LLMRequirements.com
All news

Cursor Composer 2.5 levereras på open-weights Kimi K2.5 för $0,50/M input

By · · translation by claude-opus-4-7

#software#release#kimi#agents#performance

Cursors release av Composer 2.5 den 18 maj behåller Composer 2:s Kimi K2.5-stomme och satsar på att RL-finjustering stänger gapet till Opus 4.7 på kodningsbenchmarks. Standardnivån är $0,50/M input + $2,50/M output — runt en tiondel av frontier-prissättningen. Basvikterna är publika.

Cursor levererade Composer 2.5 den 18 maj 2026 — en rejäl höjning av intelligens och beteende ovanpå Composer 2, med samma Moonshot Kimi K2.5 open-weights-stomme bevarad. Prissättningen på standardnivå håller på $0,50/M input och $2,50/M output, med en snabbare variant på $3,00/M input och $15,00/M output. Cursor hävdar paritet med Claude Opus 4.7 på SWE-Bench Multilingual (Composer 79,8 % mot Opus 80,5 %) till ungefär en tiondel av kostnaden per token.

Modellen är K2.5, inte K2.6 — och det spelar roll

Cursors eget tillkännagivande är tydligt: Composer 2.5 är byggd på Kimi K2.5, samma checkpoint som Composer 2 använde. Flera tredjepartsskildringar citerar Cursor som säger att teamet behöll K2.5-basen och lade till träning snarare än att byta till K2.6 (april 2026). Vadet är att riktad RL på en känd-bra bas presterar bättre än ett basbyte för en kodningsagent-produkt, där stabilitet och harness-kompatibilitet betyder lika mycket som rena benchmark-siffror.

(K2.6 är den nyare Moonshot-modellen — 1T MoE, 32B aktiv, 256K kontext, native INT4, toppen av OpenRouters volym för kodnings-tokens i maj. Den är en stark default för självhostare, men det är inte den som driver Composer 2.5.)

Vad som ändrades ovanpå K2.5

Cursor nämner tre tränings-skiften:

  • Textuell-feedback RL. Istället för att bara forma reward vid slutet av körningen, lyfter tränaren fram lokaliserade tips när tool calls misslyckas mitt i uppgiften. Modellen lär sig att återhämta sig inom en session istället för att göra om körningen.
  • ~25× fler syntetiska uppgifter. Inklusive “feature deletion”-pussel — ta bort en funktion och bygg sedan upp den igen — vilket tvingar modellen att rekonstruera kontext istället för att mönstermatcha mot en färdig diff. Cursor argumenterar att detta ligger närmare distributionen av riktigt ingenjörsarbete än rena SWE-Bench-stilade fix-uppgifter.
  • MoE-skalig infra-omarbetning. Shardade Muon-optimizers och dual-mesh HSDP för effektivitet under träning. Det är den sortens infra-ändring som låter ett litet team köra flera RL-epoker på en 1T-param MoE på ett vettigt kluster.

Inget av detta ändrar bas-K2.5-vikterna som är publika på HuggingFace; de lever i Cursors hostade variant. Självhostare som använder K2.5 från moonshotai/Kimi-K2.5 får inte Composer 2.5-beteendet gratis — RL-deltana är Cursors IP. Basvikterna är fortfarande substratet, vilket är den del av historien som spelar roll för det öppna ekosystemet.

Benchmarks (Cursors självrapport — behandla som leverantörssiffror)

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

Detta är Cursor-publicerade siffror; förvänta dig att community-leaderboards (tbench.ai, benchlm.ai) landar oberoende resultat under de kommande veckorna. Per UPDATE.md-disciplin: när en leverantörs “Adaptive”-benchmark och ett community-leaderboard divergerar med 3+ punkter, föredra leaderboardet. Composer-vs-Opus-deltana ovan är små nog att nästa oberoende körning kan placera vilken modell som helst i topp — anker inte för hårt på dag-ett-självrapporten.

Det större strukturella påståendet är kostnadskvoten. Opus 4.7 listas till ungefär $15/M input och $75/M output på Anthropics API; Composer 2.5 standardnivå på $0,50/M input och $2,50/M output är ~30× billigare input och ~30× billigare output. Även den snabba nivån ($3/$15) är ~5× billigare input. Om benchmark-pariteten håller i oberoende körningar landar Composer 2.5 som den uppenbara defaulten för högvolyms-arbetsbelastningar med kodningsagenter där varje uppgift är avgränsad och du kan svälja sporadiska retry-kostnader — vilket är de flesta av dem.

Varför detta spelar roll för lokala LLM-användare

Composer 2.5 är inte en lokal-LLM-produkt. Men det är den starkaste signalen hittills på att en open-weights-bas — Modified MIT-licensierad, tillgänglig på HuggingFace — kan driva ett produktions-UI för kodningsagenter använt av hundratusentals utvecklare. Anthropic, OpenAI och Google håller fortfarande sina basvikter stängda; Moonshot levererar dem. Cursor-affären validerar kategorin open-weights agentisk-kodning som deployment-redo, inte bara forsknings-grad.

Praktisk reservation: K2.5 i full precision är ungefär 1 TB vikter. Kvantiserad till INT4 är den fortfarande ~540 GB — utom räckhåll för 128 GB GB10 / Strix Halo-nivån som denna sajt mestadels täcker. Att köra K2.5 lokalt kräver ett multi-node-kluster eller en uppsättning med 4× DGX Spark / 4× Strix Halo. Det är därför Cursor (och OpenRouters användningsmönster) ruttar det mesta av K2.5/K2.6-inferens genom Moonshots egna API eller hostade aggregatorer snarare än lokal hårdvara. Open-weights-historien är “substratet är publikt”, inte “du kan köra det på ditt skrivbord i år”.

Källor