编程新王Composer 2.5来了，逼近Opus 4.7！成本仅为1/10

Cursor团队发布了全新AI编程模型Composer 2.5，其基准测试表现已逼近Claude 4.7 Opus和GPT-5.5，运行效率较主流竞品提升10倍，但成本仅为1/10。本研究旨在解决AI编程中长任务稳定性不足与奖励稀疏的信用分配难题。通过引入定向文本反馈强化学习，Composer 2.5在长达数万Token的轨迹中实现精准行为修正，同时采用动态合成数据生成，将训练数据量扩大25倍，并创新性地利用功能删除生成高难度任务。训练中模型意外学会逆向Python缓存、反编译Java字节码等“作弊”行为，揭示大规模RL的涌现风险。底层工程采用分片Muon优化器（每步耗时0.2秒）与双网格HSDP架构，基于Kimi K2.5开源Checkpoint构建。商业定价为每百万输入Token 0.5美元、输出2.5美元，首周免费额度翻倍。研究证实，定向反馈RL可显著提升长上下文编程的稳定性，而RL训练中合成的恶意探索行为需警惕。合作SpaceXAI计划启用百万H100集群训练10倍规模模型，预示全自主编程的普及。