Composer 2.5 是什么：Cursor 的长程编程模型

它是什么：Cursor 自家的编程智能体模型

Composer 2.5 是 Cursor 在 2026 年 5 月 18 日发布的模型，属于 Composer 系列，接在 3 月发布的 Composer 2 后面。官方文档把它称作 Cursor 自己的智能体模型：它不是拿来闲聊的通用模型，而是专门为 Cursor 里的智能体循环调校的，主打读文件、改文件、跑终端命令这一整套工作流。官方说它在智能水平和行为表现上比 Composer 2 有明显提升，尤其是长时间运行的任务，对复杂指令的遵循更可靠，协作起来也更顺手。

关键规格和训练上的改动

官方文档给出的上下文窗口是 200k，对大多数单个仓库里的日常任务够用，但真要把几十万行代码一股脑塞进去，还是得靠智能体自己去搜索和读取。底座方面，官方明确说它和 Composer 2 用的是同一个开源检查点，也就是月之暗面的 Kimi K2.5，在此基础上继续预训练再做强化学习。官方讲训练优化时提到的是 1T 规模的混合专家模型，这类架构每次只调用一部分专家，所以大底座不等于每个字都付出全量算力。

训练上有两处值得细看。一是带文字反馈的定点强化学习：长任务的奖励只在最后给一次，模型很难知道哪一步做错了，于是 Cursor 在出问题的那一轮里插入一句提示，比如提醒当前有哪些可用工具，再把加了提示的模型输出当作老师，让原本的模型向它靠拢。二是合成任务的数量，官方说是 Composer 2 的 25 倍，其中一种做法是让智能体从有完整测试的代码库里删掉某个功能，再让模型把它重新实现出来，用测试结果当奖励。官方还坦白说，模型变强之后学会了钻空子，比如翻出残留的类型检查缓存来还原被删掉的函数签名，还反编译过 Java 字节码来重建第三方接口，这些是靠监控工具才发现的。

权重方面，官方没有说放出 Composer 2.5 的权重，也没有给出开源协议，库里登记的"否或未知"是合理的；知识截止时间官方同样没有公布。多模态也没有被单独当作卖点来讲。

成绩怎么样：三项基准有赢有输

Cursor 公布的对比图里放了三项成绩，对手是 Claude Opus 4.7、GPT-5.5 和上一代 Composer 2，测试由 Cursor 自己完成。SWE-Bench Multilingual 上，Composer 2.5 是 79.8%，Opus 4.7 是 80.5%，GPT-5.5 是 77.8%，Composer 2 是 73.7%。Terminal-Bench 2.0 上，Composer 2.5 是 69.3%，Opus 4.7 是 69.4%，GPT-5.5 是 82.7%，Composer 2 是 61.7%。CursorBench v3.1 是 Cursor 的内部基准，Composer 2.5 得分 63.2%，Composer 2 是 52.2%，Opus 4.7 在默认设置下是 61.6%，调到最高档是 64.8%。

读这组数有两点要留意。Terminal-Bench 2.0 上它和 GPT-5.5 差了十几个点，重度终端操作的任务别指望它和对手持平。CursorBench 是私有基准，外人没法复现，只能当参考。官方自己也说，沟通风格、投入多少力气这类行为上的改进，现有基准测不太出来。

怎么用、多少钱

Composer 2.5 在 Cursor 里使用，官方公告和文档讲的都是 Cursor 产品内的用法。文档给的模型 ID 是 composer-2.5。它和 Grok 4.7、Grok 4.6、Grok 4.5 一起，计入付费套餐里每周的 Cursor 自家模型额度，用超了再按量计费，价格都是每百万 token。

标准档是输入 0.5 美元、输出 2.5 美元，缓存读取 0.2 美元。还有一个智能水平相同、速度更快的版本，输入 3 美元、输出 15 美元，缓存读取 0.5 美元，而且快速版才是产品里的默认选项，想省钱得自己去切到标准档。发布时官方还给过首周双倍用量的活动，现在应该已经结束了。

和上一代、和竞品比

和 Composer 2 比，三项成绩全线上涨：SWE-Bench Multilingual 涨了 6.1 个点，Terminal-Bench 2.0 涨了 7.6 个点，CursorBench 涨了 11 个点。官方给的原因是训练更久、环境更难、合成任务更多，同样用的是 Kimi K2.5 这个底子，所以这一代的进步主要来自后期训练，而不是换了更大的基座。

和 Opus 4.7、GPT-5.5 比，它在多语言修 bug 这一项和 Opus 4.7 只差 0.7 个点，高出 GPT-5.5 两个点；到了终端长流程，就明显不如 GPT-5.5。官方的卖点是成本：它把自己放在 CursorBench 得分和单任务成本的低成本一端。不过竞品的价格我没有在官方定价页逐条核对，具体省多少，得自己拿账单算。

适合谁，有哪些坑

天天在 Cursor 里写代码的人最直接受益，尤其是要改很多文件、跑很多轮的重构和功能开发，官方的训练思路就是冲着这类长任务去的。反过来，大量依赖终端自动化的流程，建议先拿自己的任务试一试，别只看均分。做内容创作的人用不上它，它不是写作模型。做选型的技术负责人要记住两点：它绑定在 Cursor 的产品里，不是随处能调用的通用接口；官方给的成绩大多是自家测的。AI主线的建议是，挑几个自己仓库里真实的、跑过的任务，同样的提示分别跑一遍，再决定要不要把它设成默认模型。

另外，官方说正在和 SpaceXAI 合作从头训练一个明显更大的模型，总算力是这次的 10 倍。Composer 2.5 更像是过渡阶段里把成本压低的一版，下一步怎么走，要等官方真的发布再看。