Cursor Router dilatih menggunakan lebih 600,000 permintaan langsung dan diuji dalam ujian A/B dalam talian merentasi berjuta-juta permintaan pengguna sebenar, dengan kepuasan pengguna (AFC) sebagai metrik ganjaran . Ia menganalisis pertanyaan, konteks, kerumitan tugas, dan domain setiap permintaan, digabungkan dengan pengetahuan tentang kekuatan setiap model . Sistem ini juga peka terhadap cache dalam latihan dan penilaian, bermakna penjimatan yang dilaporkan sudah termasuk kos kesilapan cache akibat pertukaran model .
Dalam akses awal dengan puluhan pelanggan korporat, Cursor mendapati penjimatan 30–50% kos berbanding menghalakan segala-galanya ke Opus 4.8, tanpa sebarang penurunan kualiti . Dalam ujian A/B yang lebih meluas:
Julat 31–52% yang dinyatakan adalah konsisten dengan angka-angka ini – hujung bawah (~30%) sepadan dengan hasil awal korporat, dan hujung atas (~60%) sepadan dengan penjimatan utama mod Auto Intelligence yang diterbitkan.
Cursor Router menawarkan tiga mod yang membolehkan pengguna menentukan kedudukan mereka pada sempadan Pareto kos-kepintaran (cost-intelligence Pareto frontier) .
| Mod | Penerangan |
|---|---|
| Intelligence | Kualiti setanding model tercanggih, menyamai model paling mahal dan berkuasa yang mungkin sukar digunakan setiap hari . |
| Balance | Kualiti mantap, menyamai model canggih yang menjadi pilihan harian kebanyakan pengguna . |
| Cost | Kualiti baik, mencapai kepintaran tertinggi yang tersedia sambil mengoptimumkan perbelanjaan token . |
Pengguna memilih mod ini melalui pilihan "Auto" dalam pemilih model . Mod Balance dan Intelligence dicaj mengikut kadar model yang dihalakan .
Pentadbir boleh :
Pelanggan Enterprise juga mendapat :
Cursor Router tersedia di desktop, web, iOS, CLI, dan SDK .
Hasil berulang tahunan (ARR) Cursor mencecah $2 bilion pada Februari 2026, berganda daripada $1 bilion dalam tempoh hanya tiga bulan – menjadikannya antara syarikat SaaS yang paling pantas berkembang dalam sejarah . Kira-kira 60% daripada hasil datang daripada pelanggan korporat .
Pelancaran ini mencerminkan perubahan ketara dalam industri: apabila penggunaan pengekodan AI meningkat pada kelajuan yang tidak pernah berlaku sebelum ini, kos pengkomputeran AI korporat semakin membengkak. Penyelesaian penghalaan model seperti Cursor Router menangani masalah ini secara langsung dengan memadankan kerumitan tugas dengan kos model secara automatik, mengelakkan pembaziran membayar harga model canggih untuk kerja rutin . Trend yang sama dapat dilihat di seluruh industri – pesaing dan pihak ketiga turut membina penghala yang serupa, dan data Cursor sendiri menunjukkan bahawa ~60% pemaju hanya memilih satu model canggih sebagai pemacu harian mereka, menyebabkan perbelanjaan meningkat jauh lebih cepat daripada kualiti output .