Composer 2.5 de Cursor: rendimiento, precio y cómo se compara con Claude Opus 4.7 y GPT‑5.5

Estas cifras muestran un panorama matizado:

SWE‑Bench Multilingual, que evalúa si un modelo puede resolver incidencias reales de GitHub en distintos lenguajes, coloca a Composer 2.5 prácticamente al nivel de los modelos frontera. Incluso aparece ligeramente por encima de GPT‑5.5 en la comparación publicada.

En Terminal‑Bench 2.0, que mide el rendimiento de agentes que interactúan con un terminal —compilando código, ejecutando tests o scripts—, Composer 2.5 queda prácticamente empatado con Claude Opus 4.7, aunque GPT‑5.5 mantiene una ventaja clara.

También hay mejoras importantes respecto a la versión anterior. En SWE‑Bench Multilingual, por ejemplo, el modelo sube de 73,7% a 79,8%, un salto significativo en este tipo de evaluaciones.

En resumen: Composer 2.5 compite con modelos líderes en varias tareas de programación, aunque no lidera todos los benchmarks.

El factor que más llama la atención: el precio

Más allá del rendimiento, lo que realmente ha generado conversación en la comunidad de desarrolladores es el precio.

El modelo tiene dos niveles principales:

• Versión estándar: 0,50 USD por millón de tokens de entrada y 2,50 USD por millón de tokens de salida
• Versión rápida: 3,00 USD por millón de tokens de entrada y 15,00 USD por millón de tokens de salida

Para ponerlo en contexto, algunos análisis sitúan el coste aproximado de Claude Opus alrededor de 5 USD por millón de tokens de entrada y 25 USD por millón de tokens de salida.

Esto significa que, en el nivel estándar, el coste de salida de Composer 2.5 puede ser hasta diez veces menor.

La diferencia importa mucho porque los agentes de programación consumen enormes cantidades de tokens. Resolver una tarea real puede implicar:

• buscar información en el repositorio
• planificar cambios
• editar múltiples archivos
• compilar el proyecto
• ejecutar pruebas

Cada paso genera nuevas llamadas al modelo. Si el coste por token es alto, ejecutar agentes durante mucho tiempo se vuelve caro rápidamente.

Con precios más bajos, Cursor puede permitir más pasos de razonamiento y más iteraciones dentro de un mismo flujo de trabajo.

En qué se basa el modelo y cómo se entrenó

Composer 2.5 se construye sobre el checkpoint Kimi K2.5 de Moonshot AI, un modelo de pesos abiertos que Cursor amplía mediante entrenamiento adicional especializado en programación.

Según reportes técnicos, el proceso de entrenamiento incluyó:

• 25 veces más tareas sintéticas de programación que la generación anterior
• aproximadamente 85% del presupuesto de cómputo dedicado a entrenamiento adicional y aprendizaje por refuerzo en lugar de depender solo del modelo base

Las tareas sintéticas permiten entrenar repetidamente patrones de trabajo reales del desarrollo de software, como:

• planificar cambios en múltiples archivos
• modificar código
• ejecutar pruebas
• iterar hasta que el error desaparezca

Este tipo de entrenamiento busca mejorar la fiabilidad en flujos de trabajo largos, que es uno de los desafíos principales de los agentes de programación.

Por qué este lanzamiento es clave para la estrategia de Cursor

Composer 2.5 también refleja un cambio estratégico importante para Cursor.

Las primeras versiones del IDE dependían en gran medida de modelos externos de OpenAI, Anthropic o Google para impulsar sus funciones de IA.

Desarrollar modelos propios reduce esa dependencia y ofrece varias ventajas:

• menores costes de inferencia
• menos dependencia de proveedores externos
• mayor control sobre el comportamiento del modelo dentro del IDE

Esto es especialmente relevante frente a productos como Claude Code, donde Anthropic controla tanto el modelo como la herramienta de desarrollo.

Al construir sus propios modelos Composer, Cursor intenta competir en ese mismo terreno: una integración profunda entre modelo y herramienta de programación.

Conclusión

Composer 2.5 no domina todos los benchmarks frente a los modelos más avanzados. GPT‑5.5 sigue liderando algunas evaluaciones de agentes, y Claude Opus 4.7 continúa siendo muy competitivo.

Lo que hace realmente interesante este lanzamiento es la combinación de rendimiento cercano al nivel frontera y un coste mucho más bajo.

Si Cursor consigue seguir mejorando sus modelos internos mientras mantiene esa ventaja económica, podría cambiar de forma significativa la economía de la programación asistida por IA, especialmente en flujos de trabajo donde los agentes operan durante largos periodos dentro del entorno de desarrollo.