Cursor Composer 2.5：效能、價格與對抗 Claude Opus 4.7、GPT‑5.5 的策略

簡單解讀：

SWE‑Bench Multilingual 主要測試 AI 修復 GitHub 真實 bug 的能力，而且涉及多種程式語言。在這個測試裡，Composer 2.5 幾乎追上 Opus 4.7，並稍微高於 GPT‑5.5。

而在 Terminal‑Bench 2.0（專門測試 AI 在 terminal 環境中的代理能力），Composer 2.5 與 Opus 4.7 幾乎打成平手，但仍落後 GPT‑5.5 一段距離。

相比上一代，進步也相當明顯。例如 SWE‑Bench Multilingual 的分數從 73.7% 提升到 79.8%。

整體來看，Composer 2.5 在某些程式任務上已經進入「前沿模型同一梯隊」，但仍未在所有代理測試中全面領先。

價格為何特別重要

這次發布最震撼的其實是 定價策略。

Composer 2.5 的官方價格大約是：

• $0.50 / 百萬 input tokens
• $2.50 / 百萬 output tokens

另外還有一個更快版本：

• $3.00 / 百萬 input tokens
• $15.00 / 百萬 output tokens

相比之下，一些報導指出 Claude Opus 系列約為 $5 / $25 每百萬 tokens。

換句話說，Composer 2.5 的輸出 token 成本可能只是部分競爭模型的 十分之一左右。

這對 AI 編程代理非常關鍵，因為一個任務可能會包含：

• repository 搜尋
• 規劃修改步驟
• 產生程式碼
• 編譯
• 跑測試

每一步都可能觸發模型呼叫，因此 token 用量往往非常高。

如果 token 價格夠低，AI 代理就能多做很多推理和嘗試，而成本仍然可控。

模型基礎與訓練方式

Composer 2.5 建立在 Moonshot AI 的 Kimi K2.5 開放權重模型之上，再由 Cursor 進行額外訓練與優化。

據報導，其訓練策略包括：

• 使用 比上一代多約 25 倍的合成編程任務
• 約 85% 的訓練算力用於額外訓練與強化學習，而不是只依賴基礎模型

這些合成任務通常模擬真實開發流程，例如：

• 規劃修改
• 編輯多個檔案
• 執行測試
• 根據錯誤重新修正

透過大量重複這些流程，模型能更可靠地處理實際工程問題。

Cursor 的長遠策略：減少對 OpenAI、Anthropic 的依賴

Composer 2.5 其實也透露出 Cursor 的產品戰略。

早期 Cursor IDE 的 AI 功能主要依賴外部模型，例如：

• OpenAI
• Anthropic
• Google

但如果每次 AI 推理都需要付費給外部供應商，長時間代理任務的成本會很高。

建立自家模型可以帶來幾個優勢：

• 降低推理成本
• 減少對外部模型平台依賴
• 可以針對 IDE 工作流程深度優化

這點尤其重要，因為 Anthropic 的 Claude Code 本身就是「模型 + 編程代理工具」的整合產品。

Cursor 推出 Composer 系列，其實就是希望在這個 模型與工具一體化的競爭中站穩位置。

總結

Composer 2.5 並沒有在所有 benchmark 上全面超越前沿模型：

• GPT‑5.5 在部分代理測試仍然領先
• Claude Opus 4.7 依然非常接近

但它的關鍵優勢是 接近前沿的編程能力 + 顯著更低的成本。

如果 Cursor 未來能繼續提升模型能力，同時維持這種價格優勢，AI 編程代理在 IDE 內長時間運行的經濟模式，可能會被徹底改寫。