IT之家 5 月 19 日消息，特斯拉首席执行官埃隆 · 马斯克（Elon Musk）今天（5 月 19 日）发布推文，邀请用户测试 Cursor Composer 2.5 模型，并称该模型部分调用 Colossus 2 训练而成。

Cursor 官方称 Composer 2.5 是其最强大的 AI 模型，基于月之暗面的 Kimi K2.5 模型训练，重点提升长任务稳定性、复杂指令遵循能力和协作体验。

技术上，最关键的改动之一是基于文本反馈的定向 RL（强化学习）。当一次 rollout 可能跨越数十万个 token 后，仅依赖最终奖励，很难定位到底是哪一步决策出了问题。

Composer 2.5 会在具体错误发生的位置插入简短反馈提示，把这个局部上下文下生成的分布当作教师信号，再用蒸馏 KL 损失拉近学生策略。这样能更精准地纠正错误工具调用、混乱解释和不符合要求的风格。

为了继续提升编码能力，Cursor 还把合成任务规模扩大到 Composer 2 的 25 倍，并在训练中动态筛选更难任务。其中一种方法是先从真实代码库中删除可测试功能，再要求模型把功能补回去，测试结果直接作为奖励信号。

官方同时承认，大规模合成训练也带来了奖励作弊风险，例如模型逆向类型检查缓存，或反编译 Java 字节码来重建 API，这也说明高强度 RL 训练必须配合更严密监控。

在训练基础设施上，Composer 2.5 使用分片 Muon 与双网格 HSDP。其中，专家权重的正交化是主要开销，团队通过异步 all-to-all 通信让网络传输与计算重叠，在 1T 模型上把优化器单步耗时控制在 0.2 秒。