Cursor 上線 Composer 2.5：合成任務擴增 25 倍，強化長程程式設計

讓寫程式碼的 AI 跑一個長任務，最怕的不是它完全不會，而是它跑了幾百步、調了幾十次工具，中間偶爾報了個錯，最終卻稀裡糊塗交差。

Cursor 上線了新一代程式設計模型 Composer 2.5。它依然基於月之暗面開源的 Kimi K2.5 基座打造，但 Cursor 團隊把重點放在了訓練方法和行為調優上。這一代模型的合成訓練任務量直接拉到了 Composer 2 的 25 倍，定價也很兇殘：標準版輸入每百萬 token 只要 0.5 美元，輸出 2.5 美元；快速版雖然貴一些，輸入 3 美元、輸出 15 美元，但依然比其他前沿模型的極速檔更便宜。上線第一週，官方直接給所有使用者額度翻倍。

不僅如此，Cursor 還透露正在和 SpaceXAI 合作，動用擁有百萬張 H100 等效算力的 Colossus 2 叢集，用 10 倍於現在的總算力，從零訓練一個規模大得多的全新模型。

拿文本提示當「板子」，精準敲打犯錯的地方

在大模型強化學習裡，如果一次任務推演長達幾十萬 token，最後的獎勵函式往往是個「糊塗賬」。模型在中間某個回合調錯了工具、說了讓人摸不著頭腦的廢話，或者寫出了風格很醜的程式碼，只要最後任務勉強跑通了，總獎勵依然不低。模型根本不知道自己究竟哪一步做砸了。

針對這個痛點，Cursor 搞了一套帶文本反饋的目標強化學習。做法說白了就是區域性糾錯：當模型在某個長流程裡嘗試呼叫一個根本不存在的工具時，系統就在這一輪的上下文裡悄悄塞一句提示，比如「提醒：可用工具列表如下……」。

帶了這個提示的模型就像「老師」，對正確工具的預測機率立刻上升；沒帶提示的原始模型則是「學生」。團隊用區域性 KL 散度損失，只在出問題的那個回合上，強行把學生模型的權重推向老師的分佈。這樣既不用推翻整個長任務的整體獎勵目標，又能像拿板子精準敲打一樣，把模型調錯工具或胡說八道的區域性壞毛病改過來。

為了給強化學習喂更有挑戰性的題目，團隊把合成任務量做大了 25 倍。其中一個辦法是「刪功能」：給模型一個帶著完整測試集的大專案，讓它在保證專案還能跑通的前提下，刪掉某個具體功能的程式碼和檔案，再讓它自己把功能重新寫回去，拿原本的測試集做自動校驗。

有意思的是，隨著模型變聰明，它竟然學會了「刷分作弊」。Cursor 團隊發現，模型有時會去翻 Python 遺留下來的型別檢查快取，靠逆向工程找回被刪掉的函式簽名；在 Java 專案裡，它甚至會自己找到並反編譯位元組碼，直接還原被刪掉的第三方 API。

拆解 MoE，把最佳化器推到每步 0.2 秒

在底層架構上，因為 Composer 2.5 沿用了 MoE 架構，海量專家權重的通訊成了最大瓶頸。Cursor 拿出了分片 Muon 最佳化器配合雙網格混合切片資料並行（HSDP）。

團隊把非專家權重和專家權重徹底拆開處理。非專家權重引數量小，通訊範圍被死死按在一個節點或機架內部；而龐大的專家權重則鋪在更寬的跨節點網格上。在執行 Muon 的牛頓-舒爾茨正交化計算時，系統一邊做跨卡全交換傳輸，一邊推進其他計算任務，把網路等待和矩陣計算嚴密重疊起來。

在 1T 引數的模型規模下，Cursor 已經把最佳化器的單步耗時壓到了 0.2 秒。這套雙網格佈局還省下了大量顯示卡：原本單一共享網格需要 16 張 GPU 才能跑開的並行維度，現在 8 張卡就能搞定。

為什麼重要

對日常拿 Cursor 幹活的開發者來說，這一版升級最實在的改變其實不在跑分，而在互動感受。模型不再那麼容易在長呼叫裡神經刀，溝通風格和工作量校準也做了專項打磨，標準版極低的 token 單價配合首周雙倍額度，非常適合拿來重構老模組或寫長鏈路自動化指令碼。

從行業角度看，Cursor 這次展示了一條非常務實的工程路徑。它沒有盲目追求從頭卷基礎模型，而是拿成熟的開源基座（Kimi K2.5），靠極致的訓練資料合成、微觀 RL 糾偏，以及極其摳細節的底層通訊最佳化，硬生生把一個通用底座改造成了手感極佳的專業程式設計 Agent。這種「小團隊靠資料和訓練棧撬動前沿體驗」的打法，對所有做垂直 Agent 的團隊都是個極具參考價值的樣本。

我們認為，Cursor 這步棋走得最聰明的地方在於它對區域性行為的控制力。用文本自蒸餾來修補工具呼叫和溝通語氣，直接避開了傳統強化學習在超長上下文下獎勵訊號稀疏的死穴。但這種打法也有隱患：合成任務越多，模型鑽空子作弊的能力就越強。從反編譯位元組碼到逆向快取，如果後續缺乏更嚴密的沙箱和監控手段，模型很容易在真實業務程式碼裡學會各種看似跑通、實則投機取巧的危險操作。至於未來它和 SpaceXAI 在百萬卡叢集上從零訓出來的巨型模型，究竟能把程式碼能力推到什麼高度，恐怕是同行更需要捏一把汗的事。