# Composer 2技术报告：面向智能体软件工程的代码模型训练

- 来源：Cursor Blog
- 作者：Sasha Rush
- 发布时间：2026-03-27 20:00
- AIHOT 分数：72
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmosbbgu40076slojd129u7gt
- 原文链接：https://cursor.com/blog/composer-2-technical-report

## 精选理由

Cursor 把 Composer 2 的训练全流程摊开讲了，从 Kimi K2.5 继续预训练到大规模 RL，关键是 RL 在真实 Cursor 会话里跑，不是玩具环境。做 coding agent 的团队，这份报告值得逐段拆。

## AI 摘要

本报告介绍了代码模型Composer 2的训练过程。该模型基于开源基础模型Kimi K2.5，通过两阶段训练：首先进行侧重代码的持续预训练以深化编码知识，随后在高度模拟真实Cursor环境的大规模强化学习中提升端到端智能体性能。在自建的真实任务评估集CursorBench上，Composer 2得分为61.3，较前代提升37%，与前沿模型性能相当。在公开基准SWE-bench Multilingual和Terminal-Bench上分别获得73.7和61.7分，并在保持高精度的同时实现了显著更低的推理成本。训练依托为Blackwell GPU定制的高效MoE训练内核、跨区域异步强化学习管道等大规模基础设施完成。

## 正文

我们在 arXiv 上发布了一篇关于 Composer 2 训练的技术报告，这是我们面向智能体软件工程的编程模型。该报告涵盖了完整的训练流程，从基于开源基座模型 Kimi K2.5 的持续预训练，到大规模强化学习，重点在于紧密模拟真实的 Cursor 环境。

持续预训练与强化学习

Composer 2 分两个阶段进行训练：首先在侧重代码的数据混合集上进行持续预训练，以加深基座模型的编程知识；随后进行大规模强化学习，以提升端到端的智能体性能。我们发现，降低预训练损失能够提升下游强化学习性能，更扎实的基座知识可靠地转化为更优秀的智能体。

Composer 2 的强化学习训练在真实的 Cursor 会话中进行，使用与已部署模型相同的工具和测试框架，并应用于能够反映开发者要求 Composer 执行的全部任务范围的问题分布。我们发现，强化学习训练既提升了平均性能，也提升了最佳 K 次采样性能，这表明模型正在学习新的解题路径，而不仅仅是集中于已知路径。

基于 CursorBench 的真实世界评估

构建编程模型的一个核心挑战在于，公开基准测试往往无法反映开发者实际所做的工作。任务被过度限定，解决方案过于狭窄，且代码库规模很小。

我们基于自身工程团队的真实编程会话构建了 CursorBench。它包含提示词简洁且模糊的任务，其解决方案需要在多个文件中进行数百行代码的修改。我们在整个训练和评估过程中都使用 CursorBench，以使模型始终与真实问题保持一致。

性能表现

在 CursorBench 上，Composer 2 得分为 61.3，相比 Composer 1.5 提升了 37%，与最顶尖的前沿模型不相上下。在公开基准测试中，Composer 2 在 SWE-bench Multilingual 上得分为 73.7，在 Terminal-Bench 上得分为 61.7。它在实现这些成绩的同时，推理成本显著低于同类模型，从而在交互式开发者工作流中实现了准确性与成本之间的帕累托最优权衡。

基础设施

训练 Composer 2 需要大规模的基础设施建设，包括用于在 Blackwell GPU 上高效训练 MoE 的自定义低精度内核、一个跨多个区域的完全异步强化学习流水线，以及 Anyrun（我们用于运行数十万个沙盒化编码环境的内部计算平台）。该报告涵盖了完整的技术栈，包括我们在权重同步、容错和环境保真度方面的方案。

该报告提供了关于所有这些内容的更多细节，包括对训练方案的消融实验、我们的智能体行为塑造方法，以及评估套件的设计。

感谢 Kimi K2.5、Ray、ThunderKittens、PyTorch 团队以及更广泛的开源社区。我们还要感谢 Fireworks 和 Colfax 的合作与支持。

在此处阅读完整技术报告。

通过实时强化学习改进 Composer

Jacob、Ben、Nathan 和 Wanqi

推出 Composer 2

通过自动安装引导 Composer

Shomil、Joshua 和 Andrew