# Cursor 发布智能模型路由系统 Cursor Router

- 来源：Cursor Blog
- 作者：Cursor Team
- 发布时间：2026-07-22 08:00
- AIHOT 分数：70
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmrwer0kl0127roj0zluq7yeh
- 原文链接：https://cursor.com/blog/router

## 精选理由

Cursor Router 把模型路由从个人选择变成团队策略，实测成本降低 30-50% 且满意度不降，对管理 AI 预算的工程 Leader 来说是个值得立刻试点的新功能。

## AI 摘要

Cursor 推出 Cursor Router，可自动将每个编码请求分配给最合适的模型。在线 A/B 测试显示，Auto Intelligence 模式在用户满意度接近 Fable 的同时，成本降低约 60%；Auto Balance 模式满意度超过 Opus 4.8，成本降低约 36%。

## 正文

今天我们正式推出 Cursor Router——这是我们面向团队和企业打造的智能模型路由系统。

Cursor Router 让团队能够自动将每个请求路由到最适合该任务的高性能模型，以更低成本获得前沿智能能力。

我们在数千名企业开发者的生产流量上观察到了极为强劲的效果。在与数十家企业合作的早期试用阶段，客户以大约 30%–50% 的成本降幅获得了前沿性能。

在覆盖数百万次请求的在线 A/B 测试中，Cursor Router 以节省 60% 成本的表现交付了前沿质量的性能。

Cursor 每周在各类模型和提供商之间路由数亿次编码请求，对用户偏好以及代码库中真正沉淀下来的内容拥有独特的洞察。模型中立一直是 Cursor 运作方式的核心，而今天我们把这些数据和专业能力应用到你的团队中。

借助 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，同时不必支付超出工作本身所需的成本。

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价格完成，而 AI 支出增速远超输出质量的提升。Cursor Router 通过在模型运行之前对每个请求进行分类来解决这一问题。

从核心来看，Cursor Router 是一个分类器，它根据用户的查询将请求路由到最佳模型选项。我们在 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上进行了在线 A/B 测试来评估性能，以用户满意度（AFC）作为奖励进行优化。

Cursor Router 会基于查询内容、上下文、任务复杂度和领域来分析每个请求，并结合我们对每个模型行为特征的了解。我们学习每个模型最擅长的方面，并将请求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、需要长周期推进的问题则交给前沿推理模型。

我们设计路由分类器时，所面向的是一个新版模型频繁快速发布的世界。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，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。它训练所用的数据集包含因路由决策导致缓存未命中的情况，而在生产环境中的评估则意味着，我们所报告的成本节省已包含路由决策中缓存未命中的成本。

以更低成本获得前沿智能

Cursor Router 提供三种模式：Intelligence（智能）、Balance（均衡）和 Cost（成本），让你可以在成本与智能的帕累托前沿上自行选择所处位置。

我们发现，Auto Intelligence 模式在输出用户满意度上接近 Fable，同时为团队节省约 60% 的成本，并且在几乎相同的成本下，其满意度比 Opus 4.8 还高出约 15%。

同样，Auto Balance 模式在结果用户满意度上高于 Opus 4.8，同时成本降低约 36%。与 GPT-5.6 Sol 相比，Auto Balance 在更低花费下实现了相当的满意度。

我们选择通过大规模在线 A/B 测试而非离线评测来衡量路由器的效能。虽然离线评测是衡量质量的有效代理指标，但它们受限于样本规模小、与实际使用场景存在距离，以及难以将成功简化为一套评分标准等问题。

离线评测还忽略了因切换模型而产生的额外缓存未命中成本。真实的路由决策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 测试将 Cursor Router 置于真实世界中，经受数百万个任务和对话的检验。工程师们编写代码、追问后续问题、遇到报错、继续推进，一周内往往要经历数百次请求。这些才是模型路由器需要表现出色的真实场景。

在输出质量方面，我们衡量了以下指标：

用户满意度：根据用户反馈对智能体成功与否进行分类。用户继续推进下一个功能是强烈的正向信号，而纠正智能体则是强烈的负向信号。

留存率（Keep rate）：即智能体生成的代码在一段时间后仍保留在代码库中的比例。

过去九个月里，我们一直依靠这些指标来评估每一次模型发布和工具链改进。

客户看到的效果

过去两周，Cursor Router 已面向部分企业客户开启早期访问。我们将他们实际支付的费用，与同等流量完全按 Opus 4.8 API 价格计费的情况进行了对比。

在早期访问中，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到 Opus 4.8 节省了 30%–50% 的成本，且质量没有任何下降。

单次请求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，因此我们考察了单次提交（commit）的成本，结论依然成立。

就单次提交而言，我们观察到 Cursor Router 在 Intelligence 模式下的单次提交成本更低，为 6.76 美元；Balance 模式为 4.63 美元。

GPT-5.6 Sol 的成本与 Intelligence 模式相当，但用户对输出结果的满意度较低。与此同时，Fable 5 和 Opus 4.8 的提交成本相比 Cursor Router 存在溢价，分别为 12.69 美元和 7.34 美元。

这一差距正是路由的实际价值所在。Cursor Router 将困难任务保留给最强模型，同时把常规工作从前沿模型的定价中移开。

你来选择权衡

Cursor 在设计路由器时充分考虑了团队和大型组织的需求。路由器采用数据驱动的分类体系，同时管理员和终端用户仍可选择它在成本—智能帕累托前沿上的位置。

在模型选择器中选择 Auto 模式，并从三种优化模式中选取一种，即可沿前沿曲线移动：

Intelligence：前沿质量，性能媲美最昂贵、最强大的模型——这些模型日常使用可能难以企及。

Balance：扎实的质量，性能媲美大多数人喜欢日常使用的前沿模型。

Cost：良好的质量，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。你可以按团队或分组启用它，选择成员可选的模式，设置默认模式，并允许或屏蔽特定模型。

接下来是什么

Cursor Router 是 Cursor 提升 token 效率的手段之一。选对模型固然重要，但前提是智能体本身保持精简，因此我们持续削减其运行框架中的冗余消耗。

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进每一条提示词中。模型在首次需要某个工具时才去查找其描述，这与我们处理 MCP 的方式一致。这样既能保持 read、edit 这类常用工具的热度，又让不常用的工具只在智能体真正调用时才进入提示词。

在推出 Cursor Router 的同时，我们也在不断提升模型池的下限与上限：Grok 4.5 拓宽了 Cursor Router 在更困难、更高成本任务上的可选范围。Composer 在日常路径上持续进步，让低成本调用也能接近前沿质量，而无需支付前沿价格。

Cursor Router 现已面向 Teams 和 Enterprise 套餐开放，覆盖桌面端、网页端、iOS、CLI 以及我们的 SDK。

更多详情请参阅我们的文档和更新日志。

相关文章

使用 Cursor for iOS 随时随地构建

Chris、Rikki 与 Kevin

为 Cursor Enterprise 推出组织功能