一水 发自 凹非寺

量子位 | 公众号 QbitAI

倒反天罡了朋友！

Cursor新模型不仅性能超越Claude，而且价格更是直接“脚踝斩”（都不说腰斩了）。

众所周知，Cursor作为模型提供商，早期还靠供应Claude模型狠狠吸了一波粉。

结果现在，它自己搞出了一款编程模型，而且转身就把Claude拉下马了——

其最新编程模型Composer 2，不仅能力超越Claude Opus 4.6，关键是价格降了非常多。

就这么说吧，别人降价是“腰斩”，它这直接是“脚踝斩”。

那么问题来了，Cursor凭啥能在大家都“涨价”的时候把价格打下去呢？

（注：随着“龙虾”爆火，全球大模型Token消耗量呈指数级增长，所以从年初开始，国内外云厂商和大模型公司都在集体涨价。）

答案，Cursor也随之公布了——

一种新的强化学习方法。

比Opus 4.6更强，价格还down down down！

先说目前已经在Cursor上线的Composer 2。

从名字英译“编曲家”你就能猜出来了，这款模型主打的是“编程家”（bushi。

鉴于“龙虾”爆火后编程消耗的Token用量一路激增，所以Cursor当下只有一个目标——

性价比、性价比、还是性价比。

何谓性价比？自然是“兼顾智能与成本的最优组合”。

能力方面，Cursor表示：

Composer 2在我们衡量的所有基准测试上都取得了大幅提升，其中包括Terminal-Bench 2.0和SWE-bench Multilingual。

比如在衡量智能体终端操作能力的Terminal-Bench 2.0上，其水平目前已经跃居GPT-5.4和Claude Opus 4.6之间。

而且从Composer模型的迭代来看，其进化速度正不断加快。

定价方面，标准版Composer 2的输入价格为0.5美元/百万tokens（约合人民币3.5元）、输出价格为2.5美元/百万tokens（约合人民币17.2元）。

你瞅，和Claude Opus 4.6相比，几乎真到了“脚踝”的程度。

与此同时，Cursor还推出了一个“智能水平相同但速度更快的变体”——Composer 2 Fast。

这款默认模型的定价为，每百万输入tokens 1.5美元（约合人民币10.3元）、每百万输出tokens 7.5美元（约合人民币51.7元）。

和Claude Opus 4.6相比，它不仅延续了价格优势，而且速度更是一骑绝尘。

而据Cursor透露，它之所以能在性能和价格之间取得平衡，核心还是靠引入了一种新的强化学习方法。

划重点，该方法不是推理技巧，而是实实在在训练出来的能力。

引入“做笔记”强化学习方法

如果用一句话来总结这种新方法，那便是：

让模型学会“自己给自己做会议纪要”，从而把原本记不住的超长任务，一步步接着干下去。

Cursor的原话如下：

虽然这种名为“自我总结的强化学习方法”听起来有点拗口，但思路其实很清晰。

它核心解决的问题是——

如今大多数AI编程助手都很能干活了，但一旦任务变长、变复杂，就会开始不停掉链子。

这背后的原因呢，大家也都很清楚：上下文装不下。

一个复杂工程任务动辄就是上万行代码、上百步操作，而模型的上下文窗口总是有限的，所以很多任务根本跑不到终点。

而为了突破上下文瓶颈，目前业界围绕“压缩”有两种主流解法：

• 要么做摘要，总结一波再继续；

• 要么直接通过滑动上下文窗口，丢弃较早的上下文。

又或者一些比较新的探索尝试——在潜在空间中压缩，将上下文压缩成向量而非文本（这种方法虽然比文本压缩慢但准确率更高）。

但不管是哪种，初步看下来都不够靠谱，它们都有可能导致模型遗忘上下文中的关键信息，从而在推进长时间运行的任务时降低其效果。

换言之，任务越长，模型越容易跑偏。

而Cursor的解法是——首先总结很重要，其次把这种总结能力内化成模型自己的能力也很重要。

所以他们给自家模型加了一套“self-summary（自我总结）”的机制：

模型干活干到一半，不是被动压缩，而是主动停下来给自己写一段“阶段总结”，俗称“做笔记”。

具体流程大致如下：

1、Composer基于提示词持续生成，直到达到固定的token长度触发点。

2、插入一个合成查询，要求模型总结当前上下文。

3、给模型提供一定的草稿思考空间，让它构思最佳总结，然后生成压缩后的上下文。

4、Composer使用压缩后的上下文回到步骤1；该上下文包含总结以及对话状态（规划状态、剩余任务、之前总结的次数等）。

这里面比较关键的一点是，模型的自我总结能力不是推理技巧，而是训练出来的。

在强化学习过程中，这种总结能力会被算进奖励里：

• 总结得好→后面任务更容易成功→奖励更高

• 总结丢信息→任务失败→被惩罚

结果就是，模型慢慢搞清了：什么信息值得留下，什么可以丢掉。

具体效果可以看和传统方法的对比。

在一组高难度软件工程任务上，“传统摘要法”光是总结提示词就要写几千个tokens，而且压缩后的结果也不短，平均需要5000+tokens。

而Composer的提示词非常简单，基本就一句话“Please summarize the conversation”，且压缩后的输出平均只有1000个tokens。

在同样的任务上，后者token用量只有传统方法的1/5，而且压缩带来的错误直接减少约50%。

换句话说，压缩得更狠，但信息更关键。

更有意思的是，它真能解决长链条任务。

Cursor拿出了一道难倒一众模型的经典难题——把Doom游戏跑在MIPS架构上。

我已经提供了 /app/doomgeneric/，也就是 doom 的源代码。我还编写了一个特殊的 doomgeneric_img.c，希望您使用它；它会将绘制的每一帧写入 /tmp/frame.bmp。最后，我还提供了 vm.js，它会读取一个名为 doomgeneric_mips 的文件并运行它。其余部分请您自行解决……

由于需要模型自己改代码、编译调试、反复试错……所以很多模型到后来基本都直接卡死了。

但Composer在经过170轮交互后，找到了精确的解法，并在过程中将10w+tokens总结压缩到了1000个。

总之，一系列内部测试表明：

通过将压缩整合进训练循环，Composer学会了一种显式机制，能够高效地将关键信息向后传递，并在高难度任务上变得更有能力。

而且前面不是说了Cursor节奏很快，这不，Cursor研究员也已经开始放出Composer 3的消息了。

只能说发展到现在，Cursor以后也是有双重身份的“人”了。其CEO表示：

Cursor是一个典型的新公司，既不是纯粹的应用程序开发商，也不是模型提供商。

就是不知道能不能等一个开源？反正抱抱脸联创兼CEO已经去帮大家求了（抱拳jpg）。

参考链接：

— 欢迎AI产品从业者共建 —

📚「AI产品知识库」是量子位智库基于长期产品库追踪和用户行为数据推出的飞书知识库，旨在成为AI行业从业者、投资者、研究者的核心信息枢纽与决策支持平台。