Vibe kodēšanas rīks Kursors, no palaišanas Jebkura sfērair iepazīstināja komponistutā pirmais iekšējais, patentēts kodēšanas lielas valodas modelis (LLM), kas ir daļa no tā Kursora 2.0 platformas atjauninājums.
Composer ir izstrādāts, lai ātri un precīzi izpildītu kodēšanas uzdevumus ražošanas mēroga vidēs, kas ir jauns solis AI atbalstītā programmēšanā. To jau izmanto Cursor inženieru personāls ikdienas attīstībā, norādot uz briedumu un stabilitāti.
Saskaņā ar Cursor teikto, komponists pabeidz lielāko daļu mijiedarbību mazāk nekā 30 sekundes vienlaikus saglabājot augsta līmeņa spriešanas spējas lielās un sarežģītās kodu bāzēs.
Modelis ir aprakstīts kā četras reizes ātrāks nekā līdzīgi viedās sistēmas, un tas ir apmācīts “aģentiskām” darbplūsmām, kurās autonomie kodēšanas aģenti kopīgi plāno, raksta, testē un pārskata kodu.
Iepriekš kursors tika atbalstīts "vibe kodēšana" — AI izmantošana, lai rakstītu vai pabeigtu kodu, pamatojoties uz instrukcijām dabiskajā valodā, ko sniedz lietotājs, pat kāds, kurš nav apmācīts izstrādē. virs citiem vadošajiem patentētajiem LLM no tādiem kā OpenAI, Anthropic, Google un xAI. Šīs opcijas joprojām ir pieejamas lietotājiem.
Etalona rezultāti
Komponista iespējas tiek salīdzinātas, izmantojot "Kursora sols," iekšējās novērtēšanas komplekts, kas iegūts no reāliem izstrādātāja aģentu pieprasījumiem. Etalons mēra ne tikai pareizību, wager arī modeļa atbilstību esošajām abstrakcijām, stila konvencijām un inženiertehniskajām praksēm.
Šajā etalonā Composer sasniedz robežlīmeņa kodēšanas inteliģenci, vienlaikus ģenerējot at 250 žetoni sekundē — apmēram divas reizes ātrāk nekā vadošie ātro secinājumu modeļi un četras reizes ātrāk nekā salīdzināmās robežsistēmas.
Kursora publicētais salīdzinājums sagrupē modeļus vairākās kategorijās: “Finest Open” (piemēram, Qwen Coder, GLM 4.6), “Quick Frontier” (Haiku 4.5, Gemini Flash 2.5), “Frontier 7/2025” (spēcīgākais pieejamais modelis vidū) un “Finest Frontier” (tostarp GPT-5 un Claude4.5). Composer atbilst vidējas robežas sistēmu intelektam, vienlaikus nodrošinot augstāko reģistrēto ģenerēšanas ātrumu starp visām pārbaudītajām klasēm.
Modelis, kas izveidots, izmantojot pastiprinošu mācīšanos un ekspertu sajaukumu
Pētnieks Saša Raša no Kursora sniedza ieskatu modeļa izstrādē ieraksti sociālajā tīklā Xaprakstot komponistu kā pastiprināšanas apgūto (RL) ekspertu sajaukuma (EM) modeli:
“Mēs izmantojām RL, lai apmācītu lielu EM modeli, lai tas patiešām būtu labs reālās pasaules kodēšanā un arī ļoti ātrs.”
Rašs paskaidroja, ka komanda kopīgi izstrādāja gan Composer, gan Cursor vidi, lai modelis varētu efektīvi darboties ražošanas mērogā:
“Atšķirībā no citām ML sistēmām, jūs nevarat daudz abstrahēties no pilna mēroga sistēmas. Mēs kopīgi izstrādājām šo projektu un kursoru, lai nodrošinātu aģenta darbību vajadzīgajā mērogā.”
Komponists tika apmācīts reāliem programmatūras inženierijas uzdevumiem, nevis statiskām datu kopām. Apmācības laikā modelis darbojās pilnās kodu bāzēs, izmantojot ražošanas rīku komplektu, tostarp failu rediģēšanu, semantisko meklēšanu un termināļa komandas, lai atrisinātu sarežģītas inženierijas problēmas. Katra apmācības iterācija ietvēra konkrēta izaicinājuma risināšanu, piemēram, koda rediģēšanu, plāna sastādīšanu vai mērķtiecīga skaidrojuma ģenerēšanu.
Armatūras cilpa optimizēja gan pareizību, gan efektivitāti. Komponists iemācījās veikt efektīvu rīku izvēli, izmantot paralēlismu un izvairīties no nevajadzīgām vai spekulatīvām atbildēm. Laika gaitā modelī tika izstrādātas jaunas darbības, piemēram, vienību testu veikšana, līkuma kļūdu labošana un autonoma daudzpakāpju koda meklēšana.
Šis dizains ļauj Composer strādāt tajā pašā izpildlaika kontekstā kā galalietotājam, padarot to vairāk saskaņotu ar reālajiem kodēšanas nosacījumiem — versiju kontroles, atkarības pārvaldības un iteratīvās pārbaudes.
No prototipa līdz ražošanai
Komponista attīstība sekoja agrākam iekšējam prototipam, kas pazīstams kā Gepardskuru Kursors izmantoja, lai izpētītu zema latentuma secinājumus kodēšanas uzdevumiem.
“Gepards bija šī modeļa v0, galvenokārt, lai pārbaudītu ātrumu,” sacīja Rašs X. “Mūsu rādītāji to saka [Composer] ir tāds pats ātrums, wager daudz, daudz gudrāks.
Cheetah panākumi latentuma samazināšanā palīdzēja Kursoram noteikt ātrumu kā galveno faktoru izstrādātāju uzticībā un lietojamībā.
Komponists saglabā šo atsaucību, vienlaikus ievērojami uzlabojot argumentāciju un uzdevumu vispārināšanu.
Izstrādātāji, kuri izmantoja Cheetah agrīnās testēšanas laikā, atzīmēja, ka tā ātrums mainīja to darbību. Viens lietotājs komentēja, ka tas ir “tik ātrs, ka es varu būt informēts, strādājot ar to”.
Komponists saglabā šo ātrumu, wager paplašina iespējas daudzpakāpju kodēšanas, pārstrukturēšanas un testēšanas uzdevumos.
Integrācija ar Cursor 2.0
Composer ir pilnībā integrēts programmā Cursor 2.0, kas ir nozīmīgs uzņēmuma aģentu izstrādes vides atjauninājums.
Platforma ievieš vairāku aģentu saskarni, kas ļauj līdz astoņiem aģentiem, kas darbojas paralēli, katrs izolētā darbvietā, izmantojot git darbkokus vai attālās mašīnas.
Šajā sistēmā Composer var darboties kā viens vai vairāki no šiem aģentiem, veicot uzdevumus neatkarīgi vai kopīgi. Izstrādātāji var salīdzināt vairākus rezultātus no vienlaicīgas aģenta darbības un izvēlēties labāko rezultātu.
Kursors 2.0 ietver arī atbalsta funkcijas, kas uzlabo komponista efektivitāti:
-
Redaktora pārlūkprogramma (GA) – ļauj aģentiem palaist un pārbaudīt savu kodu tieši IDE, pārsūtot DOM informāciju modelim.
-
Uzlabota koda pārskatīšana – apkopo atšķirības vairākos failos, lai ātrāk pārbaudītu modeļa radītās izmaiņas.
-
Smilškastes termināļi (GA) – izolēt aģenta palaistās čaulas komandas drošai vietējai izpildei.
-
Balss režīms – pievieno runas pārveides vadīklas, lai sāktu vai pārvaldītu aģenta sesijas.
Lai gan šie platformas atjauninājumi paplašina vispārējo kursora pieredzi, Composer ir novietots kā tehniskais kodols, kas nodrošina ātru un uzticamu aģentu kodēšanu.
Infrastruktūra un apmācības sistēmas
Lai apmācītu komponistu plašā mērogā, Cursor izveidoja pielāgotu pastiprināšanas mācību infrastruktūru, apvienojot PyTorch un Ray asinhronai apmācībai tūkstošiem NVIDIA GPU.
Komanda izstrādāja specializētus MXFP8 MoE kodolus un hibrīdo šķelto datu paralēlismu, ļaujot veikt liela mēroga modeļu atjauninājumus ar minimālām saziņas izmaksām.
Šī konfigurācija ļauj kursoram apmācīt modeļus sākotnēji ar zemu precizitāti, neprasot pēcapmācības kvantēšanu, uzlabojot gan secinājumu ātrumu, gan efektivitāti.
Komponista apmācība balstījās uz simtiem tūkstošu vienlaicīgu smilškastes vidi — katra no tām bija autonoma kodēšanas darbvieta —, kas darbojas mākonī. Uzņēmums pielāgoja savu Background Brokers infrastruktūru, lai dinamiski ieplānotu šīs virtuālās mašīnas, atbalstot lielu RL darbību pārrāvumu.
Uzņēmuma lietošana
Komponista veiktspējas uzlabojumus atbalsta infrastruktūras līmeņa izmaiņas kursora koda izlūkošanas kaudzē.
Uzņēmums ir optimizējis valodu servera protokolus (LSP) ātrākai diagnostikai un navigācijai, īpaši Python un TypeScript projektos. Šīs izmaiņas samazina latentumu, kad Composer mijiedarbojas ar lielām krātuvēm vai ģenerē vairāku failu atjauninājumus.
Uzņēmuma lietotāji iegūst administratīvo kontroli pār Composer un citiem aģentiem, izmantojot komandas noteikumus, audita žurnālus un smilškastes izpildi. Kursora komandas un uzņēmuma līmeņi atbalsta arī apvienoto modeļu izmantošanu, SAML/OIDC autentifikāciju un analīzi aģentu darbības pārraudzībai dažādās organizācijās.
Cenas atsevišķiem lietotājiem svārstās no bezmaksas (Pastime) līdz Extremely (200 ASV dolāri mēnesī) ar paplašinātiem lietošanas ierobežojumiem Professional+ un Extremely abonentiem.
Uzņēmējdarbības cenas sākas no USD 40 vienam lietotājam mēnesī Groups, ar uzņēmuma līgumiem, kas piedāvā pielāgotas lietošanas un atbilstības iespējas.
Komponista loma attīstošajā AI kodēšanas ainavā
Komponista koncentrēšanās uz ātrumu, apmācību pastiprināšanu un integrāciju ar reāllaika kodēšanas darbplūsmām atšķir to no citiem AI izstrādes palīgiem, piemēram, GitHub Copilot vai Replit’s Agent.
Tā vietā, lai kalpotu kā pasīva ieteikumu dzinējs, Composer ir paredzēts nepārtrauktai, aģentu vadītai sadarbībai, kurā vairākas autonomas sistēmas mijiedarbojas tieši ar projekta kodu bāzi.
Šī modeļa līmeņa specializācija — mākslīgā intelekta apmācība darboties reālajā vidē, kurā tā darbosies — ir nozīmīgs solis ceļā uz praktisku, autonomu programmatūras izstrādi. Komponists nav apmācīts tikai par teksta datiem vai statisku kodu, wager gan dinamiskā IDE, kas atspoguļo ražošanas apstākļus.
Rašs aprakstīja šo pieeju kā būtisku, lai sasniegtu reālās pasaules uzticamību: modelis mācās ne tikai ģenerēt kodu, wager arī to, kā to integrēt, pārbaudīt un uzlabot kontekstā.
Ko tas nozīmē uzņēmumu izstrādātājiem un Vibe kodēšanai
Izmantojot Composer, Cursor ievieš vairāk nekā ātru modeli — tas izvieto AI sistēmu, kas optimizēta lietošanai reālajā pasaulē, kas izveidota, lai darbotos tajos pašos rīkos, uz kuriem izstrādātāji jau paļaujas.
Mācību pastiprināšanas, ekspertu dizaina kombinācijas un ciešas produktu integrācijas kombinācija nodrošina Composer praktisku ātrumu un atsaucību, kas to atšķir no vispārējas nozīmes valodu modeļiem.
Lai gan Cursor 2.0 nodrošina infrastruktūru vairāku aģentu sadarbībai, Composer ir galvenā inovācija, kas padara šīs darbplūsmas dzīvotspējīgas.
Tas ir pirmais kodēšanas modelis, kas īpaši izveidots aģentiskai, ražošanas līmeņa kodēšanai — un agrīns ieskats tajā, kā varētu izskatīties ikdienas programmēšana, kad cilvēku izstrādātājiem un autonomiem modeļiem ir viena darbvieta.
