Cursor Composer 2.5：效能、價格與 AI 程式模型競賽的新局面

這些數據透露出幾個重點：

1. SWE‑Bench Multilingual
這個基準測試會要求 AI 修復真實 GitHub issue（跨多種程式語言）。在這項測試中，Composer 2.5 的 79.8% 幾乎與 Opus 4.7 持平，甚至略高於 GPT‑5.5。

2. Terminal‑Bench 2.0
這個測試專門評估 AI 在終端環境中執行開發任務的能力，例如建置、測試與部署。Composer 2.5 與 Opus 4.7 幾乎同分，但仍明顯落後 GPT‑5.5。

3. 與上一代的進步
例如 SWE‑Bench Multilingual 從 73.7% 提升到 79.8%，顯示新版本在實際工程任務上的成功率顯著提高。

整體來看，Composer 2.5 已經進入與頂級模型同一性能層級，但在某些代理任務上仍未全面領先。

價格策略：真正的競爭優勢

Composer 2.5 最引人注意的地方其實是 價格。

標準版本：

• $0.50 / 百萬輸入 tokens
• $2.50 / 百萬輸出 tokens

另外提供更快的版本：

• $3.00 / 百萬輸入 tokens
• $15.00 / 百萬輸出 tokens

相比之下，一些報導估計 Claude Opus 的價格大約是：

• 約 $5 / 百萬輸入 tokens
• 約 $25 / 百萬輸出 tokens

換句話說，Composer 2.5 的標準版本輸出成本可能只有 Opus 的 十分之一。

這個差距之所以重要，是因為 AI 程式代理通常非常耗 token。一個任務可能包含：

• 搜尋整個 repo
• 制定修改計畫
• 編輯多個檔案
• 執行測試
• 根據錯誤重新修正

每個步驟都可能觸發多次模型呼叫。因此 token 成本直接決定 AI 開發工具的經濟可行性。

模型架構與訓練方式

Composer 2.5 建立在 Moonshot AI 的 Kimi K2.5 開放權重模型之上，再由 Cursor 進行大量額外訓練。

報導指出其訓練流程包括：

• 使用 比上一代多約 25 倍的合成程式任務
• 約 85% 的計算資源投入到額外訓練與強化學習，而不是僅依賴基礎模型能力。

所謂「合成任務」通常是模擬完整開發流程，例如：

• 規劃程式修改
• 更新多個檔案
• 執行測試
• 依結果迭代

透過大量重複練習這類流程，模型更容易在真實專案中穩定完成長鏈任務。

Cursor 的長期策略：降低對大型模型供應商的依賴

Composer 2.5 的推出也反映 Cursor 的戰略轉變。

早期 Cursor 的 AI 功能主要依賴 OpenAI、Anthropic 和 Google 的模型。建立自家模型後，情況開始改變。

擁有自己的模型堆疊意味著：

• 降低長時間代理任務的推理成本
• 減少對外部 AI API 的依賴
• 能更精準地為 IDE 工作流程調整模型行為

這一點尤其重要，因為像 Anthropic 的 Claude Code 這類產品，本身就擁有「模型 + 工具」的垂直整合優勢。

透過 Composer 系列模型，Cursor 正試圖從單純的 IDE 工具，轉變為 同時擁有 AI 模型與開發平台的公司。

總結

Composer 2.5 並沒有在所有基準測試上全面超越 GPT‑5.5 或 Claude Opus 4.7，但它展現了一個不同的競爭策略：

接近前沿模型的程式能力 + 顯著更低的推理成本。

如果 Cursor 能持續提升自家模型能力，同時保持這樣的價格優勢，AI 軟體開發工具的成本結構——尤其是長時間運作的 AI 程式代理——可能會因此被重新定義。