写代码时，AI 助手要么反应慢到打断念念路九游体育app(中国)官方网站，要么智能不及写不出及格代码？Cursor 新发布的 Composer 模子透顶冲破这一矛盾，凭借强化学习（RL）期间终止 “智能与速率双巅峰”—— 编程成果是同等智能水平模子的 4 倍，还能精确适配确凿代码库表率。
你有莫得想过，AI 编程助手为什么老是让东说念主嗅觉”差点真谛”？要么够聪敏但慢得让东说念主执狂，要么反应很快但写出的代码老是不太对劲。这种矛盾一直困扰着我，直到我看到 Cursor 的 AI 扣问员 Sasha Rush 在 Ray Summit 2025 上的共享。他们发布了一个叫 Cursor Composer 的新模子，用一种都备不同的念念路处置了这个问题：通过强化学习（RL）检会一个既聪敏又赶紧的 AI agent。
我听完扫数这个词共享后，最大的感受是：这不单是一个期间逾越，而是一种念念维模式的回荡。Cursor 团队不是在追求通用的 benchmark 分数，而是专注于处置确凿编程责任中的履行问题。他们用强化学习让模子在确凿的代码库环境中学习，让它团结代码表率、学会使用各式器具、知说念什么时候该并行实践任务。更蹙迫的是，他们把扫数这个词居品基础设施都整合进了检会过程，让 AI 在检会时就像一个确凿用户在使用 Cursor 一样。这种”检会即居品”的理念让我从头念念考了 AI 器具应该怎样被构建。
为什么需要一个又快又聪敏的编程 AISasha Rush 在共享开头就提到，Cursor Composer 在他们的里面 benchmark 上的推崇简直与最好的 Frontier 模子（前沿模子）持平，而况优于前年夏天发布的扫数模子。它的推崇彰着好于最好的开源模子，以及那些被标榜为”快速”的模子。但确凿让东说念主印象长远的是，这个模子的 token 生成成果是同等智能水平模子的四倍。这意味着它不仅聪敏，而且快得惊东说念主，致使比那些挑升规划为快速编程模子的居品还要快。
我一直认为，AI 器具的”快”不单是是期间见地，更是用户体验的中枢。瞎想一下你在写代码的时候，瞬息需要重构一个复杂的函数。要是 AI 助手需要恭候 30 秒才略给出冷落，这 30 秒足以打断你的念念路，让你失去专注。但要是 AI 能在 2 秒内给出谜底，你就能保持念念维的连贯性，链接千里浸在编程的心流景况中。这种”快到不打断念念路”的体验，才是确凿有价值的。
Cursor 团队长远团结这小数。他们的灵感来自 Cursor 应用中最受接待的功能之一：Cursor Tab。这是一个快速、智能的模子，用户在使用时嗅觉相等运动愉悦。Sasha Rush 说，让模子快到足以解救交互式使用，能让建树者更容易保持念念维链条，永恒处于责任流景况。他们但愿构建一个具有近似体验的 agent 模子。于是他们作念了一个原型模子，代号叫 Cheetah（猎豹），挑升为 agentic coding（agent 式编程）提供快速体验。这个原型发布到应用后，用户的反馈让他们很雀跃，许多东说念主说这嗅觉”都备不一样”，致使像是”外星科技”。这让他们服气，要是能构建一个更聪敏但保持不异成果的模子，将会带来翻新性的体验。
我非凡认可 Sasha Rush 提到的小数：他们不是在追求自便的 benchmark 分数，而是但愿构建一个在确凿编程责任顶用起来嗅觉好的模子。他们从我方的代码库构建了一个里面 benchmark，挑升测量模子在大型代码库中责任的才略，以及它是否能顺从代码库自身的表率和轨范。这些智能身分才是普通软件工程中确凿蹙迫的东西。许多时候，AI 模子在轨范测试中得分很高，但放到履行责任场景中却推崇平平，即是因为它们莫得针对确凿责任进程进行优化。
Cursor 团队的处所是双重的：既要智能，又要快。”快”不仅意味着高效生成 token，还意味着在裁剪器中运行得相等迅速。这条件模子不仅能快速产生裁剪，还要能利用并行器具调用（parallel tool calling）等期间来快速产出终止。当你把这两个处所麇集在沿途，你会得到一个在实践中嗅觉迥然相异的模子。在演示视频中，用户提交一个查询后，立即就能看到模子调用多个器具、运行末端敕令、在代码库中搜索、进行裁剪、编写待劳动项，然后只是一两秒后，你就得到了完整的裁剪和对代码变化的转头。这种体验与普通使用的典型裁剪器 agent 都备不同。
Agent RL：让 AI 像确凿建树者一样责任Sasha Rush 花了绝顶多的时期解释他们怎样使用 agent RL（agent 强化学习）来检会 Composer。我以为这部分非凡有启发性，因为它揭示了构建确凿有用的 AI 器具需要什么样的念念维模式。
从用户角度看，Cursor 的责任进程很通俗：用户向 Cursor 后端提交一个查询，agent 读取查询后进行一系列器具调用。Sasha Rush 说，咱们不错把 agent 主要团结为在”器具空间”中交互。它不错从一系列或者改变用户代码的器具中进行礼聘。履行上，Cursor 使用了大要 10 个器具，但咫尺咱们不错通俗地团结为有读取文献、裁剪文献、代码库搜索、汇聚 lints（代码搜检）和运行末端敕令这几种。Agent 不错串行或并行调用这些器具，要是它认为这样能复返好的终止。
在底层，这个 agent 仍然只是一个大言语模子，它所作念的只是生成 token。你不错把其中一些 token 团结为变成 XML 模式，使它或者调用器具以及这些器具自身的参数。但从强化学习的角度来看，咱们主要不错把它团结为在器具调用的组合空间中选择举止。当你看 Cursor 的前端时，你看到的这些 rollout（实践过程）即是扫数不同的器具调用组合起来作念出改变的过程。关于读取这类操作，前端只是转头它们；关于裁剪，你会及时看到扫数这个词变化；关于末端调用，你会看到器具调用和末端自身的输出。这基本上即是 agent 在你的 IDE 寰宇中选择举止的模式。
我以为最有真谛的是他们怎样进行强化学习检会。Sasha Rush 强调，他们会尽可能模拟出产环境中的 Cursor 运行模式。这意味着他们会把检会数据手脚用户查询发送给模子，然后 agent 会调用一系列器具来尝试完成处所。但强化学习的不同之处在于，他们会从吞并个最先进行许多不同的 rollout。你不错把这瞎想成同期并行运行许多个 Cursor。在 rollout 1 中，模子可能读取一个文献然后裁剪它。但在 rollout 2 中，由于 LLM 是概讲理的，它可能使用不同的器具序列走不同的旅途。然后他们会对这两个礼聘的输出进行评分，决定 rollout 2 比 rollout 1 更好，并根据这个变化更新模子参数。
听起来很通俗对吧？但 Sasha Rush 说，扫数敬爱敬爱的挑战都来自于怎样把这个基本进程扩张到极致，而扩张过程的各个关键都有挑战。这让我预见，许多时候期间的中枢念念想可能很通俗，但确凿的贫乏在于怎样把它作念到极致、作念到或者履行应用。
Sasha Rush 详备讲授了在这种 agent 式强化学习中遭逢的三个中枢挑战。我以为这些挑战相等具有代表性，它们不仅适用于编程 AI，也适用于简直扫数需要在确凿环境中检会 AI agent 的场景。
第一个挑战是检会与推理的匹配。他们要检会一个 mixture of experts（混杂大家）言语模子，以获取最好并行性能，而这需要在数千个 GPU 上永别式进行。要是你只是作念预检会或监督微调，这也曾够难了，但当你作念强化学习时难度加倍，因为你必须同期领有检会版块和采样版块，而且它们必须同步责任。我认为这个挑战揭示了一个更深层的问题：在确凿居品中使用的模子和在检会中使用的模子，必须在架构、举止和性能上保持高度一致，不然检会出来的东西在居品中可能都备不work。
第二个挑战是超长的 rollout。当他们用确凿的编码变更进行检会时，rollout 比演示中展示的要贫乏得多。在当代模子中，rollout 使用 10 万到 100 万个 token，而况在过程中进行数百次不同的器具调用。更复杂的是，不同的 rollout 会产生不同数目的器具调用，可能需要相等不同的时期。这让我预见，确凿寰宇的任务通常比咱们瞎想的复杂得多。一个看似通俗的”重构这个函数”申请，可能需要 AI 读取十几个关系文献、搜索代码库中的使用示例、运行测试、搜检 lints，然后才略作念出正确的修改。要是检会时只用通俗的玩物例子，模子永远学不会处理这种复杂性。
第三个挑战是一致性。他们作念的事情本色上是”通过出产居品进行检会”。他们有一个 Cursor agent，并但愿在强化学习中尽可能接近地模拟它。这意味着他们想使用与出产居品都备调换的器具体式和器具响应，但要在更大领域上进行。这个挑战非凡敬爱敬爱，因为它冲破了传统机器学习的畛域。世俗咱们会把检会环境和出产环境分开，但 Cursor 团队礼聘让它们尽可能一致。这样作念的平允是，模子在检会时学到的每一个技巧、每一个器具使用模式，都能平直迁徙到确凿居品中。
Sasha Rush 强调，这三个问题都反应了机器学习系统扩张中的挑战，但这些挑战的履行处置决策都是基础设施礼聘。我相等认可这个不雅点。许多时候咱们把机器学习看作隧说念的算法和数知识题，但履行上，能否把一个想法变成确凿有用的居品，通常取决于你的基础设施有多强盛、多纯真。
Sasha Rush 花了许多时期讲授他们的基础设施架构，我以为这部分相等值得深入团结，因为它展示了构建确凿可扩张的 AI 系统需要什么。
在高脉络上，他们有三个不同的服务器：检会器（trainer）、推理服务器（inference server）和环境服务器（environment server）。检会器主要使用 PyTorch，看起来像是扩张到相等大领域的轨范机器学习栈。推理服务器主要使用 Ray 来编排 rollout。环境服务器使用 microVM（微假造机）来启动这些环境的有景况版块，允许他们进行文献调动、运行末端敕令和运行 linters。你不错把这团结为运行一个迷你版的 Cursor。这三个部分需要彼此交互，变成一个完整的检会轮回。
在检会器方面，他们作念了一个相等敬爱敬爱的优化：建树了一个自界说内核库，解救低精度检会。低精度检会加速了检会过程，还让他们或者高效运行采样，而不需要作念任何检会后量化。他们使用的是一种叫 MXFP8 的 microscaling（微缩放）体式。这个想法是，他们不错使用 FP8 精度责任，但利用格外的缩放因子来获取更好的精度和更高质地的检会。Sasha Rush 提到，他们为最新的 NVIDIA 架构建树了使用这种 microscaling 体式的自界说内核。关于混杂大家层，这在 Blackwell 芯片上提供了 3.5 倍的加速。
我认为这种对底层优化的柔顺相等蹙迫。许多 AI 团队可能会自豪于使用现成的检会框架和轨范精度，但 Cursor 团队礼聘深入到内核层面进行优化。这种参加不仅带来了权贵的速率提高，还让他们或者检会更大、更复杂的模子，同期保持检会和推理的成果。这种”不自豪于近况”的作风，我以为是顶尖团队的共同特征。
推理服务器濒临的主要挑战是 stragglers（拖后腿的进度）问题。要是你对这个过程不加念念考，只是让 agent 我方作念事，就会遭逢问题。这是因为 rollout 可能会调用末端敕令，可能会安设扫数这个词库，它们不错作念任何想作念的事。是以要是你运行 10 个 rollout，它们可能会在不同的时期复返。他们通过使用 Ray 和单一截至器接口处置了这个问题，这让他们或者在许多不同的线程和进度之间进行负载平衡，使这部分过程变得高效。
我以为这个问题非凡能诠释确凿寰宇 AI 系统的复杂性。在梦想情况下，扫数 rollout 应该破耗差未几的时期，但履行上它们可能各异强大。有的可能只需要读几个文献就完成了，有的可能需要运行复杂的构建过程。要是不成有用处理这种异构性，扫数这个词检会过程就会被最慢的阿谁 rollout 累赘，导致资源浮滥和成果低下。
与出产环境完整整合：检会即居品的形而上学Sasha Rush 非凡强调的小数让我印象长远：他们的处所是通过出产 Cursor 居品进行检会。Cursor 的一个敬爱敬爱之处是，他们或者同期规划居品自身和机器学习检会。行运的是，在构建强化学习栈的过程中，Cursor 发布了一个叫 cloud agents（云 agent）的居品。这是一种让你离线使用 agent 的模式，Sasha Rush 说他世俗在坐地铁时使用它来搜检模子推崇怎样。作为这个居品的一部分，他们会启动用户环境的假造机，让 agent 不错调动代码和运行末端敕令。他们或者使用调换的基础设施来进行强化学习检会。
这意味着他们有一个出产 agent 服务器，在运行云 agent 时和检会强化学习时是都备调换的。我认为这是一个相等聪敏的规划决策。许多公司会把检会环境和出产环境都备分开，导致检会出来的模子在确凿居品中推崇不如预期。但 Cursor 礼聘让它们都备一致，这样模子在检会时就也曾在学习如安在确凿居品中推崇得更好。
天然，这也带来了挑战。在强化学习检会岑岭期的责任负载会比运行轨范居品时愈加突发。是以他们必须处理应你为检会启动大批环境时的这种突发性，确保居品或者细致运行。Sasha Rush 展示了一个他们用 Composer 编写的面貌板，涌现后端利用率的情况。我以为这个细节很有真谛，它展示了他们也曾运利用用我方构建的器具来转变我方的责任进程。
你可能会问，为什么值得花这样多时期来履行使用确凿的出产环境？他们本不错模拟扫数这些不同的结构或尝试模拟它的责任模式。但 Sasha Rush 给出了一个相等有劝服力的原理：他们或者引入他们认为对 agent 相等有价值的特定器具。其中之一是他们检会了我方的镶嵌模子来进行强盛的语义搜索。当你使用 Cursor 时，它会索引你的扫数文献，允许 agent 用天然言语查询来查找它可能想要裁剪的文献。
他们发现这种语义搜索才略对 Cursor 中使用的扫数不同 agent 都有匡助，但对 Composer 非凡有匡助。这是因为他们或者用与出产中履行使用的都备调换的模子和结构来检会 Composer。是以他们或者检会模子成为这个器具的高档用户。这让我坚韧到，AI 器具不仅需要聪敏，还需要知说念怎样有用使用它可用的器具。就像一个优秀的建树者不仅懂编程言语，还知说念怎样使用 IDE、调试器、版块截至系统等器具一样，一个优秀的 AI agent 也需要学会怎样充分利用它的器具箱。
Composer 发布一周后的推崇：RL 真的有用Sasha Rush 共享了 Composer 发布第一周的一些不雅察，这些数据让我对强化学习的后劲有了更深的结实。
让他们服气强化学习真的有用的主要字据，是跟着他们运行越来越多步的 rollout-check-update 轮回，模子性能的提高。模子运行时的性能大要与这个领域最好的开源模子绝顶，但跟着检会，在 benchmark 上的性能以牢固的速率提高。这个图的 x 轴是对数刻度的谋略量，是以他们在强化学习过程中参加了大批谋略。但他们看到了与这种谋略关系的收益，模子性能提高到了他们发布版块的水平。
我以为这是强化学习可扩张性的一个相等好的信号，非凡是强化学习扩张到贫乏的专科任务的才略。许多东说念主质疑强化学习是否能在复杂的确凿寰宇任务上责任，但 Cursor 的教悔标明，惟有有充足的谋略资源和正确的基础设施，强化学习如实不错让模子在特定领域达到前沿水平。
他们还发现，他们或者检会模子以他们认为从居品角度有用的模式行事。Sasha Rush 之前提到，他们但愿模子不仅在生成 token 时快，而且在端到端用户体验上也快。其中一个关键构成部分是让模子调用并行器具。跟着检会，模子或者调用更多的并行器具，更快地响应用户查询。他们认为在将来的检会中不错进一步鼓吹这小数。
我以为这个发现非凡有价值，因为它标明强化学习不仅能提高模子的”智能”，还能塑造它的举止模式。通过符合的奖励规划，你不错让模子学会更高效的责任模式，比如并行化任务、优先处理关键身手等。这种举止层面的优化，是传统监督学习很难作念到的。
他们还发现模子学会了更好的 agent 举止。一运行，它作念了太多裁剪，而且在莫得太多字据的情况下就进行裁剪。跟着检会，模子会读取更多文献，进行更多搜索，以找到正确的裁剪位置并作念出正确的调动。这让我预见，好的编程不单是是写代码，更蹙迫的是团结凹凸文、找到正确的地方、作念出合理的决策。Composer 通过强化学习学到了这些”软技能”。
可能最蹙迫的是，用户似乎很可爱它。他们一周前发布了 Composer，主要反馈是速率和智能的麇集解锁了一种不同的编程模式。东说念主们不再是启动一个 agent 然后去刷 Twitter 恭候终止，而是快速获取终止并链接下一个问题。作为一个步调员、一个建树者，这真的很敬爱敬爱。Sasha Rush 说，里面许多建树者咫尺在普通责任中使用它。我以为这是最好的居品考证模式：当构建器具的东说念主我方每天都在用它。
我对构建专科化 AI 模子的念念考听完 Sasha Rush 的共享，我有几点长远的体会想共享。
起初，我认为强化学习真的相等稳妥构建这种专科化模子。这是咱们在当年几年大言语模子发展中看到的范式回荡。强化学习促进了构建在特定定制领域极其聪敏的处所模子的才略。当年咱们老是追求通用的、什么都能作念的模子，但 Cursor 的教悔标明，针对特定任务深度优化的模子，可能比通用模子在该任务上推崇好得多。这让我预见，也许将来咱们会看到更多这样的专科化模子：挑升作念数据分析的、挑升作念前端建树的、挑升作念系统架构的，每个都在我方的领域作念到极致。
另一个让我沉进的是，AI 系统怎样改变了扣问和建树的过程自身。Sasha Rush 提到，他和团队的许多东说念主咫尺的普通责任都由他们正在构建的调换 agent 来接济。他们用这些 agent 构建面貌板、构建后端、构建各式万般的东西。这让他们或者用一个小团队快速举止。我以为这是一个相等有真谛的自举过程（bootstrap）：你构建的 AI 器具不仅服务于用户，也服务于你我方，让你能更快地转变这个器具。这种正反馈轮回可能会加速 AI 器具的进化速率。
临了，天然 Sasha Rush 说他本色上不是一个基础设施大家，但看到强化学习有几许是由基础设施发展驱动的，这对他来说是一个警悟。这真的很难，需要整合居品、领域和机器学习检会。它确凿波及了当代软件系统的扫数部分。我都备甘心这个不雅察。在我看来，将来的 AI 公司不仅需要优秀的机器学习扣问东说念主员，还需要寰宇级的基础设施工程师。那些能把两者麇集好的公司，将会在竞争中占据强大上风。
从更宏不雅的角度看，Cursor Composer 的故事让我从头念念考了 AI 器具应该怎样被构建。传统的方法是：先检会一个通用模子，然后通过微调或辅导工程让它顺应特定任务。但 Cursor 继承了都备不同的旅途：从一运行就针对特定任务（编程）规划扫数这个词系统，包括模子架构、检会方法、基础设施和居品集成。这种端到端的念念考模式，我以为才是构建确凿有用的 AI 器具的正确方法。
我也在念念考这种方法的局限性。强化学习需要大批谋略资源，需要复杂的基础设施，需要居品和检会的精致集成。这意味着不是每个公司都能继承这种方法。但关于那些有资源和决心的公司来说，这可能是打造行业最初 AI 居品的最好旅途。Cursor 也曾讲授了这条路是可行的，我信托咱们会看到更多公司沿着这条路走下去。
另一个值得念念考的问题是，这种专科化模子的将来会是什么神态。Cursor Composer 专注于编程，但不异的方法不错应用到其他领域吗？比如挑升用于数据分析的模子、挑升用于内容创作的模子、挑升用于客户解救的模子等等。我认为谜底是笃定的，但每个领域都需要我方的基础设施、器具生态系统和检会方法。这不是一件容易的事，但关于那些能作念到的公司来说，答复将是强大的。
临了，我想说的是，Cursor Composer 的告捷再次讲授了一个真谛真谛：确凿的创新通常不是来自于奴才面前的热门，而是来自于深入团结用户需求，然后不吝一切代价去自豪这些需求。Cursor 团队莫得被”大模子越大越好”的叙事所诱骗，而是专注于处置建树者确凿的痛点：怎样让 AI 编程助手既聪敏又快速。他们用强化学习、自界说基础设施、居品集成等各式技能来终止这个处所，最终委用了一个用户确凿可爱使用的居品。这种以用户为中心、以问题为导向的念念维模式，我以为是扫数居品建树者都应该学习的。
本文由东说念主东说念主都是居品司理作家【深念念圈】，微信公众号：【深念念圈】，原创/授权 发布于东说念主东说念主都是居品司理，未经许可，不容转载。
题图来自Unsplash九游体育app(中国)官方网站，基于 CC0 契约。
