Платформа для вайб-кодинга Cursor выпустила Composer — свою первую языковую модель

Инструмент для «вайб-кодинга» Cursor от стартапа Anysphere представил Composer — свою первую собственную специализированную большую языковую модель (LLM) для написания кода, которая вошла в состав обновления платформы Cursor 2.0.

Composer разработан для быстрого и точного выполнения задач по программированию в средах промышленного масштаба, что знаменует собой новый шаг в программировании с помощью ИИ. Модель уже используется собственными инженерами Cursor в повседневной разработке, что свидетельствует о ее зрелости и стабильности.

По данным Cursor, Composer завершает большинство взаимодействий менее чем за 30 секунд, сохраняя при этом высокий уровень логического мышления в крупных и сложных кодовых базах.

Модель описывается как в четыре раза более быстрая по сравнению с аналогичными по уровню интеллекта системами и обучена для «агентских» рабочих процессов, в рамках которых автономные ИИ-агенты совместно планируют, пишту, тестируют и проверяют код.

Ранее Cursor поддерживал «вайб-кодинг» — использование ИИ для написания или доработки кода на основе инструкций пользователя на естественном языке (даже если у него нет навыков разработки) — на базе других ведущих проприетарных LLM от таких компаний, как OpenAI, Anthropic, Google и xAI. Эти опции по-прежнему доступны пользователям.

Результаты бенчмарков

Возможности Composer оцениваются с помощью Cursor Bench — внутреннего набора тестов, созданного на основе реальных запросов разработчиков к агентам. Бенчмарк измеряет не только правильность, но и следование модели существующим абстракциям, стилистическим соглашениям и инженерным практикам.

В этом бенчмарке Composer демонстрирует интеллектуальные возможности уровня передовых систем при генерации со скоростью 250 токенов в секунду — примерно в два раза быстрее ведущих быстро выводящих моделей и в четыре раза быстрее сопоставимых передовых систем.

Опубликованное Cursor сравнение делит модели на несколько категорий: «Лучшие открытые» (например, Qwen Coder, GLM 4.6), «Быстрые передовые» (Haiku 4.5, Gemini Flash 2.5), «Передовые (средне-2025)» (сильнейшая модель середины года) и «Лучшие передовые» (включая GPT-5 и Claude Sonnet 4.5). Composer соответствует уровню интеллекта среднепередовых систем, обеспечивая при этом самую высокую скорость генерации среди всех протестированных классов.

Модель, созданная с использованием обучения с подкреплением и архитектуры «смесь экспертов» (MoE)

Научный сотрудник Cursor Саша Раш поделился подробностями о разработке модели в публикациях в социальной сети X, описав Composer как модель типа «смесь экспертов» (MoE), обученную с помощью обучения с подкреплением (RL):

«Мы использовали обучение с подкреплением (RL), чтобы сделать большую MoE-модель действительно сильной в реальном программировании, а также очень быстрой».

Раш пояснил, что команда совместно проектировала как Composer, так и среду Cursor, чтобы позволить модели эффективно работать в производственном масштабе:

«В отличие от других систем машинного обучения, здесь нельзя сильно абстрагироваться от полномасштабной системы. Мы совместно разработали этот проект и Cursor, чтобы обеспечить запуск агента в необходимом масштабе».

Composer обучался на реальных задачах программной инженерии, а не на статических наборах данных. В процессе обучения модель работала внутри полноценных кодовых баз, используя набор производственных инструментов — включая редактирование файлов, семантический поиск и команды терминала — для решения сложных инженерных задач. Каждая итерация обучения заключалась в решении конкретной проблемы, такой как правка кода, составление плана или генерация целевого объяснения.

Цикл подкрепления оптимизировал как правильность, так и эффективность. Composer научился эффективно выбирать инструменты, использовать параллелизм и избегать ненужных или умозрительных ответов. Со временем у модели появились такие эмерджентные (возникающие) свойства, как автоматический запуск модульных тестов (юнит-тестов), исправление ошибок линтера и многошаговый поиск по коду.

Такой дизайн позволяет Composer работать в том же контексте времени выполнения, что и конечный пользователь, что делает модель более адаптированной к условиям реального программирования — с поддержкой контроля версий, управления зависимостями и итеративного тестирования.

От прототипа к продакшену

Разработке Composer предшествовал более ранний внутренний прототип под названием Cheetah, который Cursor использовала для изучения низкозадержного вывода (inference) для задач программирования.

«Cheetah была версией v0 этой модели, созданной в первую очередь для проверки скорости, — рассказал Раш в X. — Наши метрики показывают, что у нее [Composer] такая же скорость, но при этом она намного, намного умнее».

Успех Cheetah в снижении задержек помог Cursor определить скорость как ключевой фактор доверия разработчиков и удобства использования.

Composer сохраняет эту отзывчивость, одновременно значительно улучшая навыки рассуждения и обобщения задач.

Разработчики, тестировавшие Cheetah на ранних этапах, отмечали, что ее скорость изменила их подход к работе. Один из пользователей прокомментировал, что она «настолько быстра, что позволяет мне оставаться в потоке при совместной работе».

Composer сохраняет эту скорость, но расширяет возможности до многошагового кодирования, рефакторинга и тестирования.

Интеграция с Cursor 2.0

Composer полностью интегрирован в Cursor 2.0 — крупное обновление агентской среды разработки компании.

Платформа представляет многоагентный интерфейс, позволяющий запускать параллельно до восьми агентов, каждый из которых работает в изолированном рабочем пространстве с использованием git-ворктри (git worktrees) или удаленных машин.

В рамках этой системы Composer может выступать в роли одного или нескольких таких агентов, выполняя задачи как независимо, так и совместно. Разработчики могут сравнивать несколько результатов одновременных запусков агентов и выбирать лучший вариант.

Cursor 2.0 также включает вспомогательные функции, повышающие эффективность Composer:

• Браузер внутри редактора (GA) — позволяет агентам запускать и тестировать свой код прямо внутри IDE, передавая информацию о DOM модели.

• Улучшенный анализ кода (Code Review) — агрегирует различия (diff) в нескольких файлах для более быстрого осмотра изменений, сгенерированных моделью.

• Изолированные терминалы (GA) — изолируют команды оболочки, выполняемые агентами, для безопасного локального запуска.

• Голосовой режим — добавляет голосовое управление для инициирования сеансов работы с агентами или управления ими.

Хотя эти обновления платформы расширяют общие возможности Cursor, Composer позиционируется как техническое ядро, обеспечивающее быстрый и надежный агентский кодинг.

Инфраструктура и системы обучения

Чтобы обучить Composer в большом масштабе, в Cursor создали собственную инфраструктуру обучения с подкреплением, объединяющую PyTorch и Ray для асинхронного обучения на тысячах графических процессоров NVIDIA.

Команда разработала специализированные ядра MXFP8 MoE и гибридный шардированный параллелизм данных, что позволило масштабно обновлять модель с минимальными накладными расходами на связь.

Эта конфигурация позволяет Cursor обучать модели нативно с низкой точностью (low precision) без необходимости посттренинговой квантизации, улучшая как скорость вывода, так и эффективность.

Обучение Composer опиралось на сотни тысяч одновременных изолированных сред — каждая из которых представляет собой автономное рабочее пространство для программирования, запущенное в облаке. Компания адаптировала свою инфраструктуру фоновых агентов (Background Agents) для динамического планирования этих виртуальных машин, поддерживая пиковые нагрузки при масштабных прогонах обучения с подкреплением (RL).

Корпоративное использование

Повышение производительности Composer поддерживается изменениями на уровне инфраструктуры в стеке кодового интеллекта Cursor.

Компания оптимизировала протоколы языкового сервера (LSP) для более быстрой диагностики и навигации, особенно в проектах на Python и TypeScript. Эти изменения снижают задержки при взаимодействии Composer с крупными репозиториями или при генерации многофайловых обновлений.

Корпоративные пользователи получают административный контроль над Composer и другими агентами с помощью командных правил, журналов аудита (audit logs) и принудительного использования изолированных сред (песочниц). Тарифные планы Cursor Teams и Enterprise также поддерживают пул использования моделей, аутентификацию SAML/OIDC и аналитику для мониторинга производительности агентов в организациях.

Цены для индивидуальных пользователей варьируются от бесплатного тарифа (Hobby) до тарифа Ultra ($200 в месяц), с расширенными лимитами использования для подписчиков Pro+ и Ultra.

Стоимость для бизнеса начинается от $40 за пользователя в месяц по тарифу Teams, а корпоративные контракты предлагают индивидуальные условия использования и соответствия требованиям (compliance).

Роль Composer в меняющемся ландшафте ИИ-программирования

Фокус Composer на скорости, обучении с подкреплением и интеграции с процессами живого кодинга отличает его от других ассистентов разработки на базе ИИ, таких как GitHub Copilot или Replit Agent.

Вместо того чтобы служить пассивным движком подсказок, Composer разработан для непрерывного, управляемого агентами сотрудничества, при котором несколько автономных систем напрямую взаимодействуют с кодовой базой проекта.

Эта специализация на уровне моделей — обучение ИИ функционированию в реальной среде, в которой ему предстоит работать — представляет собой значительный шаг к практической автономной разработке программного обеспечения. Composer обучается не только на текстовых данных или статическом коде, но и внутри динамичной IDE, отражающей условия продакшена.

Раш описал этот подход как ключевой для достижения надежности в реальных условиях: модель учится не просто генерировать код, но и интегрировать, тестировать и улучшать его в контексте.

Что это значит для корпоративных разработчиков и вайб-кодинга

С выходом Composer компания Cursor представляет не просто быструю модель, а развертывает ИИ-систему, оптимизированную для реального использования и созданную для работы внутри тех же инструментов, на которые разработчики уже полагаются.

Сочетание обучения с подкреплением, архитектуры «смесь экспертов» и тесной интеграции продуктов дает Composer практическое преимущество в скорости и отзывчивости, которое выделяет его среди языковых моделей общего назначения.

В то время как Cursor 2.0 предоставляет инфраструктуру для многоагентного сотрудничества, Composer является ключевой инновацией, делающей такие рабочие процессы жизнеспособными.

Это первая модель для написания кода, созданная специально для агентского кодинга на уровне продакшена, и первый взгляд на то, как может выглядеть повседневное программирование, когда разработчики-люди и автономные модели делят одно рабочее пространство.