Cursor lanzó Composer 2.5 el 18 de mayo de 2026 — un salto sustancial en inteligencia y comportamiento sobre Composer 2, manteniendo el mismo backbone open-weights Moonshot Kimi K2.5. El precio del tier estándar se mantiene en $0,50/M de entrada y $2,50/M de salida, con una variante más rápida a $3,00/M de entrada y $15,00/M de salida. Cursor reclama paridad con Claude Opus 4.7 en SWE-Bench Multilingual (Composer 79,8 % vs Opus 80,5 %) a aproximadamente un décimo del coste por token.
El modelo es K2.5, no K2.6 — y eso importa
El propio anuncio de Cursor es explícito: Composer 2.5 está construido sobre Kimi K2.5, el mismo checkpoint que usaba Composer 2. Múltiples reseñas de terceros citan a Cursor diciendo que el equipo mantuvo la base K2.5 y añadió entrenamiento, en lugar de pasarse a K2.6 (abril de 2026). La apuesta: RL dirigido sobre una base conocida y sólida supera al cambio de base para un producto de agente de código, donde la estabilidad y la compatibilidad del harness importan tanto como los puntajes brutos de benchmark.
(K2.6 es el modelo más nuevo de Moonshot — 1T MoE, 32B activos, ventana de contexto de 256K, INT4 nativo, encabezando el volumen de tokens de código en OpenRouter en mayo. Un valor por defecto sólido para self-hosters, pero no es lo que impulsa Composer 2.5.)
Qué cambió sobre K2.5
Cursor nombra tres cambios de entrenamiento:
- RL con feedback textual. En vez de hacer reward-shaping solo al final de la run, el trainer expone pistas localizadas cuando las llamadas a herramientas fallan a mitad de tarea. El modelo aprende a recuperarse dentro de la sesión en vez de volver a empezar.
- ~25× más tareas sintéticas. Incluyendo puzzles de “eliminación de feature” — quitar una funcionalidad y luego reconstruirla — que fuerzan al modelo a reconstruir el contexto en lugar de hacer pattern-matching sobre un diff terminado. Cursor argumenta que esto está más cerca de la distribución del trabajo de ingeniería real que las tareas puras de fix estilo SWE-Bench.
- Rediseño de infra a escala MoE. Optimizers Muon sharded y HSDP dual-mesh para eficiencia en tiempo de entrenamiento. El tipo de cambio de infra que permite a un equipo pequeño correr varias épocas de RL sobre un MoE de 1T-parámetros en un clúster razonable.
Ninguno de estos cambia los pesos base de K2.5 públicos en HuggingFace; viven en la variante alojada por Cursor. Los self-hosters que usan K2.5 desde moonshotai/Kimi-K2.5 no obtendrán el comportamiento de Composer 2.5 gratis — los deltas de RL son IP de Cursor. Aun así, los pesos base siguen siendo el sustrato, y esa es la parte de la historia que importa para el ecosistema abierto.
Benchmarks (autoinforme de Cursor — tratar como cifras de vendor)
- SWE-Bench Multilingual: Composer 2.5 79,8 % — vs Opus 4.7 80,5 %.
- CursorBench v3.1 (ajustes por defecto): 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 %.
Son cifras publicadas por Cursor; cuenta con que los leaderboards comunitarios (tbench.ai, benchlm.ai) entreguen puntajes independientes en las próximas dos semanas. Según la disciplina de UPDATE.md, cuando un benchmark “Adaptive” de un vendor y un leaderboard comunitario divergen 3+ puntos, prefiere el leaderboard. Los deltas Composer-vs-Opus de arriba son lo bastante pequeños como para que la próxima corrida independiente pueda poner a cualquiera de los dos modelos arriba — no te ancles demasiado al autoinforme del día uno.
La afirmación estructural más grande es el ratio de coste. Opus 4.7 figura aproximadamente a $15/M de entrada y $75/M de salida en la API de Anthropic; Composer 2.5 en tier estándar a $0,50/M de entrada y $2,50/M de salida es ~30× más barato en entrada y ~30× más barato en salida. Incluso el tier rápido ($3/$15) es ~5× más barato en entrada. Si la paridad de benchmark aguanta en corridas independientes, Composer 2.5 queda como el default obvio para cargas de agentes de código de alto volumen donde cada tarea está acotada y puedes absorber el coste ocasional de un retry — que son la mayoría.
Por qué esto importa para los usuarios de LLM locales
Composer 2.5 no es un producto de LLM local. Pero es la señal más fuerte hasta la fecha de que una base open-weights — con licencia Modified MIT, disponible en HuggingFace — puede impulsar una UI de agente de código en producción usada por cientos de miles de desarrolladores. Anthropic, OpenAI y Google siguen manteniendo sus pesos base cerrados; Moonshot los publica. El acuerdo con Cursor valida la categoría de agentic coding open-weights como lista para producción, no solo research-grade.
Salvedad práctica: K2.5 en precisión completa son aproximadamente 1 TB de pesos. Cuantizado a INT4 sigue siendo ~540 GB — fuera del alcance del tier de 128 GB GB10 / Strix Halo que este sitio cubre principalmente. Correr K2.5 localmente exige un clúster multi-nodo o un setup de 4× DGX Spark / 4× Strix Halo. Por eso Cursor (y el patrón de uso de OpenRouter) enruta la mayor parte de la inferencia K2.5/K2.6 a través de la propia API de Moonshot o de agregadores alojados, en vez de hardware local. La historia open-weights es “el sustrato es público”, no “puedes correrlo en tu escritorio este año”.
Fuentes
- Blog de Cursor — Composer 2.5 (anuncio primario, 18 de mayo de 2026)
- Changelog de Cursor — precios estándar/fast de Composer 2.5
- WinBuzzer — Cursor publica Composer 2.5 (reseña de tercero citando a Cursor sobre la base K2.5)
- moonshotai/Kimi-K2.5 en HuggingFace (pesos base, Modified MIT)
- Kimi K2.5 en LLMRequirements.com