机器之心报道

机器之心编辑部

Cursor 终于迈出了训练大型语言模型的重要一步。

Cursor 2.0 现已正式发布！

就在刚刚，Cursor 推出了两项重磅更新：第一个编码模型 Composer，以及一个支持多个智能体并行协作的新界面。

这一进展极具意义。尽管 Cursor 一直备受欢迎，但它的定位往往被称为「AI 时代的 VS Code」，原因在于其早前仅能依赖于 Claude、GPT 等第三方模型。这一局限性既是 Cursor 的起点，也是其发展的障碍。

Composer 的发布被视为 Cursor 突破这一瓶颈的“独立宣言”，同时也象征着 Cursor 正式从“AI 外壳”转变为“AI 原生平台”。

自主研发的模型 Composer

Composer 是一款前沿的模型，虽然在智能水平上未必赶上 GPT-5 等顶尖模型，但其生成速度却是其他同类智能模型的四倍。

在基准测试中，Composer 展现了行业领先的编码智能，其生成速度达到每秒 250 个 token——大约是市场上领先快速推理模型的两倍，远超同类前沿系统的四倍。（注：Cursor 将模型分为几个类别进行发布比较，包括“最佳开源”（如 Qwen Coder、GLM 4.6）、“快速前沿”（如 Haiku 4.5、Gemini Flash 2.5）、“2025 年 7 月前沿”（年中可用的最强模型）和“最佳前沿”（涵盖 GPT-5 和 Claude Sonnet 4.5）。在与中端前沿系统智能水平相当的同时，Composer 还在所有测试类别中创造了有记录以来的最高生成速度。）

这个模型的设计目标是实现低延迟的智能体编码，通常在30秒内完成大多数任务。早期的用户反馈表明，它在快速迭代方面表现出色，用户对其在多步骤编码任务上的处理能力表示信任。

官方指出，Composer通过一系列强大的工具进行训练，其中包括覆盖整个代码库的语义搜索，这让它在理解和处理复杂代码时显得尤为出色。

在训练的过程中，Composer利用一套生产级的搜索和编辑工具，以便高效地解决各种复杂问题。

该模型的开发灵感源自Cursor团队在创建Cursor Tab（自家研发的补全模型）时积累的经验。

开发者们发现，他们希望使用一种既智能又能互动的模型，这样才能保持编码时的专注和流畅。因此，在研发过程中，他们测试了一个名为Cheetah的原型智能体，以深入理解快速智能体模型的潜力。Composer则是在此基础上的更智能化升级版，以足够的速度支持交互式编码体验，让整个过程始终保持愉悦和顺畅。

从架构的角度来看，Composer属于混合专家（MoE）模型，能够生成和理解长上下文信息。它通过在多样化的开发环境中进行强化学习，专门为软件工程进行了优化。每次训练迭代中，模型都会接收问题描述，并被要求给出最佳解答，无论是代码的修改、方案的设计，还是提供信息性的回答。模型不仅能使用读取和编辑文件等简单工具，还能调用更为强大的功能，例如终端命令和面向整个代码库的语义搜索。

Cursor 2.0：重新定义智能开发环境的未来

为了评估进展，团队建立了一套尽量贴近软件开发者真实需求的评测体系。新推出的基准测试 Cursor Bench 由 Cursor 的工程师和研究人员提交的真实智能体请求构成，配有经过人工整理的最佳解决方案。此项评测不仅关注智能体的准确性，同时还评估其在遵循代码库现有抽象和软件工程实践方面的能力。

通过强化学习，团队能够更有针对性地优化模型，提升其在软件工程领域的效率。考虑到响应时间是交互式开发的核心，他们鼓励模型在工具使用上做出高效的选择，并在可能的情况下实现最大程度的并行处理。同时，他们通过减少冗余回复和避免无依据的声明来训练模型。在这一过程中，模型还自发掌握了一些实用技能，比如执行复杂的搜索、修复 linter 错误，以及编写和运行单元测试。

Cursor 的开发团队已经在日常工作中全面采用 Composer，这证明了其成熟性和稳定性。

目前，Composer 已完整融合进 Cursor 2.0，这是公司智能开发环境的一次重要升级。

多智能体界面

Cursor 的界面设计也经历了变革。

根据其博客的介绍，此版本更加专注，完全围绕“智能体”展开，而非传统的文件结构。这样，用户能够专注于期望的结果，智能体则处理复杂的细节。在需要深入代码时，用户可以随时在新布局中打开文件，或者切换回经典的 IDE 界面。

Cursor 2.0 能够有效并行运行多个智能体，彼此之间互不干扰。这得益于 git worktree 和远程机器的支持。Cursor 还表示：“我们发现，让多个模型并行处理同一问题，通过选择最佳解，能显著提高最终结果，尤其是在面对更具挑战性的任务时。”

在 every.to 的博客中，分享了一些测试案例。例如，您可以在上方的示例中看到，三个不同的模型同时执行相同的任务：Composer 1 Alpha 被运行了两次，而 Grok Code 则执行了一次。

该博客提到：“如今，开发者能够同时操作多个 AI 智能体，每个智能体负责项目的不同模块，这些模块被称为工作树（work tree）。这就好比一组实习生，各自负责文章的不同部分，并同步向我汇报进展。”

此外，Cursor 官方也指出，在他们愈发依赖智能体进行编程时，面临了两个新的瓶颈：代码审查和变更测试。

Cursor 2.0 正在致力于解决这两个问题。它能够更迅速地审查智能体的变更，并在必要时深入到代码中进行检查。

与此同时，他们还开发了原生的浏览器工具，使得 Cursor 能够测试其工作成果，并进行持续迭代，直到达到理想的最终效果。

基础设施

要高效训练大型 MoE 模型，必须在基础设施和系统研究方面投入大量精力。团队基于 PyTorch 和 Ray 构建了定制化的训练基础设施，以支持大规模环境下的异步强化学习。他们通过结合 MXFP8 MoE 内核与专家并行及混合分片数据并行，在原生低精度下进行模型训练，从而以极小的通信开销扩展训练至数千张 NVIDIA GPU。此外，采用 MXFP8 训练能够在无需后续量化的情况下，实现更快的推理速度。

在进行强化学习时，团队希望模型能够调用 Cursor Agent 框架中的任意工具。这些工具可以用于编辑代码、进行语义搜索、使用 grep 查找字符串，以及执行终端命令。考虑到 Cursor 的规模，为了让模型高效地调用这些工具，需要在云端并发运行成千上万的隔离沙盒编码环境。为了支持这一工作负载，团队对现有的 Background Agents 基础设施进行了改造，重新编写虚拟机调度器，以适应训练运行的突发性和规模。因此，他们成功实现了强化学习环境与生产环境的无缝对接。

网友点评

作为一款颇受关注的 AI 编程工具，Cursor 的此次重大版本更新无疑吸引了众多目光。

早期体验的开发者们纷纷给予积极评价。比如，every.to 的博客就汇总了多位开发者的反馈意见，其中既有赞誉，也有批评。

网友热议Cursor 2.0：开发者反馈与幽默互动

在X平台上，许多用户也开始分享自己的使用体验。

一些用户甚至开玩笑说，希望Cursor 2.0能够帮助他们创建AGI。

更多相关链接：

https://x.com/cursor_ai/status/1983567619946147967

https://cursor.com/blog/2-0

https://every.to/vibe-check/vibe-check-cursor-2-0-and-composer-1-alpha

https://cursor.com/cn/changelog/2-0

视频参考链接：https://mp.weixin.qq.com/s/SOYp-wIq3YE_DbgppqhALg