Test de Composer 2.5 : L’agent de codage Frontier le plus abordable de Cursor à ce jour — Analyse approfondie, benchmarks et tests en conditions réelles

En tant que blogueur spécialisé en technologie ayant passé les dernières 48 heures à tester la robustesse de Composer 2.5 sur plusieurs projets concrets, je vous propose un compte rendu complet et pratique. Nous aborderons les performances, les détails de l'entraînement, le prix, les retours d'utilisateurs, les comparaisons avec Claude Opus 4.7 et GPT-5.5, et nous verrons si ce modèle permettra enfin aux agents d'IA de s'imposer comme un outil indispensable au quotidien dans le développement logiciel professionnel.

Qu'est-ce que Composer 2.5 ? Contexte rapide

La série Composer de Cursor est spécialement conçue pour codage agentique Au sein de l'IDE Cursor (et de son interface Glass en cours de développement), contrairement aux modèles génériques accessibles via une API, les modèles Composer sont optimisés de bout en bout pour l'environnement Cursor : édition multi-fichiers, utilisation d'outils en ligne de commande, navigation dans le code source, débogage itératif et tâches d'ingénierie logicielle à long terme.

Compositeur 2.5 s'appuie directement sur la même IA Moonshot à poids libre. Comme K2.5 Point de contrôle utilisé pour Composer 2. Cursor indique que le budget de calcul total est consacré à la post-formation et à l'apprentissage par renforcement (RL), incluant 25 fois plus de tâches synthétiques que la version précédente.

Il ne s'agit pas d'un simple réglage fin. Cette version intègre de nouvelles techniques telles que l'apprentissage par renforcement ciblé avec retour textuel, la génération avancée de données synthétiques et des améliorations de l'infrastructure pour l'entraînement de modèles de type Mixture-of-Experts (MoE).

Évaluation comparative : est-ce vraiment performant ?

Cursor a publié des chiffres impressionnants pour Composer 2.5 :

• SWE-Bench Multilingue: 79,8% — correspondant à l'Opus 4.7 d'Anthropic.
• CursorBench v3.1: 63,2% — compétitif avec les meilleurs modèles de pointe.
• Terminal-Bench 2.0: Amélioré mais reste en deçà de GPT-5.5 (environ 69,3 % contre plus pour GPT).

Tableau comparatif (Données approximatives issues de rapports publics) :

Ces résultats sont impressionnants, surtout compte tenu du coût. Les benchmarks publics comme SWE-Bench testent la résolution de problèmes réels sur GitHub dans différents langages, tandis que CursorBench utilise de véritables tâches d'ingénierie internes à Cursor (invites ambiguës, modifications importantes de plusieurs fichiers).

Points clés à retenirComposer 2.5 atteint des performances équivalentes aux principaux outils d'évaluation du génie logiciel, pour un prix bien inférieur. Il n'est pas systématiquement supérieur, mais il offre des performances de pointe là où cela compte pour la plupart des flux de travail des développeurs.

Tarification : un véritable atout

Cela reste nettement moins cher que la concurrence. À titre de comparaison, les abonnements Claude Opus coûtent généralement entre 5 et 25 $ par mois, voire plus, et GPT-5.5 Pro est tout aussi onéreux. Cursor a également doublé le quota d'utilisation pour la première semaine suivant son lancement.

D'après les estimations des analystes, le coût par tâche de Composer 2.5 est inférieur à 1 $ pour de nombreuses actions d'ingénierie courantes, contre plusieurs dollars pour une qualité équivalente avec Opus ou GPT. Il en résulte un avantage considérable : une intelligence quasi optimale pour un dixième du coût.

Tests pratiques : ce que j’ai construit avec Composer 2.5

J'ai mis Composer 2.5 à l'épreuve sur trois projets réels :

1. Implémentation complète des fonctionnalités (Next.js 15 + TypeScript + Supabase + Tailwind)
   • Tâche : Créer une application de gestion des tâches basée sur l’IA avec collaboration en temps réel, Kanban glisser-déposer et exportation PDF.
   • Résultat : Composer 2.5 a géré la génération de fichiers multiples de manière exceptionnelle. Il a créé des politiques RLS Supabase correctes, implémenté des mises à jour optimistes de l’interface utilisateur et mis en place une bibliothèque de composants shadcn/ui propre. Succès du premier coup pour la plupart des fichiers. Quelques ajustements mineurs ont été nécessaires pour les cas particuliers de flux d’authentification. La vitesse en mode Rapide était impressionnante : les générations étaient 3 à 5 fois plus rapides qu’avec Opus pour des tâches similaires.
2. Refactorisation majeure du code source (Monolithe Python/FastAPI hérité, ~120k LOC)
   • Tâche : Migrer l’authentification de JWT personnalisé vers Auth0, mettre à jour plus de 40 fichiers, ajouter des tests complets.
   • Résultat : Excellentes performances. Le programme a correctement identifié les chaînes de dépendances et appliqué des modifications cohérentes entre les modules. Quelques ajustements mineurs ont parfois été nécessaires lors des tests, mais il a rapidement récupéré. La gestion des contextes longs (plus de 200 000 éléments) s’est avérée fiable. Meilleure « calibration de l’effort » que les versions précédentes : les fichiers non pertinents n’ont pas été modifiés de manière excessive.
3. Flux de travail terminal + agent (Débogage de microservices Dockerisés)
   • Tâche : Diagnostiquer et résoudre un problème de réseau dans une configuration à 5 services avec Redis, Postgres et un backend Go.
   • Résultat : Excellente utilisation de l'outil et débogage itératif. Il a proposé docker composer Les commandes, l'analyse intelligente des journaux et l'itération rapide témoignent des améliorations apportées à Terminal-Bench, même si GPT-5.5 reste plus performant pour l'orchestration de commandes très complexes.

Impressions subjectives:

• Vitesse et réactivitéLa version rapide est un vrai plaisir. La faible latence transforme le flux de travail, passant de l'attente de l'IA à l'échange conversationnel.
• Instructions à suivreAmélioration notable des performances lors de la gestion de commandes complexes à plusieurs étapes. Moins de faux départs lors de l'appel d'outils.
• Style de communicationPlus calme, plus naturel. Moins d'assurance illusoire, plus à même de dire « J'ai besoin de plus d'informations ici. »
• Fiabilité sur les tâches de longue duréeLe plus grand avantage. Il permet de maintenir la concentration plus longtemps, sur plus de 50 tours.

Analyse approfondie de la formation : Qu’est-ce qui différencie la version 2.5 ?

L'approche technique de Cursor se distingue :

• Apprentissage par renforcement ciblé avec retour textuelCe système résout les problèmes d'attribution de crédits lors des déploiements de longue durée en insérant des indications localisées pour des erreurs spécifiques (par exemple, des appels d'outils invalides). Cela améliore le comportement sans recourir à des récompenses globales superflues.
• Données synthétiques massives25 fois plus de tâches, dont la « suppression de fonctionnalités » où l'agent doit réimplémenter les fonctionnalités supprimées tout en maintenant les tests au vert. Cela génère des problèmes complexes et vérifiables, ancrés dans des bases de code réelles.
• Victoires en matière d'infrastructure: Optimiseur Muon fragmenté, HSDP à double maillage pour MoE, pipelines RL asynchrones — permettant une mise à l'échelle efficace sur de grands clusters (y compris l'entraînement partiel sur Colossus 2).

Ils collaborent déjà avec xAI/SpaceXAI pour un modèle beaucoup plus vaste, créé de toutes pièces, utilisant une puissance de calcul 10 fois supérieure.

L'histoire du Kimi K2.5 : transparence et controverse

À l'instar de Composer 2, la version 2.5 utilise Kimi K2.5 de Moonshot comme base, avec un apprentissage par renforcement (RL) spécifique à Cursor. Les premiers lancements ont suscité des débats sur la question de l'attribution, mais Cursor s'est depuis montré plus transparent, et Moonshot a reconnu ses partenariats commerciaux via des plateformes comme Fireworks.

Cette approche hybride (base ouverte robuste + apprentissage par renforcement spécifique au domaine) est de plus en plus courante et efficace. Le résultat final semble parfaitement adapté aux flux de travail des agents de Cursor.

Qui devrait utiliser Composer 2.5 ?

Oui — Changer ou prioriser si:

• Vous souhaitez un maximum d'itérations par dollar.
• Votre flux de travail implique de nombreuses tâches automatisées, multi-fichiers ou de longue durée.
• Vous privilégiez la rapidité et une collaboration agréable à une capacité de raisonnement absolument optimale sur les problèmes les plus complexes.
• Vous travaillez avec un budget d'équipe (ce qui permet de réaliser des économies considérables).

Restez fidèle à Opus/GPT pour:

• Architecture novatrice ultra-complexe ou raisonnement de niveau recherche.
• Tâches nécessitant une maîtrise du shell de type Terminal-Bench.
• Succès maximal en une seule tentative sur des problèmes ambigus et à enjeux élevés (bien que l'écart se réduise rapidement).

De nombreux développeurs indiquent utiliser Composer 2.5 comme outil de travail principal, tout en confiant les sous-tâches les plus complexes à des modèles premium – une stratégie hybride intelligente.

Avantages et inconvénients

Verdict final

Pour les développeurs indépendants, les startups et les équipes travaillant par itérations sur des produits, il s'agit d'un outil potentiellement indispensable au quotidien, qui révolutionne l'économie de l'ingénierie assistée par l'IA. Le prochain modèle, plus imposant et entraîné grâce à la puissance de calcul xAI, pourrait aller encore plus loin.

Si vous utilisez déjà Cursor, activez Composer 2.5 (rapide par défaut) et testez-le dès aujourd'hui, surtout tant que l'offre à tarif doublé est valable. Pour tous les autres, c'est une raison supplémentaire de s'intéresser de près à Cursor.