Cursor: enxame de agentes de IA monta SQLite com 80% de acerto em 4 horas — e a um custo muito menor que o do modelo antigo

A Cursor comparou a versão antiga e a nova do seu enxame de agentes de IA na mesma tarefa — construir o SGBD SQLite do zero na linguagem Rust, tendo como entrada apenas a documentação. O novo enxame passou em 80% do conjunto oculto de testes SQL em quatro horas com o modelo Grok 4.5, enquanto o enxame antigo travou e foi interrompido antes da segunda hora de trabalho.

O que o experimento mostrou

O novo enxame da Cursor superou o antigo em todas as configurações de modelos, com o mesmo orçamento de tempo e os mesmos modelos. A equipe mediu a fração aprovada de um conjunto de testes SQL oculto (held-out), e por essa métrica a vantagem se mostrou consistente, não pontual.

• A tarefa: construir o SQLite do zero em Rust usando apenas a documentação
• Grok 4.5 no novo enxame: 80% dos testes em 4 horas
• O enxame antigo, na mesma tarefa, travou e foi interrompido antes da segunda hora
• O carro-chefe dos experimentos anteriores (início de 2026) foi um enxame que construiu um navegador web do zero: uma prova de conceito, não um produto polido
• Dentro da Cursor, o enxame já encontrou e corrigiu vulnerabilidades em projetos open source, ampliou a cobertura de testes e gerou bilhões de tokens de dados sintéticos para treinamento

Por que um enxame supera um agente isolado?

O enxame ganha pela eficiência de contexto, não pelo paralelismo em si — a própria Cursor insiste nesse ponto. Tarefas grandes se decompõem naturalmente em uma árvore: o objetivo fica na raiz e é dividido recursivamente até chegar a unidades elementares de trabalho. O enxame da Cursor se organiza em torno de dois papéis: agentes Planner, rodando nos modelos mais inteligentes, dividem o objetivo e delegam as partes; agentes Worker, rodando em modelos rápidos e baratos, executam essas partes.

O ponto central é que o planner nunca escreve código e o worker nunca planeja. Assim, o contexto do planejador não se enche de detalhes de baixo nível, e o executor gasta todo o seu contexto em uma única tarefa estreita. Já um agente isolado precisa manter na cabeça tanto o objetivo geral quanto a posição atual na árvore — e, com o tempo, "se perde".

O próprio design do enxame é um superconjunto de esquemas de orquestração mais rígidos: em vez de uma topologia fixa, sua forma cresce de acordo com os contornos da tarefa, e por isso a abordagem se generaliza tanto para a construção de um navegador quanto para a resolução de problemas matemáticos e a otimização de kernels de GPU.

"Acreditamos que a capacidade de escalar um enxame de agentes decorre dessa eficiência de contexto, e não do paralelismo em si", disse a equipe da

Cursor, no blog da empresa.

Quanto isso custa

O custo dos testes variou enormemente com qualidade quase idêntica — essa é a "nova economia dos modelos" citada no título da pesquisa. A Cursor variou a distribuição de papéis: em alguns testes, um único modelo fazia tudo; em outros, um modelo de fronteira planejava e um modelo rápido e barato executava o trabalho. A qualidade final saiu semelhante, mas a conta foi radicalmente diferente. Lógica parecida foi descrita já em 1937 pelo economista Ronald Coase: os custos de coordenação crescem mais rápido que o próprio trabalho, por isso as organizações se dividem em níveis de unidades limitadas, em vez de permitir que todos conversem com todos.

Um problema de engenharia à parte é o controle de versão. Git e Cargo dependem de bloqueios grosseiros, o que funciona bem para um único desenvolvedor, mas não aguenta centenas de agentes em paralelo. Segundo a Cursor, o enxame do navegador do ano passado esbarrava em um teto de cerca de 1000 commits por hora no Git; o novo sistema suporta algo em torno de 1000 commits por segundo — e, para isso, a Cursor construiu seu próprio sistema de controle de versão.

O que isso significa

Os sistemas multiagentes estão deixando o princípio de "vamos rodar mais agentes" para uma engenharia deliberada de coordenação: a divisão correta de papéis entre modelos caros e baratos entrega a mesma qualidade por uma fração do custo. A economia da solução passa a depender não só de qual modelo escolher, mas também de como distribuir o trabalho entre eles.

Perguntas frequentes

O que é um enxame de agentes de IA?

É um sistema com vários agentes que resolvem juntos uma única tarefa grande. Na Cursor, o enxame é composto por agentes Planner (modelos inteligentes que planejam e delegam) e agentes Worker (modelos rápidos e baratos que executam), e a forma do enxame cresce de acordo com os contornos da tarefa.

Por que construir o SQLite do zero?

O SQLite é um SGBD complexo e bem documentado, o que o torna um teste conveniente para os limites da coordenação entre agentes. A Cursor deu ao enxame apenas a documentação e mediu a fração de testes SQL aprovados; o novo enxame com Grok 4.5 chegou a 80% em 4 horas.