Cursor 于 2026 年 3 月 19 日发布了Composer 2，这是其第三代自研代码模型。该发布仅比Composer 1.5 晚了六周，后者在不改变底层架构的情况下，将同一基础模型上的强化学习扩展了 20 倍。那次 RL 扩展实际上超过了原始预训练的算力预算，这说明它已将既有基础推到了极限。Composer 2 采用不同路径：先进行持续预训练以夯实基础，再叠加 RL。这也是为何在短时间内基准分数跃升如此之大的原因。
它还提供 200,000 令牌的上下文窗口，以及两种定价版本：Standard 每百万输入令牌 $0.50（比 Composer 1.5 便宜约 86%），以及用于实时交互会话的 Fast 版本。
本文将解析 Composer 2 是什么、它在基准和成本上如何对比 Composer 1.5，以及它与 Claude Opus 4.6 与 GPT-5.4 的对比。我们还会讲解如何在 Cursor 中使用它以及其已知局限。
如果您对与 Composer 2 竞争的前沿模型感兴趣，请查阅我们的指南：
什么是 Composer？
Composer 是 Cursor 的自研 AI 代码模型家族，专为在 Cursor IDE 内的代理式编码而设计。与 Claude Opus 4.6 或 GPT-5.4 等通用模型不同，Composer 模型专注于多文件编辑、终端命令执行以及跨代码库的重构。它们并非用于写邮件、答题或任何非代码任务。
该谱系始于一个名为 Cheetah 的内部原型，随后经历三次公开发布：
|
模型
|
发布日期
|
关键创新
|
|
Composer 1
|
2025 年 10 月 29 日
|
首个自研模型；采用 MoE 架构并进行 RL 训练
|
|
Composer 1.5
|
2026 年 2 月 9 日
|
在相同基础上增加 20 倍 RL 算力；自适应思考；引入自我摘要
|
|
Composer 2
|
2026 年 3 月 19 日
|
首次进行持续预训练以打造新基础；改进自我摘要；成本大幅降低
|
每一代都建立在前一代之上，但 Composer 2 标志着迄今为止最大的架构转变。
Composer 模型演进时间线可视化。图片来源：作者。
什么是 Composer 2？
Composer 2 是 Cursor 的第三代自研代理式编码模型，也是该系列中首个经历持续预训练的模型。
架构与训练方法
此前的 Composer 模型是在冻结的基础模型之上叠加强化学习来构建的。可以将其理解为：在不提升基础理解力的情况下教授新技能。Composer 2 则先用面向编码的数据更新基础模型的底层权重，再叠加 RL。
该模型采用专家混合（Mixture-of-Experts）（MoE）架构，即针对任一输入，仅有部分参数被激活。这在保持总参数量较大的同时，维持了推理速度。Cursor 未公布精确参数量。
基础模型的身份在发布时未披露，但在 2026 年 3 月 20 日因用户在 API 请求头中发现而公开。Cursor 开发者教育副总裁 Lee Robinson确认 Composer 2 构建于Kimi K2.5 之上，这是来自 Moonshot AI 的开源模型。他表示，约四分之三的总算力来自 Cursor 自身的训练（持续预训练和 RL），而非基础模型，这也解释了为何评测表现不同于原始 Kimi K2.5 的结果。
Moonshot AI 随后确认通过 Fireworks AI 建立了授权的商业合作关系，后者负责 RL 训练基础设施与推理。联合创始人Aman Sanger 称团队用基于困惑度的基准评估了多个基础模型后选择 Kimi K2.5，并将后续训练描述为持续预训练加上 4 倍规模的 RL 算力扩展。
训练基础设施运行在 PyTorch 与 Ray 上，使用针对 NVIDIA Blackwell GPU 优化的定制 MXFP8 量化内核。
自我摘要
自我摘要（Cursor 称为“环内压缩 RL”）的工作方式如下：当模型的 200,000 令牌上下文窗口开始被填满时，它会暂停，将自身上下文压缩到约 1,000 个令牌，然后继续工作。由于该压缩行为是 RL 奖励函数的一部分，模型会学习保留哪些变量、架构决策和错误日志，以及丢弃哪些内容。
Cursor 的研究博客报告称，相较基于提示的摘要，此方法将压缩错误减少了 50%，同时仅使用约五分之一的令牌。在一次实际演示中，Composer 2 用 170 步解决了 Terminal-Bench 2.0 中的“make-doom-for-mips”问题，并在过程中压缩了超过 100,000 个令牌的上下文。
核心能力
在一次会话中，Composer 2 可访问：
这些能力结合在一起，让代理能够在单次会话中跨多文件、多步骤工作。
Composer 2 的版本
Cursor 提供两个 Composer 2 版本，二者共享相同的底层智能。
Composer 2 Fast
当您在模型下拉菜单中选择 Composer 2 时，默认即为Fast 版本。它专为低延迟的交互式会话打造，适合您实时编码并希望获得近乎即时的响应。
Composer 2 Standard
相比之下，Standard 版本速度较低，但每个令牌的成本显著更低，更适合后台任务、批量重构或不需要即时反馈的长时间代理循环。
以下是定价分解：
|
版本
|
输入（每 100 万令牌）
|
缓存读取（每 100 万令牌）
|
输出（每 100 万令牌）
|
|
Composer 2 Standard
|
$0.50
|
$0.20
|
$2.50
|
|
Composer 2 Fast（默认）
|
$1.50
|
$0.35
|
$7.50
|
您可以在主动编码时使用 Fast 版本，而在通宵或批量操作时切换到 Standard，以降低额度消耗。我们将在后文进一步介绍定价差异。
Composer 2 基准测试
Cursor 通过三项基准评估 Composer 2，分别覆盖编码性能的不同方面。
理解这些基准
CursorBench 是 Cursor 的内部专有基准，目前为 CursorBench-3 版本。任务来自真实的 Cursor 会话，使用名为 Cursor Blame 的工具溯源——将提交的代码追溯到生成它的代理请求。该基准衡量解法正确性、代码质量、效率与交互行为，问题规模自初版至 CursorBench-3 在代码行数与文件数上大约翻倍。Cursor 还通过受控的实时流量实验补充 CursorBench，以捕捉离线评分难以发现的回归。显而易见的注意点：CursorBench 不能公开复现，因此这些分数无法独立验证。
Terminal-Bench 2.0 由 Laude Institute 维护，测试 AI 代理在终端环境中执行真实任务的能力。这包括目录导航、运行脚本、解析错误并迭代求解。Cursor 使用官方 Harbor 评估框架的默认设置，对每个模型运行五次并报告平均值。
SWE-bench Multilingual 是 SWE-bench 的一个子集，涵盖 9 种编程语言的 300 个任务。它衡量解决真实 GitHub Issue 的能力，因而是跨语言编码的合理测试。
跨 Composer 代际的基准结果
每一代的得分都在提升：
|
基准
|
Composer 1
|
Composer 1.5
|
Composer 2
|
|
CursorBench
|
38.0
|
44.2
|
61.3
|
|
Terminal-Bench 2.0
|
40.0
|
47.9
|
61.7
|
|
SWE-bench Multilingual
|
56.9
|
65.9
|
73.7
|
三代 Composer 的基准分数对比。图片来源：作者。
关于基准局限性的说明
- CursorBench 是闭源且无法独立复现。Cursor 未在 SWE-bench Verified 等既有基准上公布分数，这一点与社区部分观点不一致。
- SWE-bench Verified 在 OpenAI 发现前沿模型可凭记忆重现测试补丁，且近 60% 的未解问题存在有缺陷的测试后，已不再由其报告。
- Terminal-Bench 包含谜题式任务（如从棋局中找最佳一步），与实际开发工作不完全相符。但因其采用公开框架并记录评测方法，仍是三者中透明度最高的。
Composer 2 比 Composer 1.5 好多少？
从 Composer 1.5 到 Composer 2 的提升，是历代中最大的一次，覆盖性能与成本两方面。
如上表所示，Composer 2 在 CursorBench 上得分 61.3，相比 Composer 1.5 的 44.2 提升约 39%。Terminal-Bench 2.0 的差距约 29%（61.7 对 47.9），SWE-bench Multilingual 提升约 12%（73.7 对 65.9）。
成本下降幅度甚至大于基准提升。根据 Cursor 的发布博客，Composer 2 Standard 在输入令牌上的成本比 Composer 1.5 低约 86%，即便是 Fast 版本也低约 57%。Cursor 未单独发布 Composer 1.5 的定价页面，因此这些百分比来自其发布时的对比。
关键技术差异在于：
- 训练路径：Composer 1.5 在相同冻结基础上将 RL 进一步扩展了 20 倍，且后训练的 RL 算力甚至超过了用于预训练基础模型的算力。Composer 2 则先通过持续预训练打造更强的新基础，再在其上进行 4 倍规模的 RL 扩展。
- 自我摘要质量：Composer 1.5 引入了自我摘要，但使用带有数千令牌指令的基于提示压缩，生成的摘要平均约 5,000 令牌。Composer 2 的 RL 训练压缩可产出约 1,000 令牌、错误减少 50% 的摘要，并重用先前令牌的 KV 缓存，进一步降低推理成本。
- 长程能力：Composer 2 能处理需要数百次连续操作的任务。正如前文所述，这超出了 1.5 稳定可达的范围。
社区对 Composer 1.5 的反馈不一。部分开发者认为其只适合小任务，如提交与简单编辑。基准数据表明，开发者吐槽较多的方面已有改进。
Composer 2 vs. Claude Opus 4.6 vs. GPT-5.4
这可能是多数读者最关心的对比。Composer 2 在部分编码基准上超过 Claude Opus 4.6，在大多数方面落后于 GPT-5.4，但成本远低于二者。
基准对比
数据基本说明了一切：
|
基准
|
Composer 2
|
Claude Opus 4.6
|
GPT-5.4
|
|
CursorBench
|
61.3
|
~58.2
|
~63.9
|
|
Terminal-Bench 2.0
|
61.7
|
58.0
|
75.1
|
|
SWE-bench Verified
|
未报告
|
~80.8%
|
~80.0%
|
Composer 2 与 Claude Opus 4.6、GPT-5.4 对比
Composer 2 在 CursorBench 与 Terminal-Bench 2.0 上小幅领先 Opus 4.6，但 GPT-5.4 在二者上均明显领先。Terminal-Bench 2.0 中，Composer 2（61.7）与 GPT-5.4（75.1）相差 13 分。
需要注意：Terminal-Bench 2.0 的分数衡量的是“代理+模型”的组合，而非裸模型。Cursor 的分数使用 Harbor 评估框架；而 GPT-5.4 的 75.1 对应官方榜单上的 Simple Codex harness 条目。不同测评器对同一模型可能产生不同结果。
定价对比
以下是价格对比：
|
模型
|
输入（每 100 万令牌）
|
输出（每 100 万令牌）
|
|
Composer 2 Standard
|
$0.50
|
$2.50
|
|
Composer 2 Fast
|
$1.50
|
$7.50
|
|
Claude Opus 4.6
|
$5.00
|
$25.00
|
|
GPT-5.4
|
$2.50
|
$15.00
|
基准分数与令牌定价对比。图片来源：作者。
Composer 2 Standard 的令牌价格约比 Opus 4.6 低 90%，比 GPT-5.4 低约 80%。对于每天运行数千次代理请求的团队而言，这一差距会迅速累积为可观成本节省。
各模型最擅长的领域
Composer 2 是仅限 Cursor IDE 使用的纯代码模型。它能以较低成本快速处理常规编码任务，但无法处理代码以外的任何内容。
Claude Opus 4.6 具备 200,000 令牌上下文窗口（并提供 100 万令牌的更高成本 Beta），擅长多文件架构规划，并通过 Agent Teams 支持多代理编排。它是通用模型，但在代码方面表现出色。
GPT-5.4 在最难的编码基准上领先，具备原生电脑使用能力，并支持 105 万令牌的实验性上下文窗口。它是单模型中能力最强的，但在大规模运行时成本也最高。
Cursor 的卖点是在 IDE 内每个任务的性价比，而非绝对的基准领先。
Composer 2 vs. Claude Code vs. GitHub Copilot
前文比较的是原始模型。下面从产品层面来看。
Claude Code 是 Anthropic 的基于终端的编码代理。根据2026 年开发者调研，它如今是专业人士使用最多的 AI 编码工具，其中 46% 的受访者将其列为最爱，而 Cursor 为 19%。许多开发者在日常 IDE 编辑中使用 Cursor，而在复杂的自主任务上切换至 Claude Code。二者更多是互补，而非竞争。
GitHub Copilot 仍是采用最广的工具，累计用户超 2,000 万，且入门价更低（$10/月）。其近期新增了多步动作的 Agent 模式，但许多开发者反映 Cursor 的多文件编辑更深入。
目前约有 70% 的开发者同时使用两到四个 AI 工具。问题不再是“选哪个？”，而是“选哪种组合？”
如何使用 Composer 2
Composer 2 完全运行在 Cursor IDE 内，无需单独安装。
分步设置
要开始使用 Composer 2，请从cursor.com 下载或更新 Cursor。Composer 2 对所有付费方案（Pro、Pro+、Ultra、Teams、Enterprise）开放。Mac 使用 Cmd+I 或 Windows/Linux 使用 Ctrl+I 打开代理面板，然后在模型下拉菜单中选择“Composer 2”或“Composer 2 Fast”。默认选择 Fast 版本。
定位 Cursor 模型选择下拉菜单。图片来源：作者。
接下来，输入对任务的自然语言描述。Composer 2 默认以 Agent 模式运行，意味着它可自主探索您的代码库、进行修改、运行终端命令并使用所有可用工具。您在代理工作过程中审核并接受或拒绝变更。
常用快捷键
以下是您在使用 Composer 2 时最常使用的快捷键：
|
操作
|
Mac
|
Windows/Linux
|
|
打开 Agent/Composer
|
Cmd+I
|
Ctrl+I
|
|
新建会话
|
Cmd+N
|
Ctrl+N
|
|
切换模式（Agent/Ask/Edit）
|
Cmd+.
|
Ctrl+.
|
|
Ask 模式（只读）
|
Cmd+L
|
Ctrl+L
|
|
行内编辑
|
Cmd+K
|
Ctrl+K
|
|
打开历史
|
Cmd+Opt+L
|
Ctrl+Alt+L
|
管理上下文
Composer 2 支持多种方式控制可见上下文。输入 @ 后跟文件名、文件夹或 URL 可将特定上下文注入提示中。# 符号可聚焦到某个特定文件。聊天顶部的上下文胶囊展示代理当前引用的内容。
对于大型项目，可在设置中启用 Autocontext，让 Cursor 通过嵌入自动提取相关代码。您也可以在设置中添加自定义文档，以便提供特定框架的上下文。
自我摘要的实践
对于长时任务，当上下文窗口填满时，自我摘要会自动触发。您也可以通过 /compress 命令手动压缩。如果代理建议开启新会话，通常意味着上下文已过大，难以高效摘要，开启新会话会更可靠。
Composer 2 定价
有关按令牌计费的内容已在“版本”一节介绍，此处不再复述具体数字。下面说明实际的计费方式。
Cursor 订阅层级
Cursor 使用按额度（credits）计费的分级订阅体系，额度决定您对第三方模型的使用量。当前分级如下：
|
方案
|
价格
|
主要包含
|
|
Hobby
|
免费
|
有限的代理请求与补全
|
|
Pro
|
$20/月（按年计费 $16/月）
|
$20 额度池、无限 Tab 补全、云端代理
|
|
Pro+
|
$60/月（按年计费 $48/月）
|
所有模型 3 倍用量
|
|
Ultra
|
$200/月
|
所有模型 20 倍用量，优先访问
|
|
Teams
|
$40/用户/月（按年计费 $32）
|
集中计费、SAML/OIDC SSO、分析
|
|
Enterprise
|
定制
|
SOC 2、法务审查、先进安全控制
|
Composer 2 与额度的关系
这部分最容易让人困惑。个人方案中对 Composer 的使用来自单独的使用池，与用于 Claude 或 GPT 等第三方模型的额度池分离。Cursor 将该池描述为“包含充足的用量”，但未公布确切上限。
当您使用“Auto”模式（让 Cursor 为每次请求自动选型）时，付费方案中对 Composer 模型的使用不受限且不消耗额度。手动选择高级第三方模型则会从您的月度额度池中扣除。一旦用尽，您可以启用按量付费的超额模式。
定价背景
过去一年里，Cursor 的定价经历了多次调整。2025 年 6 月，其以额度计费取代了“每月 500 次快速请求”的固定制度，实际将 Pro 层的请求量从约 500 次降至约 225 次/月。
截至 2026 年 3 月，GPT-5.4 与 Opus 4.6 等前沿模型按照令牌动态定价并计入您的月度额度池；而 Composer 2 的使用仍在其独立池中。如果您为团队做预算，建议将日常工作默认交给 Composer 2，保留第三方额度处理更高要求的任务。
Composer 2 已知局限
如对比部分所述，Composer 2 是纯代码模型。联合创始人 Aman Sanger 表示：“它帮不了您报税，也写不出诗。”对于通用任务，您仍需在 Cursor 中使用 Claude 或 GPT。
用户反映在严格的多步执行计划中，Composer 2 有时会跳过中间的验证步骤而急于实现。这可能是训练的产物——模型更倾向于推动完成而非验证。
一些用户报告在 macOS 上，Cursor 的后台文件监视器在超大的 monorepo 中会忽略 .gitignore 指令，导致代理索引 node_modules 等依赖文件夹，并意外耗尽令牌额度。
CursorBench 仍为闭源。对于 Terminal-Bench 2.0，Cursor 在非 Composer 模型上采用了“取官方榜单分数与我们基础设施上实测分数的较大值”的做法，这一方法学选择值得知悉。
关于透明度：Cursor 未在发布博客中披露 Kimi K2.5 为基础模型。该遗漏在 2026 年 3 月 20 日因用户在 API 请求头发现模型 ID 而曝光，曾短暂引发关于许可合规的公开争论。 Fireworks AI CEO Lin Qiao 澄清称，Cursor 自第一天起便通过 Fireworks 平台实现合规。Moonshot AI 也确认该合作为授权的商业伙伴关系。Lee Robinson 与联合创始人 Aman Sanger 均承认未披露是“一次疏漏”，并承诺未来将更透明地披露基础模型。
结语
Cursor 曾直言：Composer 2 并非力求成为整体最强模型，其重点是在日常 IDE 工作中以更低成本完成任务。
前文的基准也印证了这一点：Composer 2 在 Terminal-Bench 2.0 上优于 Claude Opus 4.6，且每个令牌的成本约低 90%，但在更难的基准上仍落后于 GPT-5.4。
市场正走向多模型协作流程，而 Cursor 对 Composer 2 的定价方式表明，他们正围绕这一假设构建产品。
若您想进一步了解塑造软件开发版图的 AI 工具，请查看我们的GPT-5.4 vs. Claude Opus 4.6 对比。
Cursor 于 2026 年 3 月 19 日发布了Composer 2，这是其第三代自研代码模型。该发布仅比Composer 1.5 晚了六周，后者在不改变底层架构的情况下，将同一基础模型上的强化学习扩展了 20 倍。那次 RL 扩展实际上超过了原始预训练的算力预算，这说明它已将既有基础推到了极限。Composer 2 采用不同路径：先进行持续预训练以夯实基础，再叠加 RL。这也是为何在短时间内基准分数跃升如此之大的原因。
它还提供 200,000 令牌的上下文窗口，以及两种定价版本：Standard 每百万输入令牌 $0.50（比 Composer 1.5 便宜约 86%），以及用于实时交互会话的 Fast 版本。
本文将解析 Composer 2 是什么、它在基准和成本上如何对比 Composer 1.5，以及它与 Claude Opus 4.6 与 GPT-5.4 的对比。我们还会讲解如何在 Cursor 中使用它以及其已知局限。
如果您对与 Composer 2 竞争的前沿模型感兴趣，请查阅我们的指南：
什么是 Composer？
Composer 是 Cursor 的自研 AI 代码模型家族，专为在 Cursor IDE 内的代理式编码而设计。与 Claude Opus 4.6 或 GPT-5.4 等通用模型不同，Composer 模型专注于多文件编辑、终端命令执行以及跨代码库的重构。它们并非用于写邮件、答题或任何非代码任务。
该谱系始于一个名为 Cheetah 的内部原型，随后经历三次公开发布：
模型
发布日期
关键创新
Composer 1
2025 年 10 月 29 日
首个自研模型；采用 MoE 架构并进行 RL 训练
Composer 1.5
2026 年 2 月 9 日
在相同基础上增加 20 倍 RL 算力；自适应思考；引入自我摘要
Composer 2
2026 年 3 月 19 日
首次进行持续预训练以打造新基础；改进自我摘要；成本大幅降低
每一代都建立在前一代之上，但 Composer 2 标志着迄今为止最大的架构转变。
Composer 模型演进时间线可视化。图片来源：作者。
什么是 Composer 2？
Composer 2 是 Cursor 的第三代自研代理式编码模型，也是该系列中首个经历持续预训练的模型。
架构与训练方法
此前的 Composer 模型是在冻结的基础模型之上叠加强化学习来构建的。可以将其理解为：在不提升基础理解力的情况下教授新技能。Composer 2 则先用面向编码的数据更新基础模型的底层权重，再叠加 RL。
该模型采用专家混合（Mixture-of-Experts）（MoE）架构，即针对任一输入，仅有部分参数被激活。这在保持总参数量较大的同时，维持了推理速度。Cursor 未公布精确参数量。
基础模型的身份在发布时未披露，但在 2026 年 3 月 20 日因用户在 API 请求头中发现而公开。Cursor 开发者教育副总裁 Lee Robinson确认 Composer 2 构建于Kimi K2.5 之上，这是来自 Moonshot AI 的开源模型。他表示，约四分之三的总算力来自 Cursor 自身的训练（持续预训练和 RL），而非基础模型，这也解释了为何评测表现不同于原始 Kimi K2.5 的结果。
Moonshot AI 随后确认通过 Fireworks AI 建立了授权的商业合作关系，后者负责 RL 训练基础设施与推理。联合创始人Aman Sanger 称团队用基于困惑度的基准评估了多个基础模型后选择 Kimi K2.5，并将后续训练描述为持续预训练加上 4 倍规模的 RL 算力扩展。
训练基础设施运行在 PyTorch 与 Ray 上，使用针对 NVIDIA Blackwell GPU 优化的定制 MXFP8 量化内核。
自我摘要
自我摘要（Cursor 称为“环内压缩 RL”）的工作方式如下：当模型的 200,000 令牌上下文窗口开始被填满时，它会暂停，将自身上下文压缩到约 1,000 个令牌，然后继续工作。由于该压缩行为是 RL 奖励函数的一部分，模型会学习保留哪些变量、架构决策和错误日志，以及丢弃哪些内容。
Cursor 的研究博客报告称，相较基于提示的摘要，此方法将压缩错误减少了 50%，同时仅使用约五分之一的令牌。在一次实际演示中，Composer 2 用 170 步解决了 Terminal-Bench 2.0 中的“make-doom-for-mips”问题，并在过程中压缩了超过 100,000 个令牌的上下文。
核心能力
在一次会话中，Composer 2 可访问：
这些能力结合在一起，让代理能够在单次会话中跨多文件、多步骤工作。
Composer 2 的版本
Cursor 提供两个 Composer 2 版本，二者共享相同的底层智能。
Composer 2 Fast
当您在模型下拉菜单中选择 Composer 2 时，默认即为Fast 版本。它专为低延迟的交互式会话打造，适合您实时编码并希望获得近乎即时的响应。
Composer 2 Standard
相比之下，Standard 版本速度较低，但每个令牌的成本显著更低，更适合后台任务、批量重构或不需要即时反馈的长时间代理循环。
以下是定价分解：
版本
输入（每 100 万令牌）
缓存读取（每 100 万令牌）
输出（每 100 万令牌）
Composer 2 Standard
$0.50
$0.20
$2.50
Composer 2 Fast（默认）
$1.50
$0.35
$7.50
您可以在主动编码时使用 Fast 版本，而在通宵或批量操作时切换到 Standard，以降低额度消耗。我们将在后文进一步介绍定价差异。
Composer 2 基准测试
Cursor 通过三项基准评估 Composer 2，分别覆盖编码性能的不同方面。
理解这些基准
CursorBench 是 Cursor 的内部专有基准，目前为 CursorBench-3 版本。任务来自真实的 Cursor 会话，使用名为 Cursor Blame 的工具溯源——将提交的代码追溯到生成它的代理请求。该基准衡量解法正确性、代码质量、效率与交互行为，问题规模自初版至 CursorBench-3 在代码行数与文件数上大约翻倍。Cursor 还通过受控的实时流量实验补充 CursorBench，以捕捉离线评分难以发现的回归。显而易见的注意点：CursorBench 不能公开复现，因此这些分数无法独立验证。
Terminal-Bench 2.0 由 Laude Institute 维护，测试 AI 代理在终端环境中执行真实任务的能力。这包括目录导航、运行脚本、解析错误并迭代求解。Cursor 使用官方 Harbor 评估框架的默认设置，对每个模型运行五次并报告平均值。
SWE-bench Multilingual 是 SWE-bench 的一个子集，涵盖 9 种编程语言的 300 个任务。它衡量解决真实 GitHub Issue 的能力，因而是跨语言编码的合理测试。
跨 Composer 代际的基准结果
每一代的得分都在提升：
基准
Composer 1
Composer 1.5
Composer 2
CursorBench
38.0
44.2
61.3
Terminal-Bench 2.0
40.0
47.9
61.7
SWE-bench Multilingual
56.9
65.9
73.7
三代 Composer 的基准分数对比。图片来源：作者。
关于基准局限性的说明
Composer 2 比 Composer 1.5 好多少？
从 Composer 1.5 到 Composer 2 的提升，是历代中最大的一次，覆盖性能与成本两方面。
如上表所示，Composer 2 在 CursorBench 上得分 61.3，相比 Composer 1.5 的 44.2 提升约 39%。Terminal-Bench 2.0 的差距约 29%（61.7 对 47.9），SWE-bench Multilingual 提升约 12%（73.7 对 65.9）。
成本下降幅度甚至大于基准提升。根据 Cursor 的发布博客，Composer 2 Standard 在输入令牌上的成本比 Composer 1.5 低约 86%，即便是 Fast 版本也低约 57%。Cursor 未单独发布 Composer 1.5 的定价页面，因此这些百分比来自其发布时的对比。
关键技术差异在于：
社区对 Composer 1.5 的反馈不一。部分开发者认为其只适合小任务，如提交与简单编辑。基准数据表明，开发者吐槽较多的方面已有改进。
Composer 2 vs. Claude Opus 4.6 vs. GPT-5.4
这可能是多数读者最关心的对比。Composer 2 在部分编码基准上超过 Claude Opus 4.6，在大多数方面落后于 GPT-5.4，但成本远低于二者。
基准对比
数据基本说明了一切：
基准
Composer 2
Claude Opus 4.6
GPT-5.4
CursorBench
61.3
~58.2
~63.9
Terminal-Bench 2.0
61.7
58.0
75.1
SWE-bench Verified
未报告
~80.8%
~80.0%
Composer 2 与 Claude Opus 4.6、GPT-5.4 对比
Composer 2 在 CursorBench 与 Terminal-Bench 2.0 上小幅领先 Opus 4.6，但 GPT-5.4 在二者上均明显领先。Terminal-Bench 2.0 中，Composer 2（61.7）与 GPT-5.4（75.1）相差 13 分。
需要注意：Terminal-Bench 2.0 的分数衡量的是“代理+模型”的组合，而非裸模型。Cursor 的分数使用 Harbor 评估框架；而 GPT-5.4 的 75.1 对应官方榜单上的 Simple Codex harness 条目。不同测评器对同一模型可能产生不同结果。
定价对比
以下是价格对比：
模型
输入（每 100 万令牌）
输出（每 100 万令牌）
Composer 2 Standard
$0.50
$2.50
Composer 2 Fast
$1.50
$7.50
Claude Opus 4.6
$5.00
$25.00
GPT-5.4
$2.50
$15.00
基准分数与令牌定价对比。图片来源：作者。
Composer 2 Standard 的令牌价格约比 Opus 4.6 低 90%，比 GPT-5.4 低约 80%。对于每天运行数千次代理请求的团队而言，这一差距会迅速累积为可观成本节省。
各模型最擅长的领域
Composer 2 是仅限 Cursor IDE 使用的纯代码模型。它能以较低成本快速处理常规编码任务，但无法处理代码以外的任何内容。
Claude Opus 4.6 具备 200,000 令牌上下文窗口（并提供 100 万令牌的更高成本 Beta），擅长多文件架构规划，并通过 Agent Teams 支持多代理编排。它是通用模型，但在代码方面表现出色。
GPT-5.4 在最难的编码基准上领先，具备原生电脑使用能力，并支持 105 万令牌的实验性上下文窗口。它是单模型中能力最强的，但在大规模运行时成本也最高。
Cursor 的卖点是在 IDE 内每个任务的性价比，而非绝对的基准领先。
Composer 2 vs. Claude Code vs. GitHub Copilot
前文比较的是原始模型。下面从产品层面来看。
Claude Code 是 Anthropic 的基于终端的编码代理。根据2026 年开发者调研，它如今是专业人士使用最多的 AI 编码工具，其中 46% 的受访者将其列为最爱，而 Cursor 为 19%。许多开发者在日常 IDE 编辑中使用 Cursor，而在复杂的自主任务上切换至 Claude Code。二者更多是互补，而非竞争。
GitHub Copilot 仍是采用最广的工具，累计用户超 2,000 万，且入门价更低（$10/月）。其近期新增了多步动作的 Agent 模式，但许多开发者反映 Cursor 的多文件编辑更深入。
目前约有 70% 的开发者同时使用两到四个 AI 工具。问题不再是“选哪个？”，而是“选哪种组合？”
如何使用 Composer 2
Composer 2 完全运行在 Cursor IDE 内，无需单独安装。
分步设置
要开始使用 Composer 2，请从cursor.com 下载或更新 Cursor。Composer 2 对所有付费方案（Pro、Pro+、Ultra、Teams、Enterprise）开放。Mac 使用
Cmd+I或 Windows/Linux 使用Ctrl+I打开代理面板，然后在模型下拉菜单中选择“Composer 2”或“Composer 2 Fast”。默认选择 Fast 版本。定位 Cursor 模型选择下拉菜单。图片来源：作者。
接下来，输入对任务的自然语言描述。Composer 2 默认以 Agent 模式运行，意味着它可自主探索您的代码库、进行修改、运行终端命令并使用所有可用工具。您在代理工作过程中审核并接受或拒绝变更。
常用快捷键
以下是您在使用 Composer 2 时最常使用的快捷键：
操作
Mac
Windows/Linux
打开 Agent/Composer
Cmd+I
Ctrl+I
新建会话
Cmd+N
Ctrl+N
切换模式（Agent/Ask/Edit）
Cmd+.
Ctrl+.
Ask 模式（只读）
Cmd+L
Ctrl+L
行内编辑
Cmd+K
Ctrl+K
打开历史
Cmd+Opt+L
Ctrl+Alt+L
管理上下文
Composer 2 支持多种方式控制可见上下文。输入
@后跟文件名、文件夹或 URL 可将特定上下文注入提示中。#符号可聚焦到某个特定文件。聊天顶部的上下文胶囊展示代理当前引用的内容。对于大型项目，可在设置中启用 Autocontext，让 Cursor 通过嵌入自动提取相关代码。您也可以在设置中添加自定义文档，以便提供特定框架的上下文。
自我摘要的实践
对于长时任务，当上下文窗口填满时，自我摘要会自动触发。您也可以通过
/compress命令手动压缩。如果代理建议开启新会话，通常意味着上下文已过大，难以高效摘要，开启新会话会更可靠。Composer 2 定价
有关按令牌计费的内容已在“版本”一节介绍，此处不再复述具体数字。下面说明实际的计费方式。
Cursor 订阅层级
Cursor 使用按额度（credits）计费的分级订阅体系，额度决定您对第三方模型的使用量。当前分级如下：
方案
价格
主要包含
Hobby
免费
有限的代理请求与补全
Pro
$20/月（按年计费 $16/月）
$20 额度池、无限 Tab 补全、云端代理
Pro+
$60/月（按年计费 $48/月）
所有模型 3 倍用量
Ultra
$200/月
所有模型 20 倍用量，优先访问
Teams
$40/用户/月（按年计费 $32）
集中计费、SAML/OIDC SSO、分析
Enterprise
定制
SOC 2、法务审查、先进安全控制
Composer 2 与额度的关系
这部分最容易让人困惑。个人方案中对 Composer 的使用来自单独的使用池，与用于 Claude 或 GPT 等第三方模型的额度池分离。Cursor 将该池描述为“包含充足的用量”，但未公布确切上限。
当您使用“Auto”模式（让 Cursor 为每次请求自动选型）时，付费方案中对 Composer 模型的使用不受限且不消耗额度。手动选择高级第三方模型则会从您的月度额度池中扣除。一旦用尽，您可以启用按量付费的超额模式。
定价背景
过去一年里，Cursor 的定价经历了多次调整。2025 年 6 月，其以额度计费取代了“每月 500 次快速请求”的固定制度，实际将 Pro 层的请求量从约 500 次降至约 225 次/月。
截至 2026 年 3 月，GPT-5.4 与 Opus 4.6 等前沿模型按照令牌动态定价并计入您的月度额度池；而 Composer 2 的使用仍在其独立池中。如果您为团队做预算，建议将日常工作默认交给 Composer 2，保留第三方额度处理更高要求的任务。
Composer 2 已知局限
如对比部分所述，Composer 2 是纯代码模型。联合创始人 Aman Sanger 表示：“它帮不了您报税，也写不出诗。”对于通用任务，您仍需在 Cursor 中使用 Claude 或 GPT。
用户反映在严格的多步执行计划中，Composer 2 有时会跳过中间的验证步骤而急于实现。这可能是训练的产物——模型更倾向于推动完成而非验证。
一些用户报告在 macOS 上，Cursor 的后台文件监视器在超大的 monorepo 中会忽略
.gitignore指令，导致代理索引node_modules等依赖文件夹，并意外耗尽令牌额度。CursorBench 仍为闭源。对于 Terminal-Bench 2.0，Cursor 在非 Composer 模型上采用了“取官方榜单分数与我们基础设施上实测分数的较大值”的做法，这一方法学选择值得知悉。
关于透明度：Cursor 未在发布博客中披露 Kimi K2.5 为基础模型。该遗漏在 2026 年 3 月 20 日因用户在 API 请求头发现模型 ID 而曝光，曾短暂引发关于许可合规的公开争论。 Fireworks AI CEO Lin Qiao 澄清称，Cursor 自第一天起便通过 Fireworks 平台实现合规。Moonshot AI 也确认该合作为授权的商业伙伴关系。Lee Robinson 与联合创始人 Aman Sanger 均承认未披露是“一次疏漏”，并承诺未来将更透明地披露基础模型。
结语
Cursor 曾直言：Composer 2 并非力求成为整体最强模型，其重点是在日常 IDE 工作中以更低成本完成任务。
前文的基准也印证了这一点：Composer 2 在 Terminal-Bench 2.0 上优于 Claude Opus 4.6，且每个令牌的成本约低 90%，但在更难的基准上仍落后于 GPT-5.4。
市场正走向多模型协作流程，而 Cursor 对 Composer 2 的定价方式表明，他们正围绕这一假设构建产品。
若您想进一步了解塑造软件开发版图的 AI 工具，请查看我们的GPT-5.4 vs. Claude Opus 4.6 对比。