وفقًا لمراقبة 1M AI News، أصدر Cursor تقريرًا تقنيًا عن Composer 2، وكشف لأول مرة عن خطة التدريب الكاملة. يعتمد النموذج الأساسي Kimi K2.5 على بنية MoE، ويحتوي على إجمالي 1.04 تريليون معلمة و320 مليار معلمة نشطة. يتم التدريب على مرحلتين: أولاً، يتم الاستمرار في التدريب المسبق على بيانات الشيفرة لتعزيز المعرفة بالترميز، ثم يتم تحسين قدرات الترميز من النهاية إلى النهاية من خلال التعلم المعزز على نطاق واسع. بيئة التعلم المعزز تحاكي تمامًا سيناريوهات الاستخدام الحقيقية لـ Cursor، بما في ذلك تحرير الملفات، عمليات الطرفية، البحث عن الشيفرة، واستدعاء أدوات أخرى، مما يسمح للنموذج بالتعلم في ظروف قريبة من بيئة الإنتاج.
كما أعلن التقرير عن طريقة بناء معيار CursorBench الذي تم تطويره ذاتيًا: حيث يتم جمع المهام من جلسات الترميز الحقيقية لفريق الهندسة، وليس من خلال تركيب يدوي. حصل النموذج الأساسي Kimi K2.5 على 36.0 نقطة على هذا المعيار، وبعد مرحلتي التدريب، وصل Composer 2 إلى 61.3 نقطة، بزيادة قدرها 70%. وتقول Cursor إن تكلفة استنتاج النموذج أقل بشكل ملحوظ من نماذج API المتقدمة مثل GPT-5.4 وClaude Opus 4.6، مما يحقق توازنًا مثاليًا بين الدقة والتكلفة.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
