Composer 2.5: เกณฑ์วัดผล ราคา และการเปรียบเทียบ

Cursor เปิดตัว Composer 2.5 เมื่อวันที่ 18 พฤษภาคม 2026 ราวสองเดือนหลังจาก Composer 2 ออกในเดือนมีนาคม ช่วงเวลาระหว่างรุ่นที่สั้นแสดงให้เห็นว่า Cursor อัปเดตไลน์โมเดลของตนรวดเร็วเพียงใด

Cursor รายงานว่า Composer 2.5 ทำคะแนนได้ใกล้เคียงกับ Claude Opus 4.7 และ GPT-5.5 บนเกณฑ์วัดผลงานโค้ดหลายรายการ และยังมีราคาต่อโทเค็นต่ำกว่าโมเดลแนวหน้าอีกด้วย การฝึกก็เปลี่ยนไปเช่นกัน: เพิ่มงานสังเคราะห์มากขึ้น สภาพแวดล้อมการฝึกที่ยากขึ้น และวิธีการป้อนกลับที่เล็งไปยังข้อผิดพลาดเฉพาะจุดในเซสชันการเขียนโค้ดยาวๆ

ในบทความนี้ ผู้เขียนมอง Composer 2.5 มากกว่าการอัปเดตคะแนนเบนช์มาร์ก จะครอบคลุมว่ามันคืออะไร เปลี่ยนอะไรบ้าง คะแนนเบนช์มาร์กเป็นอย่างไร การตั้งราคาทั้งหมดเทียบกับโมเดลแนวหน้าอย่างไร และมันเหมาะกับเวิร์กโฟลว์การเขียนโค้ดตรงไหน ทั้งนี้มีข้อจำกัดอยู่บ้างซึ่งควรรู้ก่อนตีความว่าคะแนนคือทุกอย่าง

หากต้องการพื้นหลังของโมเดลอื่นๆ ในการเปรียบเทียบนี้ ดูคู่มือของเราเกี่ยวกับ Claude Opus 4.7 และ GPT-5.5。

Composer 2.5 ของ Cursor คืออะไร

Composer 2.5 คือโมเดลใหม่ล่าสุดในตระกูล Composer ของ Cursor ที่สร้างมาเพื่อการเขียนโค้ดภายใน Cursor IDE โดยสืบทอดจาก Composer 1, Composer 1.5 และ Composer 2

ไทม์ไลน์ Composer ตั้งแต่เปิดตัวจนถึงรุ่น 2.5 ภาพโดยผู้เขียน

นี่ไม่ใช่แชตบ็อตทั่วไป Composer 2.5 ถูกฝึกมาเพื่อแก้ไขข้ามไฟล์ รันคำสั่งเทอร์มินัล ใช้เครื่องมือ และทำงานในเซสชันการเขียนโค้ดที่ยาวขึ้น เป้าหมายการฝึกและเกณฑ์วัดผลเน้นงานวิศวกรรมซอฟต์แวร์

โพสต์เปิดตัวระบุว่าโมเดลทำคะแนนเหนือ Composer 2 ในงานโค้ด และมีพฤติกรรมต่างออกไปในเซสชันที่ยาวขึ้น ขณะนี้เป็นตัวเลือกเริ่มต้นในตัวเลือกโมเดลของ Cursor แม้ Composer 2 จะยังมีให้ใช้อยู่ ทั้งนี้ใช้งานได้เฉพาะภายใน Cursor ไม่มี API สาธารณะ ไม่มีการ์ดโมเดลบน Hugging Face และไม่สามารถเข้าถึงผ่านผู้ให้บริการรายอื่น

มีอะไรเปลี่ยนไปใน Composer 2.5

การเปลี่ยนแปลงใน Composer 2.5 แบ่งได้เป็นสองกลุ่ม: สมรรถนะงานโค้ดและพฤติกรรมการทำงานร่วมกัน อย่างแรกวัดผลได้ง่ายกว่าอย่างหลัง จึงควรแยกสิ่งที่ Cursor แสดงเป็นตัวเลขออกจากสิ่งที่อธิบายเชิงคุณภาพ

สมรรถนะในงานที่ยาวขึ้น

Composer 2.5 มุ่งที่เซสชันการเขียนโค้ดที่ยาวขึ้น ซึ่งโมเดลต้องอ่านไฟล์ รันคำสั่งเทอร์มินัล แก้ข้อผิดพลาด และวนซ้ำ นั่นสำคัญเพราะการพัฒนาจริงแทบไม่จบได้ด้วยพรอมป์ตและคำตอบครั้งเดียว

Cursor ฝึกโมเดลในสภาพแวดล้อม การเรียนรู้แบบเสริมกำลัง ที่ยากขึ้นสำหรับงานลักษณะนี้ งานถูกสร้างระหว่างฝึก และความยากเพิ่มขึ้นตามเวลา

การทำตามคำสั่งและการทำงานร่วมกัน

รุ่นนี้ยังอธิบายถึงความน่าเชื่อถือในการทำตามคำสั่งที่ดีขึ้น โดยชี้ไปที่การปรับเทียบความพยายาม: โมเดลควรใช้ทรัพยากรมากขึ้นกับงานยาก และเลี่ยงการคิดเกินกับงานง่าย

มีข้อควรระวังอยู่ Cursor ระบุว่าการเปลี่ยนพฤติกรรมเหล่านี้ "ไม่สะท้อนชัดในเบนช์มาร์กที่มีอยู่" ส่วนนี้จึงพึ่งพาการประเมินของ Cursor เองและเสียงผู้ใช้ช่วงแรก มากกว่าคะแนนสาธารณะ

สภาพแวดล้อม RL ที่ยากขึ้น

โพสต์เปิดตัวสรุปการเปลี่ยนการฝึกว่า "ขยายสเกลการฝึก สร้างสภาพแวดล้อม RL ที่ซับซ้อนขึ้น และแนะนำวิธีเรียนรู้ใหม่" โดยใช้ภารกิจสังเคราะห์มากกว่า Composer 2 ถึง 25 เท่า

Cursor ฝึก Composer 2.5 อย่างไร

รายละเอียดการฝึกอธิบายว่าทำไมโมเดลจึงเปลี่ยนได้โดยไม่ต้องมีสถาปัตยกรรมฐานใหม่ Composer 2.5 ใช้ฐานเดียวกับ Composer 2 แต่กระบวนการหลังการฝึกฐานเปลี่ยนไป ไม่ใช่ทุกรายละเอียดโครงสร้างพื้นฐานจะสำคัญเท่ากันสำหรับผู้อ่าน แต่บางส่วนช่วยอธิบายการขยับของเบนช์มาร์ก

สร้างบน Kimi K2.5

Composer 2.5 สร้างบนจุดตรวจโอเพนซอร์สเดียวกับ Composer 2: Kimi K2.5 ของ Moonshot AI Cursor ระบุเรื่องนี้โดยตรงในโพสต์เปิดตัว ซึ่งสำคัญเพราะโมเดลฐานเคยเป็นประเด็นถกเถียงรอบ Composer 2

Kimi K2.5 ใช้สถาปัตยกรรม Mixture of Experts Cursor ทำการพรีเทรนอย่างต่อเนื่องและ RL ต่อบนฐานนั้น และระบุว่าโดยประมาณ 85% ของคอมพิวต์รวมสำหรับโมเดลสุดท้ายมาจากงานของตนเองหลังการฝึกฐาน

RL แบบเฉพาะจุดด้วยป้อนกลับเชิงข้อความ

นี่คือการเปลี่ยนแปลงทางเทคนิคหลักใน Composer 2.5 RL มาตรฐานให้สัญญาณรางวัลหนึ่งครั้งเมื่อจบลำดับยาว ในเซสชันเขียนโค้ดยาวๆ รางวัลสุดท้ายนั้นอาจมีสัญญาณรบกวนสูงเกินกว่าจะชี้ว่าพลาดตรงไหน

ครูและนักเรียนแชร์หนึ่งเทิร์นร่วมกัน ภาพโดยผู้เขียน

วิธีของ Cursor แทรกคำใบ้สั้นๆ ณ จุดที่โมเดลตัดสินใจผิด เช่น หากโมเดลเรียกใช้เครื่องมือที่ไม่มีอยู่ กระบวนการฝึกจะใส่รายชื่อเครื่องมือที่ถูกต้องเป็นตัวเตือน เวอร์ชันที่มีคำใบ้ทำหน้าที่เป็น "ครู" ส่วนเวอร์ชันดั้งเดิมเป็น "นักเรียน" จากนั้นใช้การสูญเสียแบบกลั่นเพื่อลดช่องว่างพฤติกรรมของนักเรียนให้เข้าใกล้ครูเฉพาะเทิร์นนั้น

ผลลัพธ์คือการฝึกที่แม่นจุดมากขึ้น: สามารถแก้ไขข้อผิดพลาดรายจุดได้ โดยไม่ต้องมองทั้งโรลเอาต์ยาวๆ ว่าถูกหรือผิดอย่างคลุมเครือ Cursor ใช้วิธีนี้กับสไตล์โค้ด การใช้เครื่องมือ และการสื่อสารของโมเดลระหว่างการฝึก Composer 2.5

ข้อมูลสังเคราะห์ในสเกลที่ใหญ่ขึ้น

Composer 2.5 ถูกฝึกด้วยภารกิจสังเคราะห์มากกว่า Composer 2 ถึง 25 เท่า งานเหล่านี้ยึดโยงกับโค้ดเบสจริง ไม่ใช่ตัวอย่างของเล่น

หนึ่งแนวทางที่ Cursor อธิบายคือการลบฟีเจอร์ ตัวเอเจนต์เริ่มจากโค้ดเบสจริงพร้อมชุดทดสอบขนาดใหญ่ แล้วลบโค้ดและไฟล์ออกโดยยังคงให้โปรเจ็กต์ที่เหลือใช้งานได้ ภารกิจสังเคราะห์คือการเขียนฟีเจอร์ที่ถูกลบกลับมา โดยชุดทดสอบเป็นสัญญาณรางวัลที่ตรวจสอบได้

สเกลของการฝึกด้วยข้อมูลสังเคราะห์มีความเสี่ยงในตัว Cursor บันทึกกรณีที่ Composer 2.5 หาเส้นลัด เช่น กู้ข้อมูลที่ถูกลบจากแคชตรวจชนิดของ Python และถอดไบต์โค้ด Java เพื่อสร้าง API ภายนอกใหม่ บริษัทระบุว่าตรวจจับได้ด้วยเครื่องมือมอนิเตอร์ แต่ยอมรับว่าการฝึกในสเกลนี้ต้อง "เพิ่มความระมัดระวัง"

การเปลี่ยนแปลงด้านโครงสร้างพื้นฐาน

ด้านโครงสร้างพื้นฐาน Cursor ใช้ Sharded Muon และ dual mesh HSDP สำหรับการพรีเทรนต่อเนื่อง การเปลี่ยนนี้ลดต้นทุนและเวลาในการฝึกบนคลัสเตอร์ GPU ขนาดใหญ่บางส่วน

ผลเบนช์มาร์กของ Composer 2.5: Terminal-Bench, SWE-Bench และ CursorBench

เบนช์มาร์กมีประโยชน์ แต่ไม่ใช่ภาพทั้งหมด ควรใช้เป็นจุดตั้งต้นสำหรับการเปรียบเทียบ มากกว่าคำตัดสินถึงประสบการณ์ใช้งานในแต่ละวัน

Cursor ประเมิน Composer 2.5 บนสามเบนช์มาร์กดังต่อไปนี้:

SWE-Bench Multilingual ทดสอบว่าโมเดลสามารถแก้ปัญหา GitHub จริงได้หรือไม่ในหลายภาษาโปรแกรม แต่ละงานให้รีโปและโจทย์ แล้วตรวจว่าแพตช์ผ่านชุดทดสอบที่เกี่ยวข้องหรือไม่

Terminal-Bench 2.0 วัดความสามารถของเอเจนต์ AI ในการทำงานเทอร์มินัลจริง: ตรวจไฟล์ รันคำสั่ง แก้ข้อผิดพลาด และทำงานหลายขั้นตอนให้เสร็จ

CursorBench v3.1 เป็นเบนช์มาร์กภายในของ Cursor ประเมินเอเจนต์บนงานกำกวมหลายไฟล์จากเซสชัน Cursor จริง รวมถึงความเข้าใจโค้ดเบส การหา bug การวางแผน และรีวิวโค้ด ข้อจำกัดคือ CursorBench ไม่สามารถตรวจสอบหรือทำซ้ำโดยนักวิจัยภายนอกได้ และควรเปรียบเทียบคะแนนภายในเวอร์ชันการประเมินเดียวกัน

มีข้อควรระวังหนึ่งข้อก่อนอ่านตัวเลขเหล่านี้มากเกินไป การเปรียบเทียบข้ามโมเดลบนเบนช์มาร์กไม่สะอาดเสมอไป การตั้งค่าการประเมินและระดับความพยายามที่ต่างกันทำให้คะแนนขยับได้ และ Cursor ระบุว่า Opus 4.7 และ GPT-5.5 ใช้คะแนนที่รายงานเองสำหรับการประเมินสาธารณะ ควรมองเป็นการเปรียบเทียบเชิงทิศทาง ไม่ใช่การทดสอบภายใต้เงื่อนไขเดียวกันทุกประการ

มีเบนช์มาร์กภายนอกภายหลังจาก Artificial Analysis ที่ชี้ไปในทิศทางคล้ายกัน แม้จะใช้ชุดเบนช์มาร์กต่างกัน Composer 2.5 ได้คะแนน 62 บนดัชนี Artificial Analysis Coding Agent ตามหลัง Claude Opus 4.7 ที่ max effort (66) และ GPT-5.5 ที่ xhigh reasoning (65)

ช่องว่างด้านต้นทุนเป็นส่วนที่ควรสนใจ: Artificial Analysis ประเมินว่า Composer 2.5 มีค่าใช้จ่าย $0.07 ต่อภารกิจสำหรับ Standard และ $0.44 สำหรับ Fast เทียบกับ $4.10 สำหรับ Opus 4.7 max และ $4.82 สำหรับ GPT-5.5 xhigh

Composer 2.5 เทียบกับ Composer 2 และ Composer 1.5: คะแนนเปรียบเทียบ

ตระกูล Composer ออกรวดเร็วสามรุ่นในเวลาสั้นๆ Composer 1.5 ออกเดือนกุมภาพันธ์ 2026 Composer 2 ในมีนาคม และ Composer 2.5 ในพฤษภาคม แต่ละรุ่นเปลี่ยนแนวทางการฝึกต่างกัน

Composer 2.5 เทียบกับ Composer 2

การก้าวกระโดดจาก Composer 2 เป็น 2.5 เห็นชัดใน Terminal-Bench 2.0 ซึ่งคะแนนขยับจาก 61.7% เป็น 69.3% และใน SWE-Bench Multilingual จาก 73.7% เป็น 79.8% ส่วน CursorBench เพิ่มน้อยกว่า และเวอร์ชันประเมินเปลี่ยนจาก v3 เป็น v3.1 จึงเทียบตรงๆ ได้น้อยกว่า

ความต่างที่ใหญ่กว่าคือสายการฝึก Composer 2 แนะนำพรีเทรนต่อเนื่องบน Kimi K2.5 Composer 2.5 คงฐานนั้นไว้และเพิ่มป้อนกลับเชิงข้อความแบบเฉพาะจุด ภารกิจสังเคราะห์มากขึ้น 25 เท่า และเปลี่ยนโครงสร้างพื้นฐาน ราคาช่วง Standard คงเดิม

Composer 2.5 เทียบกับ Composer 1.5

Composer 1.5 ถูกสร้างโดยขยาย RL เพิ่มอีก 20 เท่าบนโมเดลพรีเทรนเดียวกับ Composer 1 แนะนำการคิดแบบปรับตัวและการสรุปบริบทด้วยตนเอง ทำให้โมเดลบีบอัดคอนเท็กซ์ของตนเมื่อเซสชันยาว

ช่องว่างจาก Composer 1.5 ถึง 2.5 ใหญ่ในทุกเบนช์มาร์ก และมาพร้อมราคาต่อโทเค็นที่ลดลง: Composer 1.5 ตั้งไว้ $3.50 ต่อหนึ่งล้านโทเค็นขาเข้า และ $17.50 ต่อหนึ่งล้านโทเค็นขาออก แพงกว่า Composer 2.5 Standard ราว 7 เท่า

สิ่งที่เปลี่ยนจริงในการใช้งาน

ข้ามรุ่นเหล่านี้ ลวดลายค่อนข้างชัด: แต่ละเจเนอเรชันเปลี่ยนพฤติกรรมในเซสชันยาวและการทำตามคำสั่ง ขณะที่ Composer 2 และ 2.5 ลดต้นทุนของเซสชันเอเจนต์ต่อเนื่อง

Composer 2.5 เทียบกับ Claude Opus 4.7 และ GPT-5.5: เบนช์มาร์ก ราคา และข้อแลกเปลี่ยน

นี่คือการเปรียบเทียบที่หลายคนสนใจก่อน Composer 2.5 มีคะแนนเบนช์มาร์กด้านโค้ดคล้ายกันในบางส่วน ราคาต่อโทเค็นต่ำกว่าโมเดลแนวหน้าด้านล่าง และมีข้อแลกเปลี่ยนที่ชัดเจน

เปรียบเทียบเบนช์มาร์ก

GPT-5.5 นำบน Terminal-Bench 2.0 ที่ 82.7% สูงกว่า Composer 2.5 ราว 13 จุด ช่องว่างนี้สำคัญสำหรับงานที่พึ่งพาเทอร์มินัลมาก

Claude Opus 4.7 นำหน้า Composer 2.5 เล็กน้อยบน SWE-Bench Multilingual (80.5% ต่อ 79.8%) ต่ำกว่าหนึ่งจุด บน CursorBench Composer 2.5 ที่ 63.2% สูงกว่า Opus 4.7 ที่ค่าเริ่มต้น (61.6%) แต่ต่ำกว่า Opus 4.7 ที่ความพยายามสูงสุด (64.8%) ส่วน GPT-5.5 ก็ไปถึง 64.3% ที่ xhigh ขณะที่คะแนนเริ่มต้นอยู่ที่ 59.2%

โมเดลเหล่านี้ไม่ได้ทำงานเดียวกันทั้งหมด Opus 4.7 และ GPT-5.5 คือโมเดลแนวหน้าที่กว้างกว่า Composer 2.5 คือโมเดลด้านโค้ดที่รันได้เฉพาะใน Cursor คะแนนเบนช์มาร์กใกล้กันในงานโค้ดบางประเภท แต่ขอบเขตผลิตภัณฑ์ต่างกัน

เปรียบเทียบราคา

ความต่างด้านต้นทุนเป็นเส้นแบ่งที่ชัดเจนจากโมเดลแนวหน้า

Composer 2.5 Standard มีราคาต่อโทเค็นราวหนึ่งในสิบของ Opus 4.7 และ GPT-5.5 ส่วนรุ่น Fast ก็ยังถูกกว่าชั้นมาตรฐานของทั้งสองโมเดลแนวหน้า

ราคานี้อัปเดตล่าสุดเมื่อพฤษภาคม 2026 ควรตรวจสอบ ราคาของโมเดลจาก Cursor ราคาของ Opus จาก Anthropic และ ราคาจาก OpenAI API ก่อนใช้เปรียบเทียบ

หมายเหตุหนึ่งข้อที่มักถูกมองข้าม: ราคา Composer 2.5 Fast เพิ่มเป็นสองเท่าเมื่อเทียบกับ Composer 2 Fast ราคา Standard คงเดิม แต่ Fast เป็นค่าเริ่มต้น ดังนั้นการอัปเกรดอาจเพิ่มต้นทุนสำหรับผู้ใช้บางราย

ควรเลือกโมเดลไหน

การเลือกขึ้นกับว่าต้นทุน งานเทอร์มินัล หรือการวางแผนเชิงลึกสำคัญกว่ากัน:

• Composer 2.5 เหมาะกับงานโค้ดประจำใน Cursor โดยเฉพาะการแก้ไขข้ามไฟล์ รีแฟกเตอร์ แก้บั๊ก และเซสชันเอเจนต์ที่ต้นทุนสำคัญ
• GPT-5.5 เหมาะกับงานที่สมรรถนะเทอร์มินัลสำคัญที่สุด
• Claude Opus 4.7 เหมาะกับงานที่ต้องการการให้เหตุผลรอบคอบ การวางแผนสถาปัตยกรรม หรือหน้าต่างบริบทขนาด 1 ล้านโทเค็น

นี่คือลวดลายจากตัวเลข: Composer 2.5 ครอบคลุมงานโค้ดประจำ ขณะที่โมเดลแนวหน้ายังมีบทบาทในงานให้เหตุผลกว้างหรือคะแนนเทอร์มินัลที่สูงกว่า

Composer 2.5 Standard เทียบกับ Fast: ความเร็ว ราคา และเวลาใช้งาน

Cursor จัดส่ง Composer 2.5 สองรุ่นย่อยเหมือน Composer 2 ตามที่ Cursor ระบุ ทั้งคู่มีสติปัญญาเชิงพื้นฐานเดียวกัน ความต่างหลักคือความเร็วการตอบและต้นทุน

ตัวเลือกโมเดลของ Cursor พร้อม Composer ที่ถูกเลือก ภาพโดยผู้เขียน

Fast เป็นค่าเริ่มต้น คิด $3.00 ต่อหนึ่งล้านโทเค็นขาเข้า และ $15.00 ต่อหนึ่งล้านโทเค็นขาออก เหมาะกับเซสชันโต้ตอบที่ต้องการความหน่วงต่ำ Standard อยู่ที่ $0.50 และ $2.50 จึงเหมาะกับงานเบื้องหลังหรือวงเอเจนต์ที่ยาวซึ่งไม่ต้องการฟีดแบ็กทันที

การใช้งาน Composer 2.5 อยู่ในพูลการใช้งาน "Auto + Composer" ของ Cursor แยกจากพูล API ที่ใช้กับโมเดลภายนอกอย่าง Claude และ GPT Cursor ยังมอบโควต้าใช้งานสองเท่าในสัปดาห์แรกหลังเปิดตัว

ข้อจำกัดและข้อควรระวังของ Composer 2.5

ข้อควรระวังอยู่ที่การเข้าถึง เบนช์มาร์ก และความเสี่ยงในการฝึก ไม่ได้ทำให้ Composer 2.5 แปลกประหลาด แต่มีผลต่อระดับความเชื่อในข้ออ้างของ Cursor

มีให้ใช้เฉพาะใน Cursor อย่างที่กล่าวไป Composer 2.5 ไม่มี API สาธารณะ หากเวิร์กโฟลว์พึ่งการเรียกโมเดลจากสคริปต์หรือไปป์ไลน์ของตน Composer 2.5 ไม่ใช่ตัวเลือก

CursorBench ไม่เป็นอิสระ ตามที่ครอบคลุมในส่วนเบนช์มาร์ก CursorBench v3.1 เป็นของภายใน Cursor ระเบียบวิธีไม่เปิดเผยทั้งหมด และงานไม่สามารถทำซ้ำโดยนักวิจัยภายนอก

ความแปรปรวนของการตั้งค่าเบนช์มาร์ก คะแนนของโมเดลแนวหน้าในชาร์ตของ Cursor ไม่ได้วัดด้วยวิธีเดียวกันทั้งหมด ควรมองการเปรียบเทียบเป็นเชิงทิศทาง ไม่ใช่ข้อสรุปเด็ดขาด

การเจาะรางวัลระหว่างฝึก (reward hacking) Cursor เปิดเผยกรณีที่โมเดลหาทางลัดในงานสังเคราะห์แทนการแก้แบบปกติ นี่เป็นความเสี่ยงที่มีใน RL สเกลนี้ แม้การมอนิเตอร์จะจับกรณีชัดเจนได้

การปรับเทียบความพยายามยังไม่ผ่านการยืนยัน ข้ออ้างของ Cursor เรื่องสไตล์การสื่อสารและการปรับเทียบความพยายามยังไม่รองรับด้วยข้อมูลเบนช์มาร์ก จึงตรวจสอบจากภายนอกได้ยาก

เมื่อใดที่ Composer 2.5 เหมาะสม

ขึ้นกับงาน ควรมอง Composer 2.5 ไม่ใช่ตัวเลือกสากล แต่เป็นโมเดลโค้ดสำหรับผู้ที่ทำงานใน Cursor อยู่แล้ว

หากใช้เวลาเกือบทั้งวันเขียนโค้ดใน Cursor และใส่ใจต้นทุนโทเค็น Composer 2.5 Standard มีราคาต่ำสุดในไลน์ Composer 2.5 ใช้กับงานแก้ไข รีแฟกเตอร์ ดีบัก และงานเซสชันยาวตามที่กล่าวไว้

หากความเร็วการตอบสำคัญกว่า Composer 2.5 Fast เป็นตัวเลือกเริ่มต้น

หากงานต้องการการให้เหตุผลที่กว้างกว่า หน้าต่างบริบทใหญ่กว่า หรือคะแนนเบนช์มาร์กที่สูงกว่าในด้านจำเพาะ ให้พิจารณา Claude Opus 4.7 หรือ GPT-5.5

อีกกรอบคิดหนึ่ง: Composer 2.5 จัดการงานโค้ดประจำตามที่กล่าวไว้ ขณะที่โมเดลแนวหน้าเหมาะกับงานที่ต้องให้เหตุผลกว้างหรือคะแนนเทอร์มินัลที่สูงกว่า ทำให้การเปรียบเทียบตั้งอยู่บนพื้นฐาน โดยไม่กลายเป็นคำแนะนำให้ใช้โมเดลใดโมเดลหนึ่งในทุกกรณี

บทสรุป

Composer 2.5 อ่านได้เหมือนเรื่องคะแนนเบนช์มาร์ก แต่ประเด็นที่มีประโยชน์กว่าคือทิศทาง Cursor ไม่ได้แค่ห่อโมเดลแนวหน้าไว้ในเอดิเตอร์ แต่กำลังสร้างไลน์โมเดลรอบงานที่เอเจนต์ของตนทำอยู่แล้ว: การแก้ไขข้ามไฟล์ ขั้นตอนเทอร์มินัล เซสชันที่ยาว และการกู้คืนจากความผิดพลาด

ดังที่กล่าว ข้อแลกเปลี่ยนคือ Composer 2.5 ถูกออกแบบให้แคบโดยตั้งใจ มันไม่แทนที่ Claude Opus 4.7 หรือ GPT-5.5 ในฐานะโมเดลทั่วไป และไม่ช่วยหากต้องการ API นอก Cursor แต่ภายใน Cursor โฟกัสที่แคบคือนัยสำคัญ โมเดลมีต้นทุนรันต่ำกว่าโมเดลแนวหน้า ปรับจูนเพื่อภารกิจโค้ด และอยู่ใกล้ชั้นผลิตภัณฑ์ที่งานเหล่านั้นเกิดขึ้น

คำถามถัดไปคือ Cursor ต้องการเป็นเจ้าของส่วนนี้มากน้อยเพียงใด บริษัทระบุว่ากำลังทำงานกับ SpaceXAI เพื่อฝึกโมเดลที่ใหญ่กว่าตั้งแต่ต้น โดยใช้คอมพิวต์รวมมากขึ้น 10 เท่าและโครงสร้างพื้นฐาน Colossus 2 ยังไม่มีกำหนดออก จึงยังวิเคราะห์ได้ไม่มาก แต่ภาพรวมชัดเจนพอ: Cursor กำลังเคลื่อนจากการใช้งานโมเดลอย่างมีประสิทธิภาพไปสู่การสร้างสแต็กโมเดลด้วยตนเองมากขึ้น