Вот это круто! Cursor создали собственную ИИ-модель
Компания Anysphere выпустила Cursor 2.0 и впервые в истории среда для разработки сама создала фронтирную модель для кодинга. Это не fine-tune OpenAI и не аренда у Anthropic.
Composer— модель, которая родилась и выросла внутри редактора кода, обученная с нуля на анонимизированных сессиях пользователей Cursor (только с opt-in). Напомним, что GitHub уже чувствует большую конкретную позицию Cursor, об этом писали тут и тут.
Она не универсальна, предназначена исключительно для кодинга и агентных задач.
Как обучали?
- Более 1000 GPU
- PyTorch + Ray
- MXFP8 MoE kernels — низкая точность для скорости
Результат:
- В 4 раза быстрее Claude Sonnet 4.5 в multi-file правках
- Агентная задача — в среднем 28 секунд
- Контекст до 1 млн токенов (на деле 200–300k)
Почему это стало возможным у Cursor?
1. У них есть живой датасет.
2. Агентность = готовые RL-эпизоды.
3. Замкнутый цикл: IDE → модель → IDE
Китайские open-source модели стали для Cursor учебником.
Они изучили техники Qwen и DeepSeek. Не копировали веса — перенёс приёмы в свою архитектуру.
Новые инструменты в Cursor 2.0:
- Мультиагентный интерфейс— до 8 агентов параллельно, каждый в изолированном git worktree или облачной VM
- Встроенный браузер — агент видит DOM, кликает, превращает UI в код
- Голос → код— 12 языков, включая русский
- Сравнение моделей— один промпт → 5 моделей → параллельные вкладки
- Tab v3— на 21% меньше предложений, на 28% выше принятие
Компания Anysphere выпустила Cursor 2.0 и впервые в истории среда для разработки сама создала фронтирную модель для кодинга. Это не fine-tune OpenAI и не аренда у Anthropic.
Composer— модель, которая родилась и выросла внутри редактора кода, обученная с нуля на анонимизированных сессиях пользователей Cursor (только с opt-in). Напомним, что GitHub уже чувствует большую конкретную позицию Cursor, об этом писали тут и тут.
Она не универсальна, предназначена исключительно для кодинга и агентных задач.
Как обучали?
- Более 1000 GPU
- PyTorch + Ray
- MXFP8 MoE kernels — низкая точность для скорости
Результат:
- В 4 раза быстрее Claude Sonnet 4.5 в multi-file правках
- Агентная задача — в среднем 28 секунд
- Контекст до 1 млн токенов (на деле 200–300k)
Почему это стало возможным у Cursor?
1. У них есть живой датасет.
2. Агентность = готовые RL-эпизоды.
3. Замкнутый цикл: IDE → модель → IDE
Китайские open-source модели стали для Cursor учебником.
Они изучили техники Qwen и DeepSeek. Не копировали веса — перенёс приёмы в свою архитектуру.
Новые инструменты в Cursor 2.0:
- Мультиагентный интерфейс— до 8 агентов параллельно, каждый в изолированном git worktree или облачной VM
- Встроенный браузер — агент видит DOM, кликает, превращает UI в код
- Голос → код— 12 языков, включая русский
- Сравнение моделей— один промпт → 5 моделей → параллельные вкладки
- Tab v3— на 21% меньше предложений, на 28% выше принятие