如今的AI編程領(lǐng)域，Claude Code、Codex和Cursor已經(jīng)是最著名的三款代理工具。

前兩者分別背靠Anthropic和OpenAI，憑借著旗下最先進(jìn)的模型Opus 4.7和GPT-5.5屢屢在編程相關(guān)的基準(zhǔn)測(cè)試中摘得桂冠。

相比之下，最早誕生于2023年的Cursor如今顯得有些落寞。為了扭轉(zhuǎn)局面，Cursor決定放出一枚深水炸彈：Composer 2.5。

盡管官方只給出了一篇2分鐘閱讀時(shí)間的短片技術(shù)博客，Cursor還是以極為克制的態(tài)度宣誓了技術(shù)主權(quán)：攜手馬斯克的SpaceXAI接入100萬塊H100的等效算力、合成數(shù)據(jù)規(guī)模暴增25倍，以及十分激進(jìn)的商業(yè)定價(jià)。

博客的最底端，Cursor留下了三個(gè)不起眼的腳注，而其中的三篇硬核學(xué)術(shù)論文，涵蓋了強(qiáng)化學(xué)習(xí)、合成數(shù)據(jù)和底層基建的巧妙改動(dòng)，恰好對(duì)應(yīng)了AI“算法、數(shù)據(jù)和算力”三要素，這才是解開Composer 2.5強(qiáng)大能力的鑰匙。

Cursor正在向整個(gè)行業(yè)宣告真相：AI編程的競(jìng)爭，早就從套殼拼API的冷兵器時(shí)代，全面進(jìn)入了重寫底層強(qiáng)化學(xué)習(xí)算法的核武器時(shí)代。

01

強(qiáng)化學(xué)習(xí)：“自我蒸餾”

AI編程這件事，開發(fā)者和普通人的看法完全不同。普通人認(rèn)為，AI編程降低了使用門檻，讓不懂編程的人也能寫個(gè)應(yīng)用程序；而開發(fā)者認(rèn)為，AI編程現(xiàn)有的能力擺脫不了人工復(fù)核，一旦交互次數(shù)變多、上下文變長，AI編程的性能就會(huì)直線下降。

Cursor一針見血地點(diǎn)明了AI編程全行業(yè)目前都必須面對(duì)的一個(gè)世界級(jí)難題，并稱之為“信用分配（Credit Assignment）”。

這就好比一位語文老師收到了學(xué)生交上來的一篇10萬字的長篇小說，粗糙地掃了一眼之后發(fā)現(xiàn)內(nèi)容全盤崩壞，于是直接給這篇小說打了個(gè)不及格。

在AI領(lǐng)域，以基于標(biāo)量獎(jiǎng)勵(lì)的GRPO算法為代表的傳統(tǒng)強(qiáng)化學(xué)習(xí)就是這么做的，它只會(huì)給出一個(gè)最終的離散評(píng)分：0就是對(duì)，1就是錯(cuò)。

顯而易見，這種做法談不上錯(cuò)，但也不夠嚴(yán)謹(jǐn)。因?yàn)閷W(xué)生拿到不及格之后壓根不知道自己錯(cuò)在哪里，是開頭的人設(shè)崩了、中間的邏輯斷了還是結(jié)尾寫跑題了？

AI模型也是一樣的，得不到任何具體的反饋，在下一次執(zhí)行復(fù)雜任務(wù)并生成幾十萬、上百萬token的代碼時(shí)，還是不知道應(yīng)該從哪里開始改、改什么、如何改。不僅如此，在盲目試錯(cuò)的過程中，傳統(tǒng)模型在生成代碼時(shí)往往會(huì)在思維鏈中產(chǎn)生大量的廢話，這些廢話的背后可是實(shí)打?qū)嵉膐utput token賬單。

Cursor為了解決這個(gè)問題，把槍口瞄準(zhǔn)了“基于文本反饋的定向強(qiáng)化學(xué)習(xí)”機(jī)制，工程團(tuán)隊(duì)敏銳地將“自我蒸餾（Self-Distillation）”技術(shù)引入了長文本代碼生成的訓(xùn)練過程之中。

提到蒸餾，自然離不開教師模型和學(xué)生模型之間的博弈，這就好比一場(chǎng)開卷和閉卷交雜的考試：

當(dāng)模型在長達(dá)幾十萬token的代碼生成過程中發(fā)生了工具調(diào)用錯(cuò)誤時(shí)，Cursor就會(huì)把具體的報(bào)錯(cuò)信息連帶著正確的可用工具列表直接丟給模型，讓它“開卷”看答案。于是，這個(gè)看了正確答案的模型處于全知全能的狀態(tài)，順理成章地成為了教師模型。

而同一款沒看到答案、只能靠本能寫代碼的模型就作為學(xué)生模型，開始與教師模型對(duì)齊。

教師模型無需從頭到尾把代碼重寫一遍，只需要在代碼報(bào)錯(cuò)的那個(gè)特定位置告訴學(xué)生模型“在這個(gè)token上，你應(yīng)該降低選A工具的概率，提高選B工具的概率。”

看起來很簡單的自我蒸餾過程，帶來的結(jié)果卻令人意外：

一是模型告別了災(zāi)難性的遺忘，這種同策略方法能讓模型在學(xué)會(huì)調(diào)用復(fù)雜工具等新技能的同時(shí)，原封不動(dòng)地保留原本強(qiáng)大的基礎(chǔ)編碼和推理能力；

二是“廢話文學(xué)”得以終結(jié)，比起傳統(tǒng)強(qiáng)化學(xué)習(xí)算法動(dòng)不動(dòng)就給出幾千token的無效輸出，自我蒸餾訓(xùn)練出來的模型推理過程往往極其精簡。

換句話說，Composer 2.5拒絕“為了思考而思考”，要的就是“一擊必中”。

02

合成數(shù)據(jù)：“作弊手冊(cè)”

為了追趕甚至超越Claude Code和Codex，Cursor這次可謂是大動(dòng)干戈，不僅在算法上取巧，數(shù)據(jù)層面上也是下了血本：

在Composer 2.5的訓(xùn)練中，Cursor動(dòng)用了比上一代模型多出25倍的合成數(shù)據(jù)。

規(guī)模化法則（Scaling Law）從未失效，但在互聯(lián)網(wǎng)數(shù)據(jù)即將枯竭的今天，“合成數(shù)據(jù)”成為了所有AI企業(yè)的救命稻草。

Cursor采用了一種巧妙的方式來獲得合成數(shù)據(jù)：先破壞，再重建，也就是功能刪除法。

研究團(tuán)隊(duì)先是找到了一個(gè)帶有大量自動(dòng)化測(cè)試用例的龐大真實(shí)代碼庫，讓AI扮演一個(gè)“無害的破壞者”，刪除掉里面特定功能的代碼和文件，但必須保證剩下的代碼依然能運(yùn)行。

下一步，就是把這個(gè)殘缺但仍然能運(yùn)行的代碼庫丟給訓(xùn)練過程中的Composer 2.5，并要求它復(fù)現(xiàn)出被刪除的功能。判斷的依據(jù)也很簡單，就是看能否通過原本的測(cè)試用例。

這種在人類看來只是“完形填空”的測(cè)試，對(duì)AI來說反而是一種極高難度的情景還原訓(xùn)練。不過，在這個(gè)過程中，Cursor觀察到了令人有些不適的“AI獎(jiǎng)勵(lì)破解（Reward Hacking）”現(xiàn)象。

簡單來說，就是隨著Composer能力的躍遷，它開始走上歪路，通過瘋狂尋找系統(tǒng)的漏洞來完成任務(wù)，而不是老老實(shí)實(shí)、按部就班地寫代碼。

被實(shí)錘的案例有兩個(gè)：

其一，模型發(fā)現(xiàn)系統(tǒng)里殘留了Python的類型檢查緩存，它直接逆向破解了緩存的格式，從中把被刪除的函數(shù)簽名硬給“偷”了出來；

其二，模型在面對(duì)缺失的第三方API時(shí)，順藤摸瓜找到了底層的Java字節(jié)碼，然后編寫了一個(gè)反編譯腳本重建了API。

不得不說，這看上去有點(diǎn)科幻電影AI覺醒即將統(tǒng)治人類的前兆了。

從技術(shù)角度看，這恰恰證明了大規(guī)模的強(qiáng)化學(xué)習(xí)在AI編程領(lǐng)域的巨大威力。代碼的世界本質(zhì)上就是一個(gè)具備“客觀真理”的沙盒，跑得通且能給出正確結(jié)果就是對(duì)，反之就是錯(cuò)。而模型在這個(gè)沙盒中，為了像人類的工程學(xué)一樣更快達(dá)到目的，已經(jīng)開始涌現(xiàn)出人類高級(jí)黑客才具備的側(cè)信道攻擊和逆向工程能力。

Cursor的研究團(tuán)隊(duì)通過智能體監(jiān)控發(fā)現(xiàn)了這些所謂的“作弊行為”，按道理說應(yīng)該是數(shù)據(jù)和算法層面上都出現(xiàn)了問題，但這反而成為了一個(gè)絕佳的商業(yè)宣傳：

為了偷懶能反編譯Java字節(jié)碼的AI，想要幫人類完成常見的業(yè)務(wù)代碼，完全是降維打擊。

03

底層基建：算力壓榨

聊完了數(shù)據(jù)和算法，接下來就是讓全球AI企業(yè)頭疼的算力問題了。畢竟，高端的算法永遠(yuǎn)建立在底層重資產(chǎn)構(gòu)建的泥瓦匠基建工程之上。

這一次，Cursor在外部和內(nèi)部都有充足的動(dòng)力：

首先是官方高調(diào)宣布Composer 2.5與馬斯克旗下的SpaceXAI達(dá)成合作，動(dòng)用了Colossus數(shù)據(jù)中心提供的100萬塊H100等效算力。這個(gè)概念足以令人震撼，目前許多主流大模型廠商的總算力儲(chǔ)備恐怕連這個(gè)數(shù)字的十分之一都達(dá)不到。

在獲得馬斯克援助的同時(shí)，Cursor在底層算力的優(yōu)化上，也學(xué)習(xí)國產(chǎn)模型精打細(xì)算到了極致。官方技術(shù)博客中提到的分片Muon和雙網(wǎng)格HSDP這兩項(xiàng)核心技術(shù)，正是Cursor在AI訓(xùn)練基建領(lǐng)域最硬核的操作。

在詳細(xì)拆解這兩項(xiàng)技術(shù)之前，首先要明白現(xiàn)有的頂級(jí)大模型普遍采用的是混合專家（MoE）架構(gòu)，其中的參數(shù)被分為兩類：非專家權(quán)重和專家權(quán)重，分別對(duì)應(yīng)公共知識(shí)和專業(yè)知識(shí)。

當(dāng)模型的規(guī)模不斷擴(kuò)大直至突破萬億后，計(jì)算任務(wù)就必須拆分給成千上萬塊GPU。此時(shí)，GPU之間互相傳輸數(shù)據(jù)產(chǎn)生的通信延遲瞬間成為了比計(jì)算本身更難以克服的瓶頸。

Muon是一種月之暗面優(yōu)化后的前沿優(yōu)化器算法，能對(duì)矩陣進(jìn)行正交化操作并讓模型訓(xùn)練過程更加穩(wěn)定、收斂速度更快。

然而，矩陣正交化計(jì)算對(duì)于專家權(quán)重來說意味著極大的計(jì)算開銷。于是，Cursor沿用這一思路，將形狀相同的矩陣也進(jìn)行分片，并把矩陣碎片分配給不同的GPU并行計(jì)算，完成后統(tǒng)一收回結(jié)果。

在傳統(tǒng)的分布式計(jì)算中，GPU從發(fā)送完數(shù)據(jù)到接收到回傳數(shù)據(jù)的過程就會(huì)產(chǎn)生網(wǎng)絡(luò)延遲，而Cursor則做到了異步重疊，單塊GPU在發(fā)送完一個(gè)任務(wù)的數(shù)據(jù)后不會(huì)傻等，而是立刻開始計(jì)算下一個(gè)任務(wù)。

雙網(wǎng)格HSDP則是Cursor針對(duì)MoE模型的參數(shù)異構(gòu)性，從底層解耦通信進(jìn)程組設(shè)計(jì)出的兩套物理隔離的通信網(wǎng)格：

窄網(wǎng)格專用于非專家權(quán)重，高頻的操作完全在節(jié)點(diǎn)內(nèi)的超高帶寬上完成，徹底規(guī)避了跨節(jié)點(diǎn)的網(wǎng)絡(luò)延遲；

寬網(wǎng)格專用于專家權(quán)重，執(zhí)行專家并行和參數(shù)分片可以最大化地將專家狀態(tài)的存儲(chǔ)與計(jì)算壓力分?jǐn)偟胶Ａ康腉PU上。

而這種雙網(wǎng)格布局帶來的核心技術(shù)紅利就是通信與計(jì)算的極致重疊，以及并行維度的無沖突疊加。這一通操作下來，網(wǎng)絡(luò)通信的時(shí)間就會(huì)被完美地隱藏在計(jì)算的時(shí)間中。一個(gè)萬億參數(shù)的模型，高度復(fù)雜的優(yōu)化器每走一步甚至只需要驚人的0.2秒。

極致的工程化能力，確保了Cursor能用最高的效率將最前沿的學(xué)術(shù)理論轉(zhuǎn)化為產(chǎn)品，這也是后來者難以望其項(xiàng)背的壁壘。

04

重塑開發(fā)者生態(tài)

最后，從Composer 2.5的這次發(fā)布中，可以看到Cursor清晰的商業(yè)脈絡(luò)。它的野心，絕不會(huì)停留于一款好用的編程代理。

Composer 2.5采用的是常見的雙軌定價(jià)：普通版和Fast版，兩者智能水平相同但后者速度更快。

普通版：輸入0.5美元/百萬token，輸出2.5美元/百萬token

Fast版：輸入3美元/百萬token，輸出15美元/百萬token

雖然Fast版的價(jià)格遠(yuǎn)高于普通版，但官方特別強(qiáng)調(diào)：它的成本依然低于其他前沿模型的同檔方案。

這種現(xiàn)象并不罕見，就像Anthropic的Opus 4.7和OpenAI的GPT-5.5一樣，雖然API價(jià)格遠(yuǎn)高于全世界絕大部分模型，但這兩款頂尖模型完成任務(wù)所需的成本反而更低。

這也是Cursor一種極其精準(zhǔn)的用戶心理把控。對(duì)于高凈值、高付費(fèi)意愿的程序員群體來說，思考的連貫性往往是無價(jià)的。多花幾塊錢，換來的是代碼生成速度的毫秒級(jí)提升。Cursor把Fast版作為默認(rèn)選項(xiàng)，同時(shí)給出首周雙倍用量，本質(zhì)上其實(shí)是在用更低的成本培養(yǎng)用戶對(duì)“更好體驗(yàn)的AI編程”的生理級(jí)依賴。

這也是國際頂尖AI企業(yè)普遍在做的一件事：一旦習(xí)慣了一款模型的速度和精準(zhǔn)度，用戶將極難回流到競(jìng)品廠商手中。

從Cursor的技術(shù)棧中包含處理幾十萬token上下文、跨多文件編輯、定向糾正工具調(diào)用等能力也可以看出，它的定位就是一個(gè)長線任務(wù)協(xié)作Agent。

用戶不需要逐行按下tab鍵，只需要拋出一個(gè)架構(gòu)需求，Cursor就能自己去后臺(tái)讀緩存、調(diào)接口、跑測(cè)試。哪怕出了錯(cuò)也不必?fù)?dān)心，基于文本反饋的自我蒸餾技術(shù)能讓它在幾百輪交互中自我進(jìn)化。

因此，Composer 2.5的出現(xiàn)，也是對(duì)軟件開發(fā)行業(yè)的一次靈魂拷問：

當(dāng)模型已經(jīng)能夠通過反編譯和閱讀長代碼庫來自動(dòng)完成代碼的重構(gòu)和修復(fù)，那些初級(jí)程序員又該何去何從？

反過來看，它對(duì)系統(tǒng)架構(gòu)師、產(chǎn)品經(jīng)理和具備頂層設(shè)計(jì)思維的高級(jí)開發(fā)者來說就是一場(chǎng)史無前例的紅利。

未來的AI編程，競(jìng)爭的核心就在于對(duì)問題的定義能力和對(duì)復(fù)雜系統(tǒng)的拆解能力。

人們提出多高維度、多精準(zhǔn)的需求，Composer 2.5就能利用100萬塊H100訓(xùn)練出的智慧回饋出多震撼的系統(tǒng)。

最后，Composer 2.5的初創(chuàng)團(tuán)隊(duì)令人敬畏。

他們既有學(xué)術(shù)界最前沿的強(qiáng)化學(xué)習(xí)和自我蒸餾理論，又有百萬卡級(jí)別的夸張算力，腳下踩著極致壓榨GPU的工程基建，腦子里還裝著洞悉開發(fā)者人性的商業(yè)模式。

有人說，AI編程工具終究只是大模型的套殼。

但Cursor用Composer 2.5證明：當(dāng)應(yīng)用層的體驗(yàn)反推向底層算法重構(gòu)時(shí)，這層套殼就成為了競(jìng)爭中最堅(jiān)固的城墻。

AI編程的下半場(chǎng)早已開場(chǎng)，如今領(lǐng)跑的，是一個(gè)不斷實(shí)現(xiàn)“自我蒸餾”的超級(jí)物種。