Vibe platforma za kodiranje Cursor izdaje prvi interni LLM, Composer, koji obećava 4X povećanje brzine

Vibe alat za kodiranje Cursor, od pokretanja Bilo koja sferaima predstavio Skladateljsvoj prvi interni, vlasnički model velikog jezika (LLM) kao dio svog Ažuriranje platforme Cursor 2.0.

Composer je dizajniran za brzo i točno izvršavanje zadataka kodiranja u okruženjima proizvodnih razmjera, što predstavlja novi korak u programiranju potpomognutom umjetnom inteligencijom. Cursorovo vlastito inženjersko osoblje već ga koristi u svakodnevnom razvoju — što ukazuje na zrelost i stabilnost.

Prema Cursoru, Composer dovršava većinu interakcija u manje od 30 sekundi zadržavajući visoku razinu sposobnosti zaključivanja u velikim i složenim bazama koda.

Model je opisan kao četiri puta brži od sličnih inteligentnih sustava i osposobljen je za “agentske” tijekove rada—gdje autonomni agenti za kodiranje planiraju, pišu, testiraju i pregledavaju kod u suradnji.

Prethodno je podržan kursor "vibe kodiranje" — korištenje umjetne inteligencije za pisanje ili dovršavanje koda na temelju uputa korisnika na prirodnom jeziku, čak i nekoga tko nije obučen za razvoj — na vrhu drugih vodećih vlasničkih LLM-ova od OpenAI, Anthropic, Google i xAI. Ove su opcije i dalje dostupne korisnicima.

Rezultati mjerenja

Sposobnosti skladatelja uspoređuju se korištenjem "Pokazivač," interni paket za procjenu izveden iz zahtjeva stvarnog razvojnog agenta. Referentna vrijednost ne mjeri samo ispravnost, već i pridržavanje modela postojećim apstrakcijama, stilskim konvencijama i inženjerskim praksama.

Na ovom mjerilu, Composer postiže graničnu inteligenciju kodiranja dok generira na 250 tokena u sekundi — otprilike dvostruko brže od vodećih modela brzog zaključivanja i četiri puta brže od usporedivih graničnih sustava.

Cursorovi objavljeni modeli za usporedbu grupiraju modele u nekoliko kategorija: “Najbolji otvoreni” (npr. Qwen Coder, GLM 4.6), “Brza granica” (Haiku 4.5, Gemini Flash 2.5), “Frontier 7/2025” (najjači model dostupan sredinom godine) i “Najbolja granica” (uključujući GPT-5 i Claude Sonnet 4.5). Composer odgovara inteligenciji srednjih graničnih sustava dok isporučuje najveću zabilježenu brzinu generiranja među svim testiranim klasama.

Model izgrađen učenjem pojačanja i arhitekturom mješavine stručnjaka

Znanstvenica Sasha Rush iz Cursora pružila je uvid u razvoj modela u objave na društvenoj mreži Xopisujući Composer kao model mješavine stručnjaka (MoE) naučen pojačanjem:

“Koristili smo RL kako bismo obučili veliki model MoE da bude stvarno dobar u kodiranju u stvarnom svijetu, a također i vrlo brz.”

Rush je objasnio da je tim zajednički dizajnirao okruženje Composer i Cursor kako bi omogućio učinkovito funkcioniranje modela na razini proizvodnje:

“Za razliku od drugih ML sustava, ne možete puno apstrahirati od sustava u punoj veličini. Zajedno smo dizajnirali ovaj projekt i Cursor kako bismo omogućili pokretanje agenta u potrebnoj mjeri.”

Composer je obučen za stvarne zadatke softverskog inženjeringa, a ne za statične skupove podataka. Tijekom obuke, model je radio unutar potpunih baza kodova koristeći skup proizvodnih alata—uključujući uređivanje datoteka, semantičko pretraživanje i terminalske naredbe—za rješavanje složenih inženjerskih problema. Svaka iteracija obuke uključivala je rješavanje konkretnog izazova, kao što je uređivanje koda, izrada nacrta plana ili generiranje ciljanog objašnjenja.

Petlja za pojačanje optimizirala je ispravnost i učinkovitost. Skladatelj je naučio donositi učinkovite izbore alata, koristiti paralelizam i izbjegavati nepotrebne ili spekulativne odgovore. Tijekom vremena, model je razvio pojavna ponašanja kao što je pokretanje jediničnih testova, popravljanje grešaka u linteru i izvođenje autonomnog pretraživanja koda u više koraka.

Ovaj dizajn omogućuje Composeru rad unutar istog konteksta vremena izvođenja kao i krajnji korisnik, čineći ga usklađenijim s uvjetima kodiranja u stvarnom svijetu—rukovanje kontrolom verzija, upravljanje ovisnostima i iterativno testiranje.

Od prototipa do proizvodnje

Razvoj skladatelja slijedio je raniji interni prototip poznat kao gepardkoji je Cursor koristio za istraživanje zaključivanja niske latencije za zadatke kodiranja.

“Cheetah je bio v0 ovog modela prvenstveno za testiranje brzine”, rekao je Rush na X. “Naša metrika to kaže [Composer] je ista brzina, ali mnogo, mnogo pametnija.”

Uspjeh Cheetaha u smanjenju latencije pomogao je Cursoru da identificira brzinu kao ključni čimbenik povjerenja i upotrebljivosti programera.

Composer zadržava tu osjetljivost dok značajno poboljšava rezoniranje i generalizaciju zadataka.

Programeri koji su koristili Cheetah tijekom ranog testiranja primijetili su da je njegova brzina promijenila način na koji rade. Jedan je korisnik komentirao da je “toliko brz da mogu ostati u tijeku dok radim s njim.”

Composer zadržava tu brzinu, ali proširuje mogućnost kodiranja u više koraka, refaktoriranja i zadataka testiranja.

Integracija s Cursor 2.0

Composer je potpuno integriran u Cursor 2.0, veliko ažuriranje agentskog razvojnog okruženja tvrtke.

Platforma uvodi sučelje s više agenata, omogućujući do osam agenata koji rade paralelno, svaki u izoliranom radnom prostoru pomoću git radnih stabala ili udaljenih strojeva.

Unutar ovog sustava, Composer može služiti kao jedan ili više tih agenata, obavljajući zadatke samostalno ili u suradnji. Programeri mogu usporediti više rezultata istodobnih pokretanja agenta i odabrati najbolji izlaz.

Cursor 2.0 također uključuje značajke podrške koje povećavaju učinkovitost Composer-a:

• In-Editor preglednik (GA) – omogućuje agentima da pokreću i testiraju svoj kod izravno unutar IDE-a, prosljeđujući DOM informacije modelu.

• Poboljšani pregled koda – agregira razlike u više datoteka za brži pregled promjena generiranih modelom.

• Terminali u zaštićenom okruženju (GA) – izolirajte naredbe ljuske za pokretanje agenta za sigurno lokalno izvršenje.

• Glasovni način – dodaje kontrole govora u tekst za pokretanje ili upravljanje agentskim sesijama.

Dok ova ažuriranja platforme proširuju cjelokupno iskustvo Cursora, Composer je pozicioniran kao tehnička jezgra koja omogućuje brzo, pouzdano agentsko kodiranje.

Infrastruktura i sustavi obuke

Kako bi obučavao Composer na velikom broju, Cursor je izgradio prilagođenu infrastrukturu za učenje pojačanja koja kombinira PyTorch i Ray za asinkronu obuku na tisućama NVIDIA GPU-a.

Tim je razvio specijalizirane MXFP8 MoE kernele i hibridni razdijeljeni paralelizam podataka, omogućujući ažuriranje modela velikih razmjera uz minimalne troškove komunikacije.

Ova konfiguracija omogućuje Cursoru da nativno trenira modele s niskom preciznošću bez potrebe za kvantizacijom nakon obuke, poboljšavajući i brzinu i učinkovitost zaključivanja.

Skladateljeva obuka oslanjala se na stotine tisuća istodobnih okruženja u sandboxu — od kojih je svako samostalni radni prostor za kodiranje — koje radi u oblaku. Tvrtka je prilagodila svoju infrastrukturu Background Agents za dinamičko planiranje ovih virtualnih strojeva, podržavajući brzu prirodu velikih RL pokretanja.

Korištenje za poduzeća

Poboljšanja performansi Composer-a podržana su promjenama na razini infrastrukture kroz Cursorov skup inteligencije koda.

Tvrtka je optimizirala svoje protokole poslužitelja jezika (LSP) za bržu dijagnostiku i navigaciju, posebno u Python i TypeScript projektima. Ove promjene smanjuju kašnjenje kada Composer komunicira s velikim spremištima ili generira ažuriranja više datoteka.

Poslovni korisnici stječu administrativnu kontrolu nad Composerom i drugim agentima putem timskih pravila, revizijskih zapisa i provedbe sandboxa. Cursor’s Teams i Enterprise razine također podržavaju korištenje skupnog modela, SAML/OIDC autentifikaciju i analitiku za praćenje performansi agenta u organizacijama.

Cijene za pojedinačne korisnike kreću se od besplatnih (hobi) do ultra (200 USD mjesečno), s proširenim ograničenjima upotrebe za pretplatnike Pro+ i Ultra.

Poslovne cijene počinju od 40 USD po korisniku mjesečno za Teams, s poslovnim ugovorima koji nude prilagođene mogućnosti korištenja i usklađenosti.

Skladateljeva uloga u razvoju AI kodiranja

Composerov fokus na brzinu, učenje s pojačanjem i integraciju s tijekovima rada kodiranja uživo razlikuje ga od drugih pomoćnika za razvoj umjetne inteligencije kao što su GitHub Copilot ili Replit’s Agent.

Umjesto da služi kao pasivni mehanizam za sugestije, Composer je dizajniran za kontinuiranu suradnju vođenu agentima, gdje višestruki autonomni sustavi izravno komuniciraju s bazom koda projekta.

Ova specijalizacija na razini modela—osposobljavanje umjetne inteligencije za funkcioniranje unutar stvarnog okruženja u kojem će raditi—predstavlja značajan korak prema praktičnom, autonomnom razvoju softvera. Skladatelj se ne obučava samo na tekstualnim podacima ili statičkom kodu, već unutar dinamičkog IDE-a koji odražava proizvodne uvjete.

Rush je opisao ovaj pristup kao bitan za postizanje pouzdanosti u stvarnom svijetu: model uči ne samo kako generirati kod, već kako ga integrirati, testirati i poboljšati u kontekstu.

Što to znači za Enterprise Devs i Vibe Coding

S Composerom, Cursor uvodi više od brzog modela—uvodi AI sustav optimiziran za upotrebu u stvarnom svijetu, izgrađen za rad unutar istih alata na koje se programeri već oslanjaju.

Kombinacija učenja s pojačanjem, dizajna mješavine stručnjaka i uske integracije proizvoda daje Composeru praktičnu prednost u brzini i odzivu što ga izdvaja od jezičnih modela opće namjene.

Dok Cursor 2.0 pruža infrastrukturu za suradnju s više agenata, Composer je temeljna inovacija koja te tijekove rada čini održivima.

To je prvi model kodiranja izgrađen posebno za agentsko kodiranje na razini proizvodnje—i rani uvid u to kako bi svakodnevno programiranje moglo izgledati kada ljudski programeri i autonomni modeli dijele isti radni prostor.

Web izvor