Cursor 2.0正式发布：自研Composer模型与15项升级革新AI编程体验

智东西于10月30日发布报道，知名AI编程工具Cursor正式推出2.0版本，此次升级包含了首个自研编程模型Composer，以及支持多Agent并行协作的新界面，总计15项重要更新。

Composer模型的核心优势在于速度极快。Cursor表示，该模型专为低延迟的Agentic编程而设计，大多数任务能在30秒内完成，速度达到同等智能模型的4倍，每秒输出token数超过200个。

在Cursor内部测试中，Composer的智能水平超越了顶尖开源编程模型（如Qwen Coder和GLM 4.6），速度则优于当前轻量级模型（包括Claude Haiku 4.5和Gemini Flash 2.5），但其智能仍略低于GPT-5和Claude Sonnet 4.5。

▲Composer与前沿开源、闭源模型的智能与速度对比图

随着模型Agent能力持续增强，Cursor的UI也同步升级。Cursor 2.0的界面不再以文件为中心，而是围绕Agent进行重构，开发者可聚焦目标，让不同Agent处理细节实现。

Cursor 2.0现支持并行运行多达8个Agent。它们能在独立工作区中协同作业，互不干扰。用户还可让多个Agent同时解决同一问题，择优选取最佳方案——实践证明，这在复杂或开放性任务中能显著提升输出质量。

当需要深入查看或编辑代码时，用户仍可打开文件，或一键切换回经典IDE视图。

▲Cursor新版UI展示

随着Agent深入编程工作流，代码评审和变更测试成为新挑战。Cursor 2.0的新设计让用户无需在不同文件间跳转，即可直观查看修改细节。

新增的原生浏览器使Cursor 2.0能自动测试并迭代工作，直至产出正确结果，用户还可直接选中网页元素让Cursor修改，实现“指哪儿改哪儿”的便捷操作。

目前，Cursor 2.0已全量上线，用户可在Cursor官网下载最新安装包。但若要在Agent模式中体验Composer模型，需订阅Cursor Pro服务。

下载链接：

https://cursor.com/cn/download

01.

2.0版15大升级全揭秘

Agent能自主完成代码测试了

Cursor在UI与功能方面进行了15项升级，使其更契合当前Agentic编程的潮流。

（1）多Agent并行干活，用户可择优选用

在Cursor全新编辑页面中，用户可更便捷地管理Agent，新增侧边栏用于显示Agent和开发计划。

如今，用户的一条提示词最多可交由8个Agent并行处理。该功能通过git worktrees或远程虚拟机实现，以避免文件冲突。每个Agent都拥有专注的隔离代码库副本。

▲Cursor的多Agent模式示意图

不过，消耗大量token可能是这一模式的潜在缺点。网友分享称，同时调用Sonnet 4.5和Codex仅修改图表颜色，就耗费了数千token。

（2）Agent能用浏览器了，改前端代码就像涂鸦

此前，Cursor在1.7版本中测试的Agent浏览器功能已正式发布，Cursor还为企业用户提供额外支持，如MCP黑白名单管控等安全功能。

Agent可控制Cursor内置浏览器，通过导航、点击、输入、滚动、截屏等操作，完成应用测试、无障碍评估、设计转代码等复杂任务。借助对控制台日志与网络流量的完整访问，Agent还能调试问题并自动化全面测试流程。

有用户反馈Cursor的浏览器功能让前端开发变得像涂鸦般简单，直接选中要修改的内容，Cursor就能自动调整。

Cursor对浏览器工具进行了优化，以提升效率并减少token消耗，优化方向包括更高效的日志处理、图像级可视化反馈、智能提示、开发服务器感知等。

（3）代码审查功能升级，再也不用来回跳转

改进的代码审查功能将所有修改聚合到单一界面，让用户更容易查看Agent对多个文件所做的更改，无需在文件间频繁切换。

▲Cursor的聚合审查界面展示

（4）沙盒终端默认开启，Agent安全性拉满

Cursor推出了沙盒终端功能的macOS版本。从Cursor 2.0开始，macOS版本的Agent命令和未列入允许列表的shell命令，将默认在安全沙盒中运行。该沙盒环境拥有对用户工作区的读写权限，但无法访问互联网。

▲Cursor的沙盒终端演示

不过，有用户吐槽，首次尝试就遭遇了Agent的删库操作。

（5）团队命令自动应用，管理更便捷了

现在团队管理者可在Cursor中自定义命令和规则，这一上下文将自动应用于所有团队成员，无需存储在本地编辑器中。

（6）推出语音模式，动动嘴就能调出Agent

使用内置的语音转文本功能，用户可通过语音控制Agent。用户还可在设置中定义自定义提交关键词，以触发Agent开始运行。

（7）代码运行性能提升，跑Python更快了

Cursor使用语言服务器协议（LSP）实现特定于语言的功能，如跳转到定义、悬停工具提示、诊断等。Cursor如今大幅提升了所有语言的LSP加载和使用性能，这一提升在Agent场景和查看代码差异时尤为明显。

对于大型项目，Python和TypeScript LSP默认运行速度更快，内存限制会根据可用RAM动态配置。Cursor还修复了一些内存泄漏问题，并提高了整体内存使用率。

（8）推出后台计划模式，对比审查不同方案

Cursor现在支持在后台创建和构建计划。用户可使用一个模型制定计划，再使用另一个模型执行计划。

用户可在前台或后台构建计划，甚至可通过并行Agent同时制定多个计划，以便对比和审查不同方案。

（9）推出团队命令，实现高效知识共享

Cursor支持将自定义规则、命令和提示共享给整个团队。用户还可通过Cursor Docs创建深度链接，实现团队内部更高效的知识和工具共享。

（10）改进提示词界面，上下文菜单大幅简化

Cursor在提示输入界面进行了全面优化：文件和目录现在以内嵌标签形式展示，复制和粘贴带有上下文标签的提示内容更加便捷。

同时，Cursor简化了上下文菜单，移除了如@Definitions、@Web、@Link、@Recent Changes、@Linter Errors等显式选项。现在，Agent能够自主收集所需上下文，无需用户在输入提示时手动附加。

（11）增强Agent框架，稳定性提升

Cursor显著提升了在不同模型下使用Agent的底层运行框架。这一改进带来了整体性能和稳定性的提升，特别是在GPT-5 Codex场景下效果尤为明显。

（12）云端Agent升级，可靠性达99.9%

Cursor的云端Agent现已实现99.9%的可靠性与即时启动性能，并即将推出全新用户界面。Cursor还优化了从编辑器将Agent发送至云端的体验，使开发过程更加顺畅。

在企业版Cursor中，另有三项更新：

（13）沙盒终端配备管理员控制，确保安全与一致性

企业管理员可在团队级别统一配置沙盒终端的标准设置，包括沙盒可用性、Git访问权限以及网络访问策略，从而确保安全与一致性。

（14）Hooks云端分发，资源管理更便捷了

企业团队现在可直接通过Web控制台分发Hooks。管理员能够新增Hooks、保存草稿，并灵活指定不同操作系统所适用的Hooks。

（15）审计日志提升安全与透明度

Cursor为企业用户提供了详细的审计日志功能，帮助团队跟踪关键操作、变更记录与合规性事件，提升安全与透明度。

02.

自研模型专注于速度与智能平衡

原生MXFP8低精度训练

除了上述升级，Cursor的首款自研编程模型也值得关注。Cursor此前已有自研模型，如Cursor-Small、Cursor Tab等，但早期模型更适用于快速编辑和代码补全任务，难以胜任复杂开发。

Cursor称，其自研编程模型得益于此前代码补全模型开发经验。该公司发现，开发者常希望使用既智能又支持交互的模型，以保持编程专注与流畅。

Cursor的这一观察切中了许多程序员使用AI编程的痛点——毕竟，发送提示词后等待数分钟才能得到结果，严重影响编程体验。

在研发过程中，Cursor试验了一个代号为“猎豹（Cheetah）”的原型Agent模型，以更好理解高速Agent模型的影响。Composer是该模型的智能升级版，拥有足够速度支撑交互式体验，让编程过程更加流畅。

已有不少网友分享Composer的编程体验。开发者Sam Liu称，Composer速度极快，仅用五分钟就打造了一个完整的Video Coding社群，不仅包含前端，还实现了登录验证和后台数据库。

一体化分析和AB测试公司Humblytics的联合创始人amirmxt分享，如果在提示词中加入“仔细思考”等字样，Composer会花更多时间判断路径选择，然后再飞速执行。

Composer是一个专家混合（MoE）模型，支持长上下文的生成与理解。它通过在多样化开发环境中进行强化学习（RL），对软件工程进行了专项优化。

▲Composer性能在强化学习过程中波动上升示意图

为更好理解和操作大型代码库，Composer在训练中融合了一整套工具集，包括全代码库语义搜索。这让它在跨文件、跨模块的上下文理解与修改上表现突出。

这一模型既能使用读取与编辑文件等简单工具，也能调用更强大能力，例如终端命令和面向整个代码库的语义搜索。

Composer在强化学习过程中的优化重点是效率。Cursor鼓励模型在工具使用上做出高效选择，并尽可能最大化并行处理。

此外，Cursor通过减少不必要回复、避免无依据陈述来训练模型成为更有帮助的助手。

▲Cursor学会了更高效完成任务的过程展示

Cursor还发现，模型在强化学习时会自发习得一些有用能力，例如执行复杂搜索、修复linter错误，以及编写并运行单元测试。

为更高效训练模型，Cursor基于PyTorch和Ray构建了定制化训练基础设施，以在大规模环境下支持异步强化学习。

Cursor采用了MXFP8 MoE kernels、专家并行和混合分片数据并行，在原生低精度下完成了Composer训练。这一训练方式能够以极低通信开销将训练扩展到数千张英伟达GPU上。此外，采用MXFP8训练还能在无需训练后量化的情况下，实现更快推理速度。

在进行强化学习时，Cursor希望模型能够调用Cursor Agent框架中的任意工具。这些工具可用于编辑代码、进行语义搜索、使用grep查找字符串，以及运行终端命令。

要让模型高效调用这些工具，需要在云端并发运行数十万份隔离的沙盒编码环境。为承载这类工作负载，Cursor对既有Background Agents基础设施进行了改造，重写了虚拟机调度器，以适配训练运行的突发性与规模。由此，Cursor将强化学习环境与生产环境实现了统一。

03.

结语：用好海量用户数据

Cursor探索Agent编程体验革新

过去一段时间，AI模型的Agent能力持续提升，能在编程场景中端到端地完成长链条复杂任务。然而，模型能力提升也带来对编程平台的新要求，Cursor此次大版本更新，正是对Agent编程体验的深入探索。

更重要的是，Cursor借助Composer模型进一步坚定了自研路线，不完全依赖外部模型。虽然Cursor模型短期内仍无法取代Claude等前沿编程模型，但这种趋势或将成为未来AI IDE竞赛的分水岭，那些掌握自研模型能力的公司可能走得更远。