Cursor 2.0 版本发布 - Cursor 发布重大更新，包括首个自研编码模型 Composer 和用于并行协作多个智能体的新界面 [2] 自研模型 Composer 的意义 - Composer 的发布标志着公司从依赖第三方模型的“AI外壳”向“AI原生平台”的战略转型 [3][4] - 此举旨在打破长期依赖 Claude、GPT 等第三方模型的瓶颈 [3] 模型 Composer 的性能特点 - 模型生成速度达到每秒 250 个 token，是领先快速推理模型的两倍，是同类前沿系统的四倍 [9] - 模型智能程度匹敌中端前沿系统，但速度遥遥领先 [6][9] - 模型专为低延迟的智能体式编码打造，大多数任务回合在 30 秒内完成 [11] - 模型通过覆盖整个代码库的语义搜索等工具进行训练，在处理大型代码库方面能力显著更强 [12] 模型 Composer 的技术架构 - Composer 是一种混合专家模型，支持长上下文的生成与理解 [16] - 模型通过在多样化开发环境中进行强化学习，针对软件工程进行专项优化 [16] - 训练鼓励模型高效使用工具并最大化并行处理，模型自发习得执行复杂搜索、修复错误等能力 [19] - 公司构建了新的基准测试 Cursor Bench，以更贴近开发者实际使用价值的方式评估模型 [16] Cursor 2.0 的多智能体界面 - 新界面彻底以“智能体”为中心，用户可专注于结果，让智能体处理细节 [22] - 系统能够轻松并行运行多个互不干扰的智能体，并可利用多个模型尝试同一问题以提升结果质量 [22] - 新版本开始解决代码评审与变更测试这两个新的瓶颈 [24][25] - 构建了原生浏览器工具，使智能体可以测试其工作并持续迭代直至产出正确结果 [26] 训练基础设施 - 公司基于 PyTorch 和 Ray 构建了定制化训练基础设施，以支持大规模异步强化学习 [28] - 通过结合 MXFP8 MoE kernels 与专家并行等技术，将训练扩展到数千张 NVIDIA GPU，并实现更快的推理速度 [28] - 重写了虚拟机调度器，以支持在云端并发运行数十万份隔离的沙盒编码环境，实现了训练与生产环境的无缝统一 [28] 市场反馈与应用 - Composer 已被公司自身的工程团队在日常开发中使用，表明其成熟度和稳定性 [20] - 本次大版本更新获得了大量关注，早期体验开发者给出了积极反馈 [30][31][36]