Cursor Composer 2.5：编码基准成绩、价格与 AI 编程大战的新格局

Cursor 推出新的 AI 编程模型

AI 编程工具 Cursor 背后的公司 Anysphere 在 2026 年 5 月 18 日 发布了最新模型 Composer 2.5。该模型专门为软件工程场景优化，例如浏览大型代码仓库、修改多个文件、执行终端命令以及通过测试迭代调试代码等复杂开发流程。

与传统“代码补全”模型不同，Composer 系列的目标是支持 agentic software engineering（代理式软件工程）——也就是让 AI 可以像开发者一样连续完成多个步骤的开发任务，而不仅仅生成一段代码。

相比前一代版本，Composer 2.5 在以下方面有明显改进：

• 对 长时间任务的持续推理能力更稳定
• 更可靠地执行 复杂多步骤指令
• 在 IDE 协作开发过程中 行为更加一致、可预测

这也反映了 AI 编程工具正在从“智能补全”升级为 能执行完整开发流程的 AI 代理。

与 Claude Opus 4.7、GPT‑5.5 的基准对比

Cursor 公布的多个基准测试结果显示，Composer 2.5 已进入当前顶级编码模型的性能梯队。

主要成绩包括：

• SWE‑Bench Multilingual：79.8%（Composer 2.5），80.5%（Claude Opus 4.7），77.8%（GPT‑5.5）
• Terminal‑Bench 2.0：69.3%（Composer 2.5），69.4%（Claude Opus 4.7），82.7%（GPT‑5.5）
• CursorBench v3.1：63.2%（Composer 2.5）

这些数字说明了一个比较微妙的竞争格局：

1. SWE‑Bench Multilingual
该基准主要测试 AI 是否能够解决真实 GitHub 项目中的问题。Composer 2.5 的 79.8% 已经接近 Claude Opus 4.7，并略高于 GPT‑5.5 在该对比表中的成绩。

2. Terminal‑Bench 2.0
这个基准侧重 AI 在终端环境中的代理能力，例如执行命令、编译程序和运行测试。Composer 2.5 的成绩 几乎与 Opus 4.7 持平，但明显落后于 GPT‑5.5。

3. 相比上一代的提升
例如在 SWE‑Bench Multilingual 上，Composer 系列从 73.7% 提升到 79.8%，显示出明显进步。

总体来看，Composer 2.5 在多个软件工程任务上已经 接近或达到前沿模型水平，但并没有在所有评测中全面领先。

为什么它的价格引起关注

如果只看性能，Composer 2.5 只是进入顶级模型行列之一。但真正让行业关注的是 价格结构。

Cursor 公布的定价为：

• 标准版：每百万输入 Token 0.50 美元
• 每百万输出 Token 2.50 美元

同时提供一个更快版本：

• 输入：3.00 美元 / 百万 Token
• 输出：15.00 美元 / 百万 Token

作为对比，一些报道估算 Claude Opus 的价格大约为：

• 输入：约 5 美元 / 百万 Token
• 输出：约 25 美元 / 百万 Token

也就是说，Composer 2.5 标准版的 输出成本可能只有 Opus 的十分之一左右。

这对 AI 编程代理来说非常关键，因为真实开发任务会消耗大量 Token。例如一次完整任务可能包括：

• 搜索代码仓库
• 制定修改计划
• 编辑多个文件
• 编译或运行代码
• 执行测试并继续迭代

每一步都可能调用模型。如果 Token 成本高，运行一个长期代理会非常昂贵。

更低的价格意味着 Cursor 可以 在同一任务中运行更多推理步骤，而不会显著增加成本。

模型基础与训练方式

Composer 2.5 的基础来自 Moonshot AI 的 Kimi K2.5 开源权重模型，Cursor 在其之上进行了大量针对软件工程的继续训练。

训练方法的关键特点包括：

• 使用 约 25 倍于上一代的合成编码任务
• 约 85% 的训练计算资源用于额外训练和强化学习，而不是只依赖基础模型

所谓“合成任务”通常是自动生成的大规模开发场景，例如：

• 规划代码修改
• 修改多个文件
• 运行测试并修复错误
• 重复迭代直到通过

通过大量类似训练，模型更容易在真实开发问题中保持稳定表现。

Cursor 的长期战略：减少对外部模型依赖

Composer 2.5 还有一个更深层的意义：它反映了 Cursor 的 战略转型。

在早期版本中，Cursor IDE 的 AI 功能很大程度依赖外部模型，例如：

• OpenAI
• Anthropic
• Google

也就是说，Cursor 本质上是这些模型的“应用层工具”。

但当竞争对手开始推出 模型 + 编程代理一体化产品（例如 Anthropic 的 Claude Code）时，这种模式会带来明显劣势。

如果 Cursor 需要向外部模型支付推理费用，它很难在价格和利润上竞争。

因此，开发自己的模型可以带来几个关键优势：

• 降低 AI 推理成本
• 减少对外部模型供应商的依赖
• 更好地控制 IDE 内的行为和能力

简单说，Cursor 正在从 “AI IDE 公司”转型为“AI 模型 + IDE 平台公司”。

总结

Composer 2.5 并不是在所有基准上都领先的模型。

• GPT‑5.5 在某些代理测试中仍然明显更强
• Claude Opus 4.7 仍保持非常接近的性能水平

但 Cursor 的关键优势在于另一点：

接近前沿模型的编码能力 + 极低的运行成本。

如果 Cursor 继续提升自研模型，同时保持这种价格优势，AI 编程工具的成本结构可能会被重新定义——尤其是在需要长时间运行的自动化编码代理场景中。