Composer 2.5 评测：Cursor 迄今为止最经济实惠的前沿编码代理——深度解析、基准测试和实际应用测试

作为一名科技博主，我花了48小时在多个真实项目中对Composer 2.5进行了压力测试，现在为大家带来一份全面而深入的评测。我们将涵盖基准测试、训练细节、定价、真实用户体验、与Claude Opus 4.7和GPT-5.5的比较，以及它是否最终能让AI代理成为专业软件工程师日常工作的核心工具。

什么是 Composer 2.5？简要介绍

Cursor 的 Composer 系列是专为……而设计的 代理编码 在 Cursor IDE（及其新兴的 Glass 界面）内部。与通过 API 访问的通用模型不同，Composer 模型针对 Cursor 环境进行了端到端优化：多文件编辑、终端工具使用、代码库导航、迭代调试和长期软件工程任务。

作曲家 2.5 它直接基于同一个开放重量级的 Moonshot AI 构建。 比如K2.5 Composer 2 使用的检查点。Cursor 报告称，将约 85% 的总计算预算用于训练后和强化学习 (RL)，其中包括比上一版本多 25 倍的合成任务。

这并非简单的微调。它采用了诸如带有文本反馈的定向强化学习、高级合成数据生成以及专家混合模型（MoE）训练的基础设施改进等新技术。

基准测试：它到底有多好？

Cursor公布了Composer 2.5的强劲销售数据：

• SWE-Bench 多语言版： 79.8% — 与 Anthropic 的 Opus 4.7 相匹配。
• CursorBench v3.1： 63.2% — 与顶级前沿机型相比具有竞争力。
• 终端工作台 2.0有所改进，但落后于 GPT-5.5（据报道约为 69.3%，而 GPT 更高）。

对比表（根据公开报告估算）：

考虑到成本，这些结果令人印象深刻。像 SWE-Bench 这样的公开基准测试可以跨语言测试真实的 GitHub 问题解决能力，而 CursorBench 则使用真实的 Cursor 内部工程任务（模糊提示、大型多文件更改）。

要点总结Composer 2.5 在关键的软件工程评估中达到了同等水平，而价格却低得多。它并非在所有方面都更胜一筹，但在大多数开发人员的工作流程中，它都能提供前沿级别的性能。

定价：真正的游戏规则改变者

这仍然比竞争对手便宜得多。作为参考，Claude Opus 的套餐价格通常在 5 美元到 25 美元以上/月之间，GPT-5.5 Pro 的价格也相差无几。此外，Cursor 还将发布后第一周的使用限额翻了一番。

分析师估算，Composer 2.5 的单项任务成本对于许多典型的工程操作而言不到 1 美元，而 Opus 或 GPT 同等质量的产品则需要几美元。这构成了一个强大的帕累托前沿：以十分之一的成本获得接近顶尖的智能水平。

实战测试：我用 Composer 2.5 构建了什么

我用 Composer 2.5 在三个实际项目中进行了全面测试：

1. 全栈功能实现 （Next.js 15 + TypeScript + Supabase + Tailwind）
   • 任务：构建一个人工智能驱动的任务管理应用程序，具备实时协作、拖放看板和 PDF 导出功能。
   • 结果：Composer 2.5 在处理多文件脚手架方面表现出色。它创建了正确的 Supabase RLS 策略，实现了乐观的 UI 更新，并构建了一个简洁的 shadcn/ui 组件库。大多数文件都能一次性成功。对于一些特殊情况的身份验证流程，只需进行少量调整。快速模式下的速度“令人惊叹”——在类似任务中，其速度比 Opus 快 3-5 倍。
2. 大型代码库重构 （传统 Python/FastAPI 单体应用，约 12 万行代码）
   • 任务：将身份验证从自定义 JWT 迁移到 Auth0，更新 40 多个文件，添加全面的测试。
   • 结果：性能卓越。它能正确识别依赖链，并在各个模块中保持一致的更改。偶尔需要对测试断言进行一些微调，但都能很好地恢复。对长上下文（超过 20 万个标记）的处理也十分可靠。与早期版本相比，它的“工作量校准”做得更好——不会过度编辑无关的文件。
3. 终端 + 代理工作流 （Docker化微服务调试）
   • 任务：诊断并修复包含 Redis、Postgres 和 Go 后端的 5 个服务设置中的网络问题。
   • 结果：工具使用出色，迭代调试效果显著。它提出了 docker compose 命令执行得当，日志检查也十分智能，迭代速度很快。Terminal-Bench 的改进在此有所体现，但对于非常复杂的 shell 编排，GPT-5.5 仍然更胜一筹。

主观印象：

• 速度与响应能力快速版本令人愉悦。低延迟将工作流程从“等待人工智能”转变为“对话式配对”。
• 遵循以下说明：在处理复杂的多步骤提示时表现明显更佳。工具调用中的错误启动次数更少。
• 沟通风格更冷静、更自然。自信不再那么虚假，更善于表达“我需要更多信息”。
• 长时间任务的可靠性最大的优势在于，它能在50回合以上保持更高的专注度。

训练深度解析：2.5 版本有何不同之处

Cursor 的技术方法独树一帜：

• 利用文本反馈进行定向强化学习：通过针对特定错误（例如，无效的工具调用）插入局部提示，解决长时间部署中的积分分配问题。这可以在不引入全局噪声奖励的情况下改善性能。
• 海量合成数据任务数量增加了 25 倍，其中包括“功能删除”任务，即智能体必须在保持测试通过的前提下重新实现已删除的功能。这生成了基于真实代码库的、难度较高且可验证的问题。
• 基础设施建设致胜分片缪子优化器、MoE 双网格 HSDP、异步 RL 流水线——能够在大型集群上实现高效扩展（包括在 Colossus 2 上进行部分训练）。

他们已经与 xAI/SpaceXAI 合作，从零开始构建一个规模更大的模型，使用 10 倍的计算能力。

《奇米K2.5》的故事：透明度与争议

与 Composer 2 类似，2.5 版本也以 Moonshot 的 Kimi K2.5 为基础，并在此基础上进行了大量的 Cursor 特有的强化学习。最初的版本发布引发了关于署名权的争议，但 Cursor 此后变得更加开放，Moonshot 也通过 Fireworks 等平台承认了商业合作关系。

这种混合方法（强大的开放基础 + 特定领域的强化学习）越来越普遍且有效。最终结果明显是针对 Cursor 的智能体工作流程量身定制的。

哪些人应该使用 Composer 2.5？

是的——切换或优先处理：

• 你希望每花费一美元能获得最大的迭代次数。
• 您的工作流程涉及大量代理任务、多文件任务或长时间运行的任务。
• 你更看重速度和愉快的合作，而不是在最难的问题上追求绝对的巅峰推理能力。
• 你们的预算是团队预算（可以非常有效地节省成本）。

坚持使用 Opus/GPT：

• 超复杂的新型架构或研究级推理。
• 需要熟练掌握 Terminal-Bench 式 shell 的任务。
• 在模糊不清、风险极高的问题上取得一次性成功（尽管差距正在迅速缩小）。

许多开发者表示，他们使用 Composer 2.5 作为默认的“主力军”，同时将最难的子任务分配给高级型号——这是一种巧妙的混合策略。

优点和缺点

最终结果

对于独立开发者、初创公司以及从事迭代产品开发的团队而言，这可能是一项能够改变人工智能辅助工程经济模式的日常驱动力。即将推出的基于 xAI 计算训练的大型模型可能会将这种变革推向新的高度。

如果您已经在使用 Cursor，请启用 Composer 2.5（默认快速模式）并立即体验——尤其是在使用次数翻倍活动期间。对于其他用户来说，这也是认真考虑 Cursor 的又一个充分理由。