CAIE注册人工智能工程师

公众号作者

CAIE，全称 Certifed Artifcial Intelligence Engineer（人工智能工程师），简称 CAIE（赛一） ，是人工智能领域的技能等级认证。旨在评估和培养具备人工智能理论基础与实战能力的职业人士。

今早6点，Cursor放出了Composer2的技术报告，我第一时间啃完了整份内容，只能说这波真的把智能体化软件工程模型玩明白了。

在SWE-bench Multilingual、Terminal-Bench这些业内公认的主流测试里冲到了第一梯队，并在CursorBench拿下61.3%的准确率性超过了Opus4.6，媲美OpenAI的GPT-5.4。

值得一提的是，Cursor这次在技术报告里终于大大方方的承认基础模型使用的就是Kimi K2.5。

地址：https://cursor.com/resources/Composer2.pdf

其实Composer2的核心训练逻辑就两步，先做持续预训练打基础，再用强化学习磨细节，整个过程都在尽量模拟真实的开发场景，让模型从一开始就适应工程师的实际工作节奏，不会出现训练时表现好、实际用起来拉胯的情况。

做模型首先得选个好底子，Cursor团队对比了GLM5、DeepSeekV3.2、KimiK2.5等多款开源模型。

从编码知识、状态跟踪、代码库困惑度三个核心维度做了全面评估，最后选了KimiK2.5。

确定了基础模型，接下来的预训练分了三个阶段，全程在NVIDIAB300显卡上用MXFP8精度完成，效率和效果都兼顾到了。

第一阶段主要练32k令牌序列长度的内容，这是投入算力最多的阶段，核心就是让模型沉浸式吸收编码领域的知识，把基础打牢。

第二阶段把序列长度拓展到256k，简单说就是让模型能处理更长的代码和文本，毕竟实际开发中动辄就是几万行的代码文件，长上下文能力太重要了。

最后一个阶段做针对性的有监督微调，让模型的能力更贴合实际的编码任务，比如工程里常见的调试、重构这些场景。整个训练过程中，模型在内部代码库的测试损失一直稳步下降，能明显看到效果在持续提升。

如果说预训练是让模型学会了编码的基本功，那强化学习就是让模型学会在真实场景里解决问题，这一步也是Composer2能适配工程化场景的关键。

团队在高度模拟Cursor实际使用会话的环境里，用大量真实的编码任务训练模型，核心逻辑就是让模型不断尝试解决问题。

再根据解决的好坏调整模型参数，最终让模型的推理能力、多步执行能力都得到提升，面对长周期的编码任务也能保持思路连贯。

训练的任务覆盖了工程开发的方方面面，功能迭代、调试、新功能开发、重构、代码库理解、写文档、做测试。

甚至DevOps和迁移这些场景都包含了，弥补了很多主流测试里缺失的工程化任务。而且训练后期还会刻意增加难任务的占比，让模型不断挑战更高难度，性能也能持续突破。

在强化学习的具体实现上，团队做了不少优化，让模型训练得更稳定、效率更高。

比如用异步训练的方式，训练和任务执行分开进行，互不干扰；对策略梯度算法做了调整，去掉了会导致长度偏差的部分，避免模型出现一些不合理的行为。

在KL散度正则化的估计上，放弃了开源常用的方法，选择了更稳定的估计器，让模型训练过程不会出现大的波动。

最让人惊喜的是，以往很多大模型做强化学习，会只盯着已知的成功方法，牺牲了输出的多样性，导致模型只会解固定的题。

而Composer2的训练既提升了平均表现，也保留了输出的多样性，重复采样时能找到更多正确的解决方案，这在实际开发中太重要了，毕竟解决一个工程问题往往有多种思路。

为了让模型能处理长周期的开发任务，团队还沿用了自总结技术，简单来说就是模型在解决复杂问题时，会不断给自己做总结，把关键信息提炼出来，就算上下文窗口有限，也能处理大量信息。

而且这个总结的好坏会直接影响模型的奖励，做得好就加分，丢了关键信息就减分，训练久了模型就学会了高效的自我总结，比单纯的提示压缩效果好很多，还能节省令牌、复用缓存，效率拉满。

除此之外，团队还特别注重模型的实际使用体验，毕竟是给工程师用的，光聪明还不够，还得好用。

一方面设置了各种辅助奖励，比如代码写得规范、沟通清晰会加分，要是乱建待办事项又不完成、注释里写一堆没用的思考过程就会扣分，训练时还会随时观察模型的行为，发现问题就及时调整奖励规则。

另一方面加了非线性的长度惩罚，让模型学会在简单任务上快速解决，不用浪费时间，遇到复杂任务时又能沉下心多思考，比如学会并行调用多个工具，大幅提升解决问题的效率。

说了这么多技术细节，最终还是要看实测成绩，Composer2的表现可以说是相当亮眼。

在CursorBench-3的测试里，Composer2拿到了61.3%的准确率，相比Composer1.5提升了37%，相比最初的Composer1更是提升了61%，和基础模型KimiK2.5的36%相比，几乎翻了一倍，这充分印证了两步训练法和基建优化的有效性。

和其他顶级模型比，Composer2的表现也毫不逊色，只比GPT-5.4的63.9%略低一点，比Opus4.6High、GPT-5.3Codex这些模型都要好，而且在令牌效率和推理成本上优势巨大，生成的轨迹长度和其他模型差不多。

但是每任务的中位数推理成本和小模型、低算力版本的模型相当，远低于GPT-5.4、Opus4.6这些高算力版本的模型，真正实现了性能和成本的帕累托最优，花更少的钱就能拿到顶级的性能。

在公共测试里，Composer 2的表现同样出色，在SWE-bench Multilingual里拿到了73.7%的分数，相比Composer1.5提升了7.8%，相比Composer1提升了16.8%。

在Terminal-Bench里拿到了61.7%的准确率，相比Composer1.5提升了13.8%，相比Composer1提升了21.7%。

和基础模型KimiK2.5相⽐，在Terminal-Bench里的提升尤为明显，这也证明了强化学习对复杂工程化任务的优化效果。和其他前沿模型比，Composer2的成绩稳居第一梯队。

要知道GPT-5.4和GPT-5.3Codex在测试里因为安全过滤器拒绝了部分任务，这些任务都被计为0分，如果剔除这个因素，Composer2和它们的差距会更小。

想系统掌握AI核心技能、获取行业认可资质？

CAIE注册人工智能工程师认证

助你拓宽职业赛道，成为AI领域持证实力派

微信小程序

CAIE 认证

CAIE认证

以上内容来自微信小程序

企业、高校及渠道合作

请联系微信：FYLlaoshi