LLMRequirements.com
All news

Cursor Composer 2.5 startet auf Open-Weights Kimi K2.5 für $0,50/M Input

By · · translation by claude-opus-4-7

#software#release#kimi#agents#performance

Cursors Composer-2.5-Release vom 18. Mai behält den Kimi-K2.5-Backbone von Composer 2 und setzt darauf, dass RL-Finetuning den Abstand zu Opus 4.7 bei Coding-Benchmarks schließt. Standard-Tier: $0,50/M Input + $2,50/M Output — rund ein Zehntel der Frontier-Preise. Die Basis-Gewichte sind unter Modified MIT öffentlich.

Cursor hat am 18. Mai 2026 Composer 2.5 veröffentlicht — ein substanzieller Sprung bei Fähigkeit und Verhalten gegenüber Composer 2, bei gleichbleibendem Moonshot-Kimi-K2.5-Open-Weights-Backbone. Die Standard-Tier-Preise bleiben bei $0,50/M Input und $2,50/M Output, eine schnellere Variante kostet $3,00/M Input und $15,00/M Output. Cursor reklamiert Parität mit Claude Opus 4.7 auf SWE-Bench Multilingual (Composer 79,8 % vs. Opus 80,5 %) zu rund einem Zehntel der Per-Token-Kosten.

Das Modell ist K2.5, nicht K2.6 — und das ist wichtig

Cursors eigene Ankündigung ist eindeutig: Composer 2.5 basiert auf Kimi K2.5, demselben Checkpoint, den Composer 2 nutzte. Mehrere Drittquellen zitieren Cursor damit, dass das Team die K2.5-Basis behalten und Training ergänzt hat, statt auf K2.6 (April 2026) zu wechseln. Die Wette: Gezieltes RL auf einer bekannt guten Basis schlägt einen Basis-Wechsel für ein Coding-Agent-Produkt, bei dem Stabilität und Harness-Kompatibilität genauso zählen wie reine Benchmark-Werte.

(K2.6 ist das neuere Moonshot-Modell — 1T MoE, 32B aktiv, 256K Kontextfenster, natives INT4, im Mai an der Spitze des OpenRouter-Coding-Token-Volumens. Eine starke Standard-Wahl für Selbsthoster, aber nicht das, was Composer 2.5 antreibt.)

Was sich oberhalb von K2.5 geändert hat

Cursor nennt drei Trainings-Verschiebungen:

  • Textual-Feedback-RL. Statt nur am Run-Ende Reward-Shaping zu betreiben, surft der Trainer lokalisierte Hinweise mit, wenn Tool-Calls mitten in einer Aufgabe scheitern. Das Modell lernt, innerhalb einer Session zu recovern, statt neu zu rollen.
  • ~25× mehr synthetische Tasks. Inklusive „Feature-Deletion“-Puzzles — ein Feature entfernen, dann neu aufbauen — was das Modell zwingt, Kontext zu rekonstruieren, statt einen fertigen Diff pattern-matchen zu können. Cursor argumentiert, das sei näher an der Verteilung echter Engineering-Arbeit als reine SWE-Bench-Fix-Tasks.
  • MoE-Scale-Infra-Umbau. Sharded Muon Optimizer und Dual-Mesh-HSDP für Trainingszeit-Effizienz. Genau die Art Infra-Änderung, die einem kleinen Team mehrere RL-Epochen auf einem 1T-Param-MoE auf einem vernünftigen Cluster erlaubt.

Keine davon ändert die K2.5-Basis-Gewichte, die auf HuggingFace öffentlich sind; sie leben in Cursors gehosteter Variante. Selbsthoster, die K2.5 aus moonshotai/Kimi-K2.5 ziehen, bekommen das Composer-2.5-Verhalten nicht gratis — die RL-Deltas sind Cursors IP. Die Basis-Gewichte bleiben dennoch das Substrat, und das ist der Teil der Story, der für das offene Ökosystem zählt.

Benchmarks (Cursor-Selbstauskunft — als Vendor-Zahlen behandeln)

  • SWE-Bench Multilingual: Composer 2.5 79,8 % — vs. Opus 4.7 80,5 %.
  • CursorBench v3.1 (Default-Settings): Composer 2.5 63,2 % — vs. Opus 4.7 61,6 %.
  • Terminal-Bench 2.0: Composer 2.5 ≈ 69,3 % — vs. Opus 4.7 ≈ 69,4 %.

Das sind von Cursor publizierte Zahlen; rechne damit, dass Community-Leaderboards (tbench.ai, benchlm.ai) in den nächsten Wochen unabhängige Werte liefern. Nach UPDATE.md-Disziplin gilt: Wenn ein „Adaptive“-Benchmark eines Vendors und ein Community-Leaderboard um 3+ Punkte auseinanderlaufen, bevorzuge das Leaderboard. Die Composer-vs.-Opus-Deltas oben sind klein genug, dass der nächste unabhängige Run jedes der Modelle obenauf platzieren könnte — verankere dich nicht zu fest am Day-One-Selbstreport.

Die größere strukturelle Aussage ist das Kostenverhältnis. Opus 4.7 ist auf Anthropics API mit rund $15/M Input und $75/M Output gelistet; Composer 2.5 Standard-Tier mit $0,50/M Input und $2,50/M Output ist ~30× günstiger beim Input und ~30× günstiger beim Output. Selbst der Fast-Tier ($3/$15) ist beim Input ~5× günstiger. Wenn die Benchmark-Parität in unabhängigen Runs hält, landet Composer 2.5 als offensichtlicher Default für hochvolumige Coding-Agent-Workloads, bei denen jede Aufgabe abgegrenzt ist und gelegentliche Retry-Kosten verkraftbar sind — und das ist der Großteil.

Warum das für lokale LLM-Nutzer relevant ist

Composer 2.5 ist kein lokales LLM-Produkt. Aber es ist das bislang stärkste Signal, dass eine Open-Weights-Basis — Modified-MIT-lizenziert, auf HuggingFace verfügbar — eine produktive Coding-Agent-UI antreiben kann, die von Hunderttausenden Entwicklern genutzt wird. Anthropic, OpenAI und Google halten ihre Basis-Gewichte weiterhin geschlossen; Moonshot liefert sie aus. Der Cursor-Deal bestätigt die Open-Weights-Kategorie für agentic Coding als deployment-reif, nicht bloß research-grade.

Praktischer Vorbehalt: K2.5 in voller Präzision sind rund 1 TB Gewichte. Auf INT4 quantisiert sind es immer noch ~540 GB — außerhalb der Reichweite der 128-GB-Klasse mit GB10 / Strix Halo, die diese Seite hauptsächlich abdeckt. K2.5 lokal zu betreiben verlangt einen Multi-Node-Cluster oder ein Setup mit 4× DGX Spark / 4× Strix Halo. Deshalb routet Cursor (und das OpenRouter-Nutzungsmuster) den Großteil der K2.5/K2.6-Inferenz über Moonshots eigene API oder gehostete Aggregatoren statt über lokale Hardware. Die Open-Weights-Story lautet „das Substrat ist öffentlich“, nicht „du kannst es dieses Jahr auf deinem Schreibtisch betreiben“.

Quellen