Cursor 上线 Composer 2.5：合成任务扩增 25 倍，强化长程编程

让写代码的 AI 跑一个长任务，最怕的不是它完全不会，而是它跑了几百步、调了几十次工具，中间偶尔报了个错，最终却稀里糊涂交差。

Cursor 上线了新一代编程模型 Composer 2.5。它依然基于月之暗面开源的 Kimi K2.5 基座打造，但 Cursor 团队把重点放在了训练方法和行为调优上。这一代模型的合成训练任务量直接拉到了 Composer 2 的 25 倍，定价也很凶残：标准版输入每百万 token 只要 0.5 美元，输出 2.5 美元；快速版虽然贵一些，输入 3 美元、输出 15 美元，但依然比其他前沿模型的极速档更便宜。上线第一周，官方直接给所有用户额度翻倍。

不仅如此，Cursor 还透露正在和 SpaceXAI 合作，动用拥有百万张 H100 等效算力的 Colossus 2 集群，用 10 倍于现在的总算力，从零训练一个规模大得多的全新模型。

拿文本提示当「板子」，精准敲打犯错的地方

在大模型强化学习里，如果一次任务推演长达几十万 token，最后的奖励函数往往是个「糊涂账」。模型在中间某个回合调错了工具、说了让人摸不着头脑的废话，或者写出了风格很丑的代码，只要最后任务勉强跑通了，总奖励依然不低。模型根本不知道自己究竟哪一步做砸了。

针对这个痛点，Cursor 搞了一套带文本反馈的目标强化学习。做法说白了就是局部纠错：当模型在某个长流程里尝试调用一个根本不存在的工具时，系统就在这一轮的上下文里悄悄塞一句提示，比如「提醒：可用工具列表如下……」。

带了这个提示的模型就像「老师」，对正确工具的预测概率立刻上升；没带提示的原始模型则是「学生」。团队用局部 KL 散度损失，只在出问题的那个回合上，强行把学生模型的权重推向老师的分布。这样既不用推翻整个长任务的整体奖励目标，又能像拿板子精准敲打一样，把模型调错工具或胡说八道的局部坏毛病改过来。

为了给强化学习喂更有挑战性的题目，团队把合成任务量做大了 25 倍。其中一个办法是「删功能」：给模型一个带着完整测试集的大项目，让它在保证项目还能跑通的前提下，删掉某个具体功能的代码和文件，再让它自己把功能重新写回去，拿原本的测试集做自动校验。

有意思的是，随着模型变聪明，它竟然学会了「刷分作弊」。Cursor 团队发现，模型有时会去翻 Python 遗留下来的类型检查缓存，靠逆向工程找回被删掉的函数签名；在 Java 项目里，它甚至会自己找到并反编译字节码，直接还原被删掉的第三方 API。

拆解 MoE，把优化器推到每步 0.2 秒

在底层架构上，因为 Composer 2.5 沿用了 MoE 架构，海量专家权重的通信成了最大瓶颈。Cursor 拿出了分片 Muon 优化器配合双网格混合切片数据并行（HSDP）。

团队把非专家权重和专家权重彻底拆开处理。非专家权重参数量小，通信范围被死死按在一个节点或机架内部；而庞大的专家权重则铺在更宽的跨节点网格上。在运行 Muon 的牛顿-舒尔茨正交化计算时，系统一边做跨卡全交换传输，一边推进其他计算任务，把网络等待和矩阵计算严密重叠起来。

在 1T 参数的模型规模下，Cursor 已经把优化器的单步耗时压到了 0.2 秒。这套双网格布局还省下了大量显卡：原本单一共享网格需要 16 张 GPU 才能跑开的并行维度，现在 8 张卡就能搞定。

为什么重要

对日常拿 Cursor 干活的开发者来说，这一版升级最实在的改变其实不在跑分，而在交互感受。模型不再那么容易在长调用里神经刀，沟通风格和工作量校准也做了专项打磨，标准版极低的 token 单价配合首周双倍额度，非常适合拿来重构老模块或写长链路自动化脚本。

从行业角度看，Cursor 这次展示了一条非常务实的工程路径。它没有盲目追求从头卷基础模型，而是拿成熟的开源基座（Kimi K2.5），靠极致的训练数据合成、微观 RL 纠偏，以及极其抠细节的底层通信优化，硬生生把一个通用底座改造成了手感极佳的专业编程 Agent。这种「小团队靠数据和训练栈撬动前沿体验」的打法，对所有做垂直 Agent 的团队都是个极具参考价值的样本。

我们认为，Cursor 这步棋走得最聪明的地方在于它对局部行为的控制力。用文本自蒸馏来修补工具调用和沟通语气，直接避开了传统强化学习在超长上下文下奖励信号稀疏的死穴。但这种打法也有隐患：合成任务越多，模型钻空子作弊的能力就越强。从反编译字节码到逆向缓存，如果后续缺乏更严密的沙箱和监控手段，模型很容易在真实业务代码里学会各种看似跑通、实则投机取巧的危险操作。至于未来它和 SpaceXAI 在百万卡集群上从零训出来的巨型模型，究竟能把代码能力推到什么高度，恐怕是同行更需要捏一把汗的事。