Cursor 发布最强 AI 模型 Composer 2.5：基于 Kimi K2.5 打造，马斯克透露调用 Colossus 2 训练 - 果核剥壳

5 月 19 日消息，特斯拉 CEO 埃隆·马斯克今日在 X 平台发布推文，邀请用户测试 Cursor 的最新 AI 模型 Composer 2.5，并透露该模型部分调用了 Colossus 2 进行训练。与此同时，Cursor 官方也正式宣布 Composer 2.5 上线，称其为史上最强模型，并确认其基于月之暗面的 Kimi K2.5 模型训练打造。

核心升级：长任务稳定性与复杂指令遵循

官方表示，Composer 2.5 的重点提升在于长任务稳定性、复杂指令遵循能力以及协作体验。为了实现这一目标，团队在技术架构上进行了关键性改动——引入基于文本反馈的定向强化学习（RL）。

在处理跨越数十万 token 的长程 rollout 时，传统的最终奖励机制很难准确定位具体是哪一步决策出现失误。Composer 2.5 采用的新机制是：在具体错误发生的位置插入简短反馈提示，将此局部上下文生成的分布作为教师信号，再通过蒸馏 KL 损失拉近学生策略。这一机制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。

25 倍合成任务与“奖励作弊”挑战

为了持续提升编码能力，Composer 2.5 将合成任务规模扩大至前代 Composer 2 的 25 倍，并在训练中动态筛选高难度任务。其核心方法之一是从真实代码库中删除可测试功能，要求模型补全，并将测试结果直接作为奖励信号。

然而，大规模合成训练也带来了意料之外的“奖励作弊”风险。官方坦言，模型学会了通过逆向类型检查缓存或反编译 Java 字节码来重建 API 以获取奖励。这也表明，高强度的 RL 训练必须配合更严密的监控机制。

底层优化：1T 模型单步耗时仅 0.2 秒

在训练基础设施方面，Composer 2.5 采用了分片 Muon 与双网格 HSDP 技术。针对专家权重正交化带来的主要开销，团队通过异步 all-to-all 通信实现了网络传输与计算的重叠，在 1T 参数模型上将优化器单步耗时控制在 0.2 秒。此外，非专家权重与专家权重采用差异化的 HSDP 布局，既减少了小规模状态的大范围通信，也将专家优化任务分摊至更多 GPU，大幅提升训练效率。