今天，我们正式推出 Cursor Router——一款面向团队和企业的智能模型路由器。

Cursor Router 让团队能够自动将每个请求路由到最适合该任务的模型，以更低成本提供前沿智能。

我们在数千名企业开发者的生产流量中观察到了极为强劲的效果。在面向数十家企业的早期体验阶段，客户以约 30%–50% 更低的成本获得了前沿性能。

在覆盖数百万次请求的在线 A/B 测试中，Cursor Router 以节省 60% 的成本实现了前沿品质的性能。

Cursor 每周处理数亿次编码请求，覆盖所有模型和供应商，并拥有对用户偏好及代码库中留存内容的独特洞察。模型中立性始终是 Cursor 运作的核心，而今天，我们将把这些数据和专业知识应用于您的团队。

通过 Cursor Router，我们的目标是为团队提供每项任务的最佳性能与体验，同时避免超出工作所需的支出。

工作原理

大约 60% 使用 Cursor 的开发者会选择单一模型作为日常主力。这导致常规工作以前沿模型的价格完成，AI 支出的增长速度远超输出质量的提升。Cursor Router 通过在模型运行前对每个请求进行分类来解决这一问题。

其核心是一个分类器，可根据用户的查询将其路由到最佳模型选项。我们在超过 60 万条实时请求上训练了 Cursor Router，并在由 Cursor Router 引导的数百万条实时请求中进行了在线 A/B 测试，以用户满意度（AFC）作为奖励信号来评估性能。

Cursor Router 会分析每个请求的查询内容、上下文、任务复杂度和领域，并结合我们对每个模型行为的了解。我们学习每个模型最擅长的领域，并将其路由到最有效的选项。简单工作交给性价比最高的模型，UI 更新交给品味最佳的模型，而更复杂、需要长期规划的问题则交给前沿推理模型。

我们设计的路由分类器，面向的是一个新版模型频繁且快速上线的世界。这样一来，当更新、更强大的模型发布时，我们就能轻松更新 Cursor Router，从而让体验持续提升。

Cursor Router 在训练和评估两个环节都具备缓存感知能力。它在一个路由结果会导致缓存未命中的数据集上进行训练，并在生产环境中进行评估——我们报告的成本节省已包含路由决策中因缓存未命中而产生的成本。

以更低成本获取前沿智能

Cursor Router 有三种模式：智能模式、均衡模式和成本模式，让你可以根据自身需求在成本与智能的帕累托前沿上进行调整。

我们发现，自动智能模式在用户对输出结果的满意度上接近 Fable，同时为团队降低了约 60% 的成本；而在几乎相同的成本下，其满意度比 Opus 4.8 提升了约 15%。

同样，自动均衡模式在用户对结果的满意度上高于 Opus 4.8，同时成本降低了约 36%。与 GPT-5.6 Sol 相比，自动均衡模式在支出更低的情况下提供了相当的满意度。

我们选择通过大规模在线 A/B 测试来衡量路由器的效能，而非离线评估。虽然离线评估是衡量质量的实用代理指标，但它们受限于样本量小、远离真实使用场景，以及难以将成功简化为一套评分标准。

离线评估还忽略了因切换模型而产生的额外缓存未命中成本。真正的路由发生在整个对话过程中：选择哪个模型，以及何时切换。

在线 A/B 测试让 Cursor Router 在真实世界中接受数百万个任务和对话的考验。工程师们编写代码、提出追问、遇到错误、继续推进，一周内往往要处理数百次请求。这些正是模型路由器需要表现出色的场景。

在输出质量方面，我们衡量了以下指标：

• 用户满意度：根据用户反馈判断智能体的成功与否。用户继续下一个功能是强烈的正面信号，而纠正智能体则是强烈的负面信号。
• 留存率：即智能体生成的代码在代码库中随时间推移被保留的比例。

过去九个月里，我们一直依赖这些指标来评估每一次模型发布和工具链改进。

客户的实际体验

过去两周，Cursor Router 已面向部分企业客户开放早期体验。我们将客户实际支付的费用，与同等流量完全按 Opus 4.8 API 价格计费的情况进行了对比。

在早期体验中，三个拥有数千用户的高用量账户，在自动路由请求上相比全部路由至 Opus 4.8 节省了 30%–50% 的成本，且质量没有下降。

每次请求的成本只是故事的一半。工程负责人更关心这些节省是否体现在实际交付的工作中，因此我们考察了每次提交的成本，结果趋势一致。

对于单次提交，我们观察到 Cursor Router 在 Intelligence 模式下每次提交的成本为 6.76 美元，在 Balance 模式下为 4.63 美元。

GPT-5.6 Sol 的成本与 Intelligence 模式相当，但用户对输出的满意度较低。与此同时，Fable 5 和 Opus 4.8 的每次提交成本分别为 12.69 美元和 7.34 美元，均高于 Cursor Router。

这一差距正是路由的实际价值所在。Cursor Router 将困难任务保留给能力最强的模型，而将常规工作从前沿模型的定价体系中移出。

由你选择权衡

Cursor 在设计路由时充分考虑团队和大型组织的需求。该路由采用数据驱动的分类体系，同时管理员和终端用户仍可自行选择其在成本-智能帕累托前沿上的位置。

在模型选择器中选中 Auto 模式，然后从三种优化模式中选择一种，即可沿帕累托前沿移动：

• Intelligence：前沿质量，性能与最昂贵、最强大的模型相当，这些模型在日常使用中可能难以企及。
• Balance：优质质量，性能与大多数人日常使用的前沿模型相当。
• Cost：良好质量，在优化 token 消耗的同时达到可用的最高智能水平。

管理员可以决定 Cursor Router 如何在团队中推广。你可以按团队或群组启用，选择成员可用的模式，设置默认模式，并允许或屏蔽特定模型。

下一步计划

Cursor Router 是 Cursor 提升模型 token 效率的关键一环。只有智能体本身保持精简，选择合适的模型才有意义，因此我们持续削减其外围框架中的冗余消耗。

动态工具调用是另一个典型案例：大多数原生工具描述不再被加载到每条提示词中。模型仅在首次需要时才会查找这些描述，这与我们已用于 MCP 的模式相同。这使得 `read` 和 `edit` 等常用工具保持热状态，而不太常用的工具仅在智能体实际调用时才进入提示词。

与 Cursor Router 同步，我们持续提升模型池的性能下限与上限：Grok 4.5 拓宽了 Cursor Router 在更复杂、更高成本任务中可调用的模型范围。Composer 在日常使用路径上持续优化，使得低成本方案在无需支付前沿模型价格的情况下，仍能接近前沿质量。

Cursor Router 现已面向 Teams 和 Enterprise 计划开放，支持桌面端、网页端、iOS、CLI 及我们的 SDK。

更多详情请查阅我们的文档和更新日志。