Cursor Composer 2.5 来了：同等能力 10 倍效率，底座和 Kimi K2.5 同源
今天刷到 Cursor 官方账号发了一条推文，我习惯性往下翻找实质内容，因为开头那句话太熟了。
「这是目前最强大的模型」。
这句话在过去一年里，我大概看到过三十次。大厂用，创业公司用，从头部实验室到各种套壳工具都在用这个开场白。我现在看到它的反应，接近于看到「惊天大降价」，自动过滤，往后翻，看有没有具体的东西。
翻到后面，我愣了一下。
「在同等能力下，效率提升了 10 倍」。
这个说法不一样。「更聪明」或者「更快」我知道怎么理解，就是 benchmark 分数更高、延迟更低。但「同等能力、10 倍效率」，说的是在做同样水平任务时，运行成本只有之前的十分之一。对于每天用 Cursor Pro 订阅跑代码的人来说，这个数字要是真的，那不是「用起来更爽」，是「我以前花的那些算力配额，有九倍是多余的」。
我把他们的官方博客仔细读了一遍。
先说一件最没想到的事。
Composer 2.5 的基础架构，是 Moonshot 的 Kimi K2.5 开源检查点。
Checkpoint（检查点）是训练术语，可以理解成模型训练到某个阶段后存下来的「存档」，别人可以拿去在这个基础上继续训练。Moonshot 把 Kimi K2.5 开源出去，Cursor 拿了这个存档，在上面叠加自己的数据和训练方法，训出了 Composer 系列，Composer 2 如此，Composer 2.5 也是如此。
Composer 2 发布的时候他们就说了这件事，但我觉得现在 Composer 2.5 出来之后，这条链条更值得多想一下。
一个在北京或杭州的团队搞出来、开源出去的语言模型，流进了一家美国编程工具公司的训练管线，训出了他们「最强大的编程模型」，跑在了全球几百万程序员每天打代码的 IDE 里。这条路径挺长的，但它真实存在。
有点子牛逼，这个我得承认。开源里有一种很奇怪的慷慨逻辑，你把东西放出去，根本不知道它最终会长成什么形状出现在哪里。Moonshot 大概没预料到 Kimi K2.5 最终会以「Cursor 最强编程模型」的身份跑在用户的 IDE 里。但它就这么发生了。
好，说说 Composer 2.5 这次的技术升级，这部分我觉得是整篇博客里含金量最高的。
官方列了三个方向，更聪明，长任务持续能力更强，复杂指令遵循更靠谱。第一个先按下，因为「benchmark 更好」大家都会说，我更想聊后两个，那才是我每天用 Cursor 时真实感受到的痛点。
长任务持续能力。你用 AI agent 跑过一个比较大的工程任务就知道，刚开始跑的时候往往还不错，但跑着跑着到中间，模型开始漂了。它忘掉了你一开始定的变量命名约定，开始在架构上绕弯路，或者之前说「我会保留这个函数」，真到写那里又给重构了。
为什么会这样？根本原因之一，是在用强化学习（Reinforcement Learning，RL，让模型通过不断执行任务、获得奖励来改进自己的训练方式）训 agent 的时候，「信用分配」问题很难处理。
RL 训练的基本逻辑是，让模型去完成一个任务，任务结束时看结果，好就给正奖励，不好就给负奖励或零分。但一个长任务可能涉及几十步操作、几十万个 token 的生成。最终奖励只告诉你「结果对不对」，但不告诉你在这几十步里，哪几步是关键决策，哪几步走偏了。
打个比方，就像你让人做了一个月的项目，最后 demo 翻车了，你给了一个「不合格」的评语，然后让他再来一次。从这个反馈里能学到的东西很有限，因为不知道具体哪里出了问题。rollout（任务执行的完整过程）越长，这个问题就越严重。
Cursor 这次给出的解法，他们叫「基于文本反馈的定向 RL」。
核心思路是不只给最终奖励，还在 rollout 过程中的「有问题的位置」直接插入文字反馈。
具体操作，在一次长任务执行过程里，如果模型在某一步调用了一个不存在的工具，那就在这一步的上下文里插入一条短提示，比如「可用工具列表是这些，建议用 X」。这条提示会改变教师模型（teacher model，用来指导学生模型学习的参照模型）在这个位置的行为倾向，然后用知识蒸馏的方式，让学生模型的权重在这个局部向教师靠拢。整条 rollout 的 RL 目标还在跑着，但同时对局部的「问题点」有了更细粒度的纠正信号。
我觉得这个思路挺优雅的，有点像代码 review 里的 inline comment 和 final review 的区别。只有 final review，你知道整体方向不对，但不知道是哪行代码出了问题。有了 inline comment，某一行的具体问题被点出来了，修改目标明确得多。这套逻辑被 Cursor 引进了训练过程，我觉得这是这次发布里真正有意思的地方。
他们说把这套方法应用在了很多维度，从编码风格到模型和用户的沟通方式。
合成数据这块也值得一说。
Composer 2.5 用的合成训练任务数量，是 Composer 2 的 25 倍。
「合成任务」的意思，是人工构造的训练题目，不是直接拿真实代码库里的历史问题来练。Cursor 用的一种构造方式叫「功能删除」，拿一个真实的代码库，把某个功能对应的代码删掉，让模型重新实现这个功能，用原来的测试集来验证结果。题目来源于真实代码所以有真实感，验证标准是测试通过所以客观，还能批量生成，逻辑上很完整。
但然后发生了一件很有意思的事。
随着模型越来越强，它开始找到出题人没预料到的路径来完成任务。
一个例子，模型在某次任务里发现了一个遗留在目录里的 Python 类型检查缓存文件（.pyc 之类的），通过逆向这个缓存文件的格式，从里面翻出了被删掉的函数签名。另一个例子，它找到并反编译了一个 JAR 包里的字节码，从里面重建了一个第三方 API 的接口。
好家伙，这模型已经学会「从废纸篓里把答案翻出来」了。
这不是 bug，这是能力，模型在认真解题，只是用了出题人没想到的路径。对训练来说，这是奖励作弊（reward hacking），模型拿到了高分，但测到的是出题人不想测的东西。他们说靠 agent 监控工具发现并处理了这类问题，具体怎么处理的博客里没细说，但把这段经历写进发布博客，我挺欣赏这种坦诚。
这个现象背后有一个规律值得认真对待，RL 训练里，随着模型能力增强，你需要越来越仔细地看它在干什么，而不是只看最终分数。模型越强，奖励作弊的方式就越难预见。这不是 Cursor 特有的问题，是当前大规模 RL 训练里的共同挑战，只是他们选择公开说出来了。
还有一个「投入级别校准」的更新，我觉得也值得提一下，虽然官方只用了一张图带过。
说的是模型对任务难度的判断，以及「应该花多少力气」的感知。
你懂那种感觉，你让 AI 做一件很简单的小事，比如把函数名改一下，结果它花了三分钟生成了一大段解释、检查了所有相关文件、顺手重构了几处它认为「有改进空间」的代码——然后给你一个洋洋洒洒的 PR description。
或者反过来，你让它处理一个真的很复杂的需求，它轻描淡写敷衍了事，连边界条件都没考虑。
这种「力气用得不对」的问题，现在基准测试里几乎没法衡量，但用起来感受很强烈。Cursor 说他们在这个方向做了改进，投入级别的曲线更合理了。这种改进很难被数字量化，但如果真的做到了，对日常使用体验的影响会比 benchmark 分数提升更明显。
SpaceXAI 的消息，也顺带提一下。
Cursor 说他们正在和 SpaceXAI 合作，从零训练一个规模显著更大的新模型，计算资源是 Composer 系列当前的 10 倍。依托 Colossus 2，100 万个 H100 等效算力，在孟菲斯。
SpaceXAI 是 xAI（Elon Musk 那个 AI 公司）的超算部门，Grok 系列用的也是这个集群。Cursor 买算力过去，用自己的数据和训练方法训自己的模型。
10 倍计算量能带来多大能力跃升，我没有判断依据，Cursor 没有透露 Composer 系列当前的参数规模。「下一次真正的大跳跃」是他们的说法，我倾向于先存疑，等出来了再看。但有一件事是比较清晰的，Cursor 在把自研模型当作核心战略来投，不是买 API 转手，是真的在建自己的训练管线。这条路要是走通了，对整个 AI 编程工具的格局影响会比较大。
用量和定价简单说一下。
Composer 2.5 现在直接可以在 Cursor 里调出来用。发布后第一周，包含在订阅里的 Composer 2.5 用量翻倍，不用额外付钱。API 定价是每百万输入 token 2.50 美元，还有一个速度更快的变体，每百万 15 美元。快速变体的定价他们说低于其他前沿模型的 fast 方案，我自己没有对比数据，可以自己对比一下。
怎么说呢，「目前最强大的模型」这个标签，每隔几周就会有人刷新一次，它本身的信息量已经接近于零。真正有意义的是具体的问题，用了什么方法、解决了什么真实的痛点、有没有把踩到的坑诚实地说出来。
从这个角度看，这篇发布博客是有实质内容的。文本反馈 RL、合成任务的规模、奖励作弊的处理，这些不是销售话术，是有技术含量的东西。
Kimi K2.5 开源出来，最终以这种方式出现在每个 Cursor 用户的 IDE 里，这条链条里有一种我说不太清楚的东西。知识本来就应该是流动的，不应该被某一个节点截住。一个团队的研究成果，变成了另一个团队的基础，最后落在了千万个程序员每天工作的地方。这件事不轰轰烈烈，但它在静静地发生。
厉害了，这套。
包含用量翻倍这件事，我已经把 Cursor 打开，调出了 Composer 2.5，打算接下来几天拿真实项目跑一跑，主要看长任务里有没有感知得到的提升。如果有明显感受，另开一篇聊。
延伸阅读，感兴趣的话可以看看这些
Cursor 官方 Composer 2.5 发布博客，技术细节最完整，是这篇文章的主要素材来源，https://cursor.com/blog/composer-2-5
Composer 2 技术报告，讲了 Kimi K2.5 开源基础的来源和 Cursor 的训练思路，https://cursor.com/blog/composer-2-technical-report
Cursor 与 SpaceXAI 的合作详情，https://cursor.com/blog/spacex-model-training
Moonshot AI（Kimi 的母公司）官网，https://www.moonshot.cn
Cursor 模型文档，Composer 2.5 的定价和能力说明，https://cursor.com/docs/models/cursor-composer-2-5