文章核心观点 - Cursor公司发布其最新编程模型Composer 2，该模型在多项基准测试上的性能超越了Claude Opus 4.6，同时价格实现了大幅下降，即“脚踝斩”[1][3][4] - 公司能够在行业普遍涨价的背景下实现降价，核心在于引入了一种名为“自我总结”的新强化学习方法，该方法通过训练使模型具备主动总结长任务上下文的能力，从而在提升性能的同时显著降低了成本[6][21][22] 模型性能与定价 - **性能表现**：Composer 2在CursorBench、Terminal-Bench 2.0和SWE-bench Multilingual等所有衡量基准上均取得大幅提升[11] - 在Terminal-Bench 2.0上的水平已跃居GPT-5.4和Claude Opus 4.6之间[12] - 具体基准分数：CursorBench为61.3，Terminal-Bench 2.0为61.7，SWE-bench Multilingual为73.7[15] - **定价策略**：Composer 2的价格远低于竞争对手，实现了“脚踝斩”[16] - 标准版定价：输入价格为0.5美元/百万tokens（约3.5元人民币），输出价格为2.5美元/百万tokens（约17.2元人民币）[15] - 快速变体Composer 2 Fast定价：输入为1.5美元/百万tokens（约10.3元人民币），输出为7.5美元/百万tokens（约51.7元人民币）[19] - **模型迭代速度**：从Composer 1到Composer 2的进化速度不断加快，性能提升显著[14][15] 核心技术：自我总结强化学习 - **解决的核心问题**：解决AI编程助手在处理长链条、复杂任务时，因上下文窗口有限而容易“掉链子”或遗忘关键信息的问题[25][26][27] - **方法原理**：该方法不是推理技巧，而是通过强化学习训练出来的能力[22][34] - 模型在任务执行过程中，会主动暂停并生成“阶段总结”（即“做笔记”），将关键信息压缩后传递至后续步骤[23][31] - 在强化学习过程中，总结能力被计入奖励函数，使模型学会区分并保留关键信息[35] - **技术优势**：相比传统的上下文压缩方法（如摘要法或滑动窗口），Cursor的新方法更高效、更准确[28][29] - 在高难度软件工程任务上，传统摘要法需要数千tokens的提示词，压缩后平均仍需5000+ tokens[37] - Composer方法仅需一句简单提示词（如“Please summarize the conversation”），压缩后输出平均仅1000个tokens[38] - 效果对比：Composer的token用量仅为传统方法的1/5，且压缩带来的错误减少了约50%[39] - **实际效果验证**：模型成功解决了经典长链条难题——将Doom游戏移植到MIPS架构[43][44] - 经过170轮交互，模型将超过10万tokens的上下文总结压缩至1000个，并最终找到精确解法[45] 公司战略与行业背景 - **行业背景**：随着大模型（文中喻为“龙虾”）的爆火，全球大模型Token消耗量呈指数级增长，导致年初以来国内外云厂商和大模型公司集体涨价[6][9] - **公司定位与目标**：Cursor在此背景下，将发展重心明确转向“性价比”[9][10] - 公司CEO表示，Cursor既不是纯粹的应用程序开发商，也不是纯粹的模型提供商，具有双重身份[48] - **产品迭代节奏**：公司发展节奏很快，在发布Composer 2后，研究员已开始放出Composer 3的消息[47]