí thấp hơn nhiều.
Quan trọng hơn, trong lĩnh vực lập trình, chi phí mỗi tác vụ giảm từ hơn 10 đô la xuống dưới 1 đô la có nghĩa là lập trình tác nhân chuyển từ "thử xem" sang ngân sách "để AI chạy cả ngày". Một công ty trước đây chỉ dám chạy vài chục tác vụ AI mỗi ngày giờ có thể chạy hàng trăm. Đó là sự thay đổi quy trình làm việc thực sự.
Về khoảng cách Terminal-Bench—Cursor có thể sẽ lấp đầy nó với mô hình thế hệ tiếp theo trên Colossus 2 của SpaceX. Ở bản phát hành tiếp theo, nhãn "lớp vỏ bọc" có thể sẽ biến mất vĩnh viễn.
Nguồn: 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)