5 月 18 日，Cursor 正式發表 Composer 2.5，這是其第三代自研程式設計模型，首次在公開基準測試中與 Opus 4.7 和 GPT-5.5 站在同一水平，而單次任務成本僅為對手的十分之一。
數據說話
在 CursorBench v3.1 預設設定下，Composer 2.5 獲得 63.2%，GPT-5.5 為 59.2%；在 SWE-Bench Multilingual 上，Composer 2.5 取得 79.8%，超越 GPT-5.5 的 77.8%。
不過在 Terminal-Bench 2.0 上，GPT-5.5 仍以 82.7% 對 69.3% 領先——Cursor 並未迴避，而是將此結果公開寫在部落格中，這種做法在國內大模型廠商的發表會中並不常見。
價格才是本次真正的亮點：
- 標準 Composer 2.5：輸入 $0.50，輸出 $2.50（每 100 萬 token）
- 快速變體（預設）：輸入 $3.00，輸出 $15.00
「Composer 2.5 極具智慧，且效率比同等能力的模型高出 10 倍。」——Cursor
白話來說，完成同樣的工作，單次任務成本不到 1 美元，對手則要 11 美元。這個差距足以讓企業 CTO 重新計算預算。
底層仍是 Kimi K2.5
技術上並無太多神秘之處。Composer 2.5 與前一代 Composer 2 使用相同的基礎：Moonshot 開源的 Kimi K2.5 checkpoint——一個總參數 1 兆、每次推理啟動約 320 億的 MoE 模型。
Cursor 並未自行訓練大模型，而是將工程資源全部投入 RL 調校。本次拉開差距的訓練改進有三項：
- 文字反饋 RL：失敗的工具呼叫當下即給予提示，而非等到整段執行完後才給總獎勵，模型修正速度因此加快。
- 合成任務量 ×25：包含「功能刪除」這類反向題——故意刪除一段功能，讓模型嘗試復原。
- MoE 基礎設施：分片 Muon 最佳化器、雙 mesh HSDP，提升訓練效率。
整個訓練中，85% 的算力預算用於 RL 和後訓練，而非用於訓練基礎模型。這是開源大模型路線中典型的做法——基礎模型由他人開源，自己只需將後訓練做透。
下一步押注 xAI
更有趣的是，Cursor 在發表部落格中順便投下另一顆震撼彈：下一代模型已在訓練中，從零開始訓練，不再以 Kimi 為基礎。
合作方是 SpaceXAI（xAI 的算力分支），使用 Colossus 2 叢集——約 100 萬張 H100 等效 GPU，總算力比 Composer 2.5 所用多 10 倍。
這條線先前已有傳聞，4 月時傳出 SpaceX 取得一張 60 億美元購買 Cursor 的選擇權。如今算力端獲得證實，顯示 Musk 和 Cursor 在「AI 程式設計」這局押注不輕。
真正的訊號
讀完發表部落格，最值得關注的不是分數也不是價格，而是 Cursor 這次的姿態轉變。過去兩年，Cursor 一直被外界歸類為「套殼」——只是 IDE 的美麗外殼，模型使用 Claude 和 GPT。Composer 系列問世後，這個標籤開始被撕下：先是 Composer 2 為企業用戶擋掉大半 Claude 呼叫，現在 Composer 2.5 公開與 Opus 4.7 同台跑分，價格還便宜一個數量級。
更關鍵的是，在程式設計這個垂直場景中，單價從十幾美元砍到 1 美元以下，意味著 agentic 程式設計從「試試看」進入「可以讓 AI 跑一整天」的預算門檻。一家公司過去一天只敢讓 AI 跑十幾個任務，現在能跑上百個。這才是真正改變工作流程的地方。
至於「自家模型在 Terminal-Bench 上還差一截」——Cursor 很可能會用下一代 SpaceX 的 Colossus 2 把這個洞補上。等到下一次發表，套殼這頂帽子恐怕要徹底脫手了。
參考來源：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）