你们最近有没有注意到，关于 Cursor 的讨论突然又多了起来？

过去几个月，大家聊的更多是 Windsurf、Cline，还有各种新冒头的编程工具。Cursor 虽然没消失，但那种"它又做了什么厉害的事"的感觉，稍微淡了一点。

然后就在3月19日，它发布了 Composer 2，整个社区的讨论热度一下子就回来了。

我一看发布公告，确实有点意外。不是那种"还不错"的意外，是"这数据有点离谱"的那种。

三个版本，半年时间

Cursor 从去年10月发布第一个 Composer 模型算起，到现在是第三个版本——Composer 1（2025年10月）、Composer 1.5（2026年2月）、Composer 2（2026年3月19日）。五个月出了三代，迭代速度还是挺快的。

但更值得说的是进步幅度。在 Cursor 自己的 CursorBench 上，三个版本分别是 38.0、44.2、61.3——Composer 2 比第一代足足高出60%。

Terminal-Bench 2.0（一个由 Laude Institute 维护的 agent 评测基准）的得分从 40.0 涨到了 61.7；SWE-bench Multilingual 的多语言代码修复任务，从 56.9 到 73.7。

这些数字单拎出来可能不太直观。

但有一个横向对比会让人更有感觉：Composer 2 在 Terminal-Bench 2.0 上的表现，超过了 Anthropic 的 Opus 4.6。后者是目前 Anthropic 旗下公认最强的编程模型之一。

价格才是这次真正的颠覆点

光是性能超过 Opus 4.6 已经够说一说了，但 Cursor 把价格定到这个位置，才是真的有点狠。

Composer 2 的标准版定价是：输入 $0.50/M tokens，输出 $2.50/M tokens。还有一个更快的版本，$1.50/M 输入、$7.50/M 输出。

Opus 4.6 的官方定价是输入 $15/M、输出 $75/M。横向一比，输入端便宜了30倍，输出端便宜了30倍。就算拿那个"快版"来比，也是10倍的差距。

性能持平甚至更强，价格便宜一个数量级——这不是渐进式改进，这更像是降维打击。

当然，这里面有个背景值得说一下。Cursor 作为 IDE，有自己完整的 agent 执行框架，Composer 模型就是跑在这个框架里被训练和评测的。

所以说"在 Cursor 的 agent 场景下超越 Opus 4.6"比较准确，Composer 2 不是一个通用大模型，它是一个专为编程 agent 任务优化的专用模型。这个定位其实反而更有说服力——在真正会用到它的场景里，它就是比别人强。

真正让它变强的技术：让模型自己「压缩记忆」

Cursor 这次在博客里详细解释了 Composer 2 的关键技术，叫做「self-summarization」，我觉得这个方向很值得关注。

做过 agent 开发的人可能都碰到过一个头疼的问题：上下文窗口到头了怎么办？

传统做法是让 harness 强行压缩——要么让一个单独的模型去总结，要么直接把最老的内容滑掉。这两种方式都有一个共同问题：关键信息很容易在压缩过程中丢失，然后 agent 就开始原地转圈、重复之前的错误。

Cursor 的做法是：把自我压缩这个行为纳入训练循环本身。

Composer 在 agent 任务训练过程中，当上下文接近触发阈值时，模型会暂停、自己生成一个总结，然后基于这个压缩后的上下文继续工作。关键是，这个自我总结的质量，本身也会被最终的任务完成情况反向奖励——总结得好，任务完成得好，总结策略就被强化；总结得烂，任务失败，就被惩罚。

结果很有意思。普通的提示词引导总结，需要几千 tokens 的精心设计提示、输出5000多 tokens 的结构化摘要。Composer 自学会的总结方式，只需要一句"请总结一下目前的对话"，输出平均才1000 tokens——但效果更好，压缩错误减少50%，KV cache 还能继续复用。

Cursor 用来展示这个能力的例子很有画面感：一道叫做 make-doom-for-mips 的 Terminal-Bench 题目，要求把 DOOM 游戏的源代码编译成能在 MIPS 架构上运行的版本。

这道题对很多顶级模型来说都没法一次做对。Composer 跑了170轮对话，中间多次自我压缩，最终把它做出来了——还顺手渲染出了一帧游戏画面作为验证。

Cursor 在做的事，比表面看起来更大

这次发布让我想到一个更大的问题：Cursor 现在到底是什么？

很长一段时间里，大家对 Cursor 的认知是"一个好用的 Claude/GPT 套壳 IDE"。

这个定位没什么问题，它确实因为出色的 UX 设计和 agent 集成方式而出圈的。但现在，Cursor 开始自己训练模型了，并且训练的方向非常聚焦——不是通用智能，而是"在我的 IDE 环境里，帮用户把代码任务搞定"。

这其实是一个很清醒的战略判断：不去和 OpenAI、Anthropic 正面竞争通用大模型，而是把"编程 agent"这个具体任务做到极致，然后在这个垂直场景里把价格打下来。

如果你要在 IDE 里做长链路代码任务，专门为这件事优化过、还便宜一个数量级的模型，和通用大模型的竞争结果大概不难想象。

从另一个角度看，这也是对 AI 编程工具竞争格局的一次重新定义。以前的竞争维度是"集成了哪个最强的底层模型"，接下来可能会变成"谁把自己场景里的模型调得最准、成本控得最低"。

一些还没想清楚的部分

说实话，我对这次发布还有几个疑问。

Composer 2 的能力评测是 Cursor 自己做的，用的是他们自己维护的 CursorBench，加上 Terminal-Bench 2.0 和 SWE-bench Multilingual 两个第三方基准。

Terminal-Bench 2.0 算是相对权威的，但整体来看，"超越 Opus 4.6"这个结论主要是在编程 agent 的特定任务上成立，不代表通用能力的全面超越。这个前提我觉得需要说清楚。

另外，Cursor 目前还没有公布 Composer 2 的具体参数规模和训练数据细节。

"第一次完整的 continued pretraining"这个说法暗示他们在这次做了更多从头训练的工作，但具体是多大规模的模型，不清楚。这对于判断它的可持续性和未来上限还是有影响的。

还有一点值得留意：Cursor 在发布公告里提到"我们很快会分享下一个版本的 Composer 的更多信息"——五个月三代，下一代可能也不远了。

用用看再说

Composer 2 现在已经可以在 Cursor 里直接用了。

对于 Cursor 的个人订阅用户，Composer 的使用量被纳入单独的 usage pool，官方说有"充裕的额度"包含在内，超出部分按 $0.50/M 输入计费。

Cursor 同期还在内测一个叫 Glass 的新界面，Composer 2 也在那边可用——不过目前还是 early alpha 状态。

我打算这几天拿几个实际项目好好跑一跑，主要想看它在长任务场景下的表现——context 压缩之后的代码一致性，还有它在多文件改动时的全局感知能力，这两点对日常使用的影响最直接。如果有值得说的发现，后面再写。

总之这次发布，Cursor 至少证明了一件事：自己训练专用模型这条路是走得通的，而且走得比很多人预期的要快。