Cursor Router基于超过60万个实时请求进行训练,并在数百万真实用户请求中通过在线A/B测试进行评估,其奖励指标是用户满意度(AFC)。系统会分析每个请求的查询内容、上下文、任务复杂度以及领域,并结合对各模型优势的认知进行决策。此外,它在训练和评估环节都考虑了缓存因素,这意味着报告的成本节省中已经包含了模型切换带来的缓存未命中成本。
在与数十家企业客户的早期测试中,Cursor观察到与将所有请求路由到Opus 4.8相比,成本降低了30%至50%,且质量没有下降。在更广泛的A/B测试中:
上述**31%-52%**的成本节省范围与这些数据吻合:下限(约30%)对应早期企业测试结果,上限(约60%)对应官方公布的Auto Intelligence模式节省幅度。
Cursor Router提供三种模式,让用户自行选择在成本-智能帕累托前沿上的定位点。
| 模式 | 描述 |
|---|---|
| Intelligence(智能) | 追求顶尖质量,匹敌最昂贵、最强大的模型,这些模型在日 常使用中可能成本过高。 |
| Balance(均衡) | 质量强劲,匹配大多数开发者日常使用的顶级模型。 |
| Cost(成本) | 质量良好,在优化token消耗的同时达到尽可能高的智能水平。 |
用户通过模型选择器中的"Auto"选项来选定模式。Balance和Intelligence模式按路由到的模型费率计费。
管理员可以:
企业客户还可获得:
Cursor Router在桌面端、网页端、iOS、CLI以及SDK上均可用。
Cursor的年化经常性收入在2026年2月达到20亿美元,仅用三个月就从10亿美元翻番——成为SaaS史上增长最快的公司之一。约60%的收入来自企业客户。
此次发布反映了行业的一个急剧转向:随着AI编码使用规模以前所未有的速度扩张,企业AI计算成本正急剧膨胀。像Cursor Router这样的模型路由解决方案直接对症下药——通过自动将任务复杂度与模型成本匹配,避免了用顶尖模型处理常规任务所造成的浪费。整个行业都能看到同样的趋势:竞争对手和第三方公司正在开发类似的路由器,而Cursor自身的数据显示,约60%的开发者习惯将某一个顶尖模型作为日常首选,导致开销增长速度远超输出质量的提升。