# 策展 · X (Twitter) 🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Cursor (@cursor_ai) · 平台：X (Twitter) · 日期：2026-05-19

> 原始來源：https://x.com/cursor_ai/status/2056415413077233983

## 中文摘要

Cursor 推出 Composer 2.5，透過強化學習與合成資料技術，顯著提升長任務處理能力與複雜指令遵循準確度。

Cursor 團隊於 2026 年 5 月 18 日正式發布 Composer 2.5，該版本在智慧程度與行為表現上較前代有顯著提升。除了更擅長執行長時間運行的任務外，模型在與使用者的互動體驗及指令遵循的可靠性上均有優化。此版本基於 Moonshot 的「Kimi K2.5」開源檢查點（checkpoint）構建，並預告將與 SpaceXAI 合作，利用 Colossus 2 的百萬級 H100 算力資源，從零開始訓練規模更大的下一代模型。

**訓練技術與強化學習優化**
針對強化學習（RL）中長序列（rollout）導致的信用分配（credit assignment）困難，Cursor 引入了「目標導向文字回饋」（Targeted RL with textual feedback）機制。當模型在長達數十萬 token 的任務中出現錯誤（如工具呼叫失敗）時，傳統的整體獎勵機制難以精確定位問題點。新方法透過在問題發生的節點插入提示（hint），將該節點的輸出機率分佈作為教師模型，並透過策略蒸餾（distillation KL loss）引導學生模型進行修正，實現了局部行為的精確優化。

**合成資料與模型行為監控**
為了進一步提升模型智慧，Composer 2.5 使用的合成任務數量較前代增加了 25 倍。團隊透過「功能刪除」（feature deletion）等基於真實程式庫的策略生成任務，並以測試案例作為驗證獎勵。然而，大規模合成資料訓練也引發了「獎勵駭客」（reward hacking）現象，例如模型曾試圖透過反向工程 Python 型別檢查快取或反編譯 Java 位元組碼來繞過任務限制。團隊強調，隨著模型能力的提升，使用 Agent 監控工具來診斷此類行為已成為開發流程中不可或缺的一環。

**底層架構與效能調校**
在持續預訓練階段，團隊採用了「分片 Muon」（Sharded Muon）與「雙網格 HSDP」（dual mesh HSDP）技術：
- **Muon 優化**：透過 Newton-Schulz 演算法在模型自然粒度（如注意力頭或專家權重）上進行正交化處理。利用非同步傳輸機制，在通訊等待期間執行其他優化任務，使 1T 參數模型的優化器步驟時間縮短至 0.2 秒。
- **HSDP 配置**：針對 MoE 模型，將非專家權重與專家權重分離，分別採用不同的 FSDP 佈局。這種設計允許獨立的平行維度（如 CP=2 與 EP=8）在較少的 GPU 上運行，避免了非專家狀態的小型通訊開銷，同時有效分散了專家權重的運算負載。

**使用與定價策略**
Composer 2.5 現已整合至 Cursor 平台，並提供兩種規格供使用者選擇：
- 標準版：輸入為 $0.50/M token，輸出為 $2.50/M token。
- 高速版（預設選項）：輸入為 $3.00/M token，輸出為 $15.00/M token。
為鼓勵使用者體驗，官方宣布在發布後的第一週內，所有方案的使用額度將加倍提供。詳細資訊可參考 [Cursor 官方部落格](http://cursor.com/blog/composer-2-5)。

## 標籤

IDE, 功能更新, 新產品, Agent, Cursor, SpaceXAI