Cursor a lancé Composer 2, un modèle de coding de niveau frontier à 0,50 $ par million de tokens

Cursor a présenté Composer 2 — un nouveau modèle de codage qui démontre une performance de niveau frontière et transforme l'économie du codage alimenté par l'IA. Le modèle est dès à présent disponible dans l'éditeur Cursor et s'accompagne d'un rapport technique sur son entraînement.

Niveau frontière aux benchmarks

Composer 2 a réalisé des améliorations significatives sur tous les principaux benchmarks de codage. Sur son propre CursorBench 2, le modèle a obtenu un score de 61,3 points — 38% mieux que Composer 1.5. Des résultats encore plus impressionnants sur SWE-bench Multilingual, où Composer 2 a atteint 73,7 contre 65,9 pour la version précédente. Sur Terminal-Bench 2.0, le résultat était 61,7.

• CursorBench : 61,3 (+38% vs Composer 1.5)
• Terminal-Bench 2.0 : 61,7
• SWE-bench Multilingual : 73,7 (+13% vs Composer 1.5)

Ces améliorations reposent sur le premier cycle de pré-entraînement continu — lorsque le modèle est réentraîné sur des données améliorées. Cela fournit une base plus solide pour l'entraînement ultérieur par apprentissage par renforcement, qui enseigne au modèle à résoudre des tâches complexes multi-étapes.

Un prix qui change les règles

Composer 2 coûte 0,50 $ par million de tokens d'entrée et 2,50 $ par million de tokens de sortie. Pour comparaison : c'est l'une des options les plus abordables du marché à ce niveau de qualité. Cursor a également lancé une version plus rapide du modèle avec les mêmes performances — à 1,50 $ pour l'entrée et 7,50 $ pour les tokens de sortie. La variante plus rapide est désormais la valeur par défaut, et son prix est inférieur à celui d'autres modèles rapides de la concurrence.

Une telle combinaison — haute compétence plus faible coût — rend Composer 2 un choix optimal pour de nombreux flux de travail de développement. Pour les forfaits individuels, l'utilisation de Composer est incluse dans un pool séparé avec une limite généreuse.

Comment cela a été réalisé

Les améliorations reposent sur une nouvelle approche d'entraînement. D'abord, Cursor a mené un pré-entraînement continu sur les meilleures données de codage, créant un point de départ plus solide pour une optimisation ultérieure. Ensuite, le modèle a été entraîné sur des tâches d'horizon long par apprentissage par renforcement — des tâches nécessitant des centaines d'actions et de décisions. C'est ce qui a permis à Composer 2 de gérer des scénarios de codage vraiment complexes, incluant des projets multi-fichiers et des décisions architecturales.

Ce que cela signifie

Le marché du codage par IA entre dans une nouvelle période — où la qualité et le coût ne s'échangent plus l'un contre l'autre. Pour les développeurs, cela signifie que les outils de codage puissants deviennent plus pratiques et accessibles. Pour des entreprises comme Cursor, cela signale que la frontière entre standard et frontière passe désormais par la vitesse d'apprentissage et l'efficacité économique, plutôt que par la performance absolue du modèle.