AI代码编辑器公司Cursor今日推出了名为Composer 2的人工智能模型,该公司声称这款模型在许多编程任务上的表现超越了Claude Opus 4.6。
该模型通过Cursor旗下广受欢迎的AI代码编辑器提供服务。注册名为Anysphere Inc的Cursor公司表示,其软件拥有超过100万的日活跃用户。这一庞大的用户基础帮助该公司在去年11月获得了293亿美元的估值。
Composer 2支持多达20万Token的提示输入。它能够生成代码、修复现有软件中的错误,并与计算机的命令行界面进行交互。开发者还可以选择性地为模型提供浏览器、图像生成器和其他工具的访问权限来扩展其功能。
Cursor使用名为CursorBench的内部基准测试对Composer 2进行了评估。该测试包含的编程挑战基于公司工程团队完成的实际任务。CursorBench的平均挑战包含分布在8个文件中的352行代码。
Composer 2获得了超过60%的分数,排名第三,仅次于GPT-5.4的高配置和中配置模式。这些是OpenAI集团旗舰模型使用更多硬件来提高输出质量的模式。据Cursor称,Composer 2的表现超越了GPT 5.4的低配置模式和Claude Opus 4.6。
这款新模型在Terminal-Bench 2.0基准测试中也击败了Anthropic公司的模型。该评估测试衡量AI模型在命令行界面中执行任务的能力。
Cursor表示,Composer 2比许多竞争对手的前沿模型更具成本效益。该算法的标准版本定价为每百万输入Token 50美分,每百万输出Token 2.50美元。还有第二个更昂贵的版本,提供相同的输出质量但响应开发者提示的速度要快得多。其定价为每百万输入Token 1.50美元,每百万输出Token 7.50美元。
据彭博社报道,该模型的成本效益部分源于它完全基于编程数据集进行训练这一事实。前沿模型通常被训练来自动化更广泛的任务范围,这增加了它们的硬件占用。
Cursor使用了一种名为自总结的机器学习方法来简化开发过程。AI模型在训练期间接收的编程任务需要处理大量数据。在某些情况下,数据量超过了模型的上下文窗口。自总结技术将信息压缩为不超过上下文窗口限制的形式。
Composer 2的发布可能有助于提升投资者对Cursor据报道正在进行的融资轮次的兴趣。预计这项投资将使该公司的估值提升至约500亿美元。
Q&A
Q1:Composer 2是什么?有什么特别之处?
A:Composer 2是Cursor公司推出的AI编程模型,专门针对编程任务进行优化。它支持20万Token的提示输入,能够生成代码、修复软件错误、与命令行交互,性能超越了Claude Opus 4.6等竞争对手。
Q2:Composer 2的价格如何?
A:标准版定价为每百万输入Token 50美分,输出Token 2.50美元。还有快速版本,价格为每百万输入Token 1.50美元,输出Token 7.50美元,响应速度更快但价格更高。
Q3:为什么Composer 2比其他模型更便宜?
A:因为它完全基于编程数据集训练,而非像其他前沿模型那样训练处理广泛任务。专门化训练降低了硬件需求,同时使用自总结技术优化数据处理,从而实现更好的成本效益。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。