Cursor Composer 2: rẻ hơn 86%, mạnh hơn Claude Opus 4.6, nhưng có giới hạn cứng cần biết

Đây không phải bản cập nhật tăng dần. Cursor thay đổi toàn bộ phương pháp huấn luyện: thay vì chỉ scale reinforcement learning (RL) trên nền model cũ như Composer 1.5, phiên bản mới này thực hiện continued pretraining để xây dựng nền tảng hoàn toàn mới trước khi áp RL lên trên.

Tóm tắt các điểm chính

• Composer 2 được xây dựng trên nền Kimi K2.5 của Moonshot AI, với khoảng ba phần tư tổng compute đến từ quá trình huấn luyện riêng của Cursor.
• Trên CursorBench, Composer 2 đạt 61.3 so với 44.2 của Composer 1.5, tức tăng 39%.
• Composer 2 vượt Claude Opus 4.6 trên Terminal-Bench 2.0 (61.7 so với 58.0) với chi phí đầu vào thấp hơn 90%.
• GPT-5.4 vẫn dẫn đầu trên Terminal-Bench 2.0 với 75.1 điểm.
• Composer 2 là model chỉ dành cho lập trình trong Cursor IDE, không thực hiện được bất kỳ tác vụ nào ngoài code.
• Context window 200.000 token đi kèm cơ chế self-summarization RL-trained giúp giảm lỗi nén bối cảnh 50%.

Composer 2 là gì và khác gì các phiên bản trước?

Composer 2 là model agentic coding thế hệ thứ ba của Cursor, và là phiên bản đầu tiên trong dòng Composer trải qua continued pretraining (huấn luyện tiếp tục trên nền tảng model gốc). Các phiên bản trước, cụ thể là Composer 1 và Composer 1.5, đều xây dựng bằng cách giữ nguyên model nền và chỉ tăng cường RL lên trên. Composer 1.5 đã scale RL lên gấp 20 lần so với Composer 1, đến mức chi phí RL vượt cả chi phí pretraining ban đầu của model nền. Đó là giới hạn của phương pháp cũ.

Composer 2 phá vỡ giới hạn này bằng cách trước tiên cập nhật trọng số nền tảng với dữ liệu lập trình đặc thù, sau đó áp dụng RL với quy mô tăng gấp 4 lần. Nền tảng được chọn là Kimi K2.5 của Moonshot AI, xác nhận qua phát hiện từ API request headers ngày 20/3/2026 và được Lee Robinson, VP of Developer Education tại Cursor, chính thức thừa nhận. Hạ tầng huấn luyện chạy trên PyTorch và Ray, sử dụng custom MXFP8 quantization kernels tối ưu cho NVIDIA Blackwell GPUs, với inference được xử lý bởi Fireworks AI.

Composer 2 đạt điểm Benchmark bao nhiêu và cải thiện thế nào so với 1.5?

Composer 2 đạt 61.3 trên CursorBench, 61.7 trên Terminal-Bench 2.0 và 73.7 trên SWE-bench Multilingual, đánh dấu bước tăng lớn nhất giữa các thế hệ Composer. So với Composer 1.5, mức tăng trên CursorBench là khoảng 39%, Terminal-Bench 2.0 tăng 29%, còn SWE-bench Multilingual tăng 12%.

Cần lưu ý quan trọng về phương pháp đánh giá: CursorBench là benchmark nội bộ của Cursor, không thể tái hiện độc lập bởi bên ngoài. Với Terminal-Bench 2.0, Cursor dùng framework Harbor và báo cáo điểm cao nhất giữa leaderboard chính thức và kết quả từ infrastructure riêng của họ. Đây là lựa chọn phương pháp đáng chú ý khi so sánh với các model khác.

Composer 2 so sánh thế nào với Claude Opus 4.6 và GPT-5.4?

Composer 2 vượt Claude Opus 4.6 trên CursorBench và Terminal-Bench 2.0, nhưng vẫn thua GPT-5.4 một khoảng cách rõ ràng trên cả hai benchmark này.

Khoảng cách 13 điểm giữa Composer 2 (61.7) và GPT-5.4 (75.1) trên Terminal-Bench 2.0 là đáng kể. Tuy nhiên, cần nhớ rằng Terminal-Bench đo cặp agent và model, không đo model thuần. GPT-5.4 sử dụng harness Simple Codex trong khi Cursor dùng Harbor, nên so sánh trực tiếp cần thận trọng.

Khoảng cách thực sự nổi bật hơn nằm ở giá:

Composer 2 Standard rẻ hơn Opus 4.6 khoảng 90% và rẻ hơn GPT-5.4 khoảng 80% tính trên input token. Với team chạy hàng nghìn agentic request mỗi ngày, chênh lệch này có tác động rất lớn lên ngân sách vận hành thực tế.

Composer 2 có gì khác biệt về mặt kỹ thuật?

Composer 2 sử dụng kiến trúc Mixture-of-Experts (MoE), nghĩa là chỉ một tập con các tham số của model được kích hoạt cho mỗi input. Cách thiết kế này giúp giữ tốc độ inference nhanh trong khi tổng số tham số vẫn ở mức lớn. Cursor không công bố con số tham số cụ thể.

Cơ chế self-summarization là điểm kỹ thuật đáng chú ý nhất. Khi context window 200.000 token bắt đầu đầy, model tự động tạm dừng, nén bối cảnh làm việc xuống còn khoảng 1.000 token rồi tiếp tục. Điểm khác biệt so với Composer 1.5 là hành vi nén này được nhúng trực tiếp vào hàm reward của RL, thay vì dùng prompt-based compression như phiên bản trước. Kết quả theo báo cáo từ Cursor: giảm 50% lỗi nén so với phương pháp cũ, dùng khoảng một phần năm lượng token. Trong bài test thực tế, Composer 2 giải bài toán “make-doom-for-mips” từ Terminal-Bench 2.0 trong 170 lượt, nén hơn 100.000 token bối cảnh trong quá trình đó.

Composer 2 gồm những biến thể nào và khi nào nên dùng biến thể nào?

Composer 2 có hai biến thể là Standard và Fast, cùng nền tảng intelligence nhưng khác nhau về tốc độ và chi phí. Fast là mặc định khi chọn Composer 2 trong dropdown của Cursor, được thiết kế cho các phiên làm việc tương tác thời gian thực. Standard chậm hơn nhưng rẻ hơn đáng kể, phù hợp cho tác vụ nền, refactor hàng loạt hoặc các vòng lặp agentic dài không cần phản hồi tức thì.

Chiến lược thực tế: dùng Fast khi đang code trực tiếp và cần phản hồi gần tức thì, chuyển sang Standard cho các tác vụ chạy qua đêm hoặc xử lý hàng loạt để tiết kiệm credit.

Composer 2 so với Claude Code và GitHub Copilot thì thế nào?

Composer 2 cạnh tranh ở tầng sản phẩm với Claude Code của Anthropic và GitHub Copilot, không chỉ ở tầng model thuần. Theo khảo sát developer năm 2026, Claude Code hiện là công cụ lập trình AI được dùng nhiều nhất trong giới chuyên nghiệp, với 46% nhà phát triển xếp nó là công cụ yêu thích nhất, so với 19% cho Cursor. Tuy nhiên, nhiều developer dùng Cursor cho việc chỉnh sửa file trong IDE hàng ngày và chuyển sang Claude Code cho các tác vụ tự động phức tạp hơn. Hai công cụ này bổ sung cho nhau nhiều hơn là cạnh tranh trực tiếp.

GitHub Copilot vẫn là công cụ được dùng rộng rãi nhất với hơn 20 triệu người dùng và mức giá khởi điểm 10 USD mỗi tháng. Copilot gần đây bổ sung Agent mode cho các tác vụ nhiều bước, nhưng nhiều developer cho rằng khả năng chỉnh sửa đa file của Cursor vẫn sâu hơn. Khoảng 70% developer hiện dùng từ hai đến bốn công cụ AI song song, điều này cho thấy câu hỏi thực tế không phải “dùng công cụ nào” mà là “kết hợp công cụ nào với nhau”.

Composer 2 có những giới hạn và hạn chế nào cần biết?

Composer 2 bị giới hạn hoàn toàn trong lập trình và chỉ hoạt động bên trong Cursor IDE. Co-founder Aman Sanger phát biểu thẳng: model này không giúp được việc khai thuế hay viết thơ. Đây là điểm khác biệt cơ bản so với Claude Opus 4.6 hay GPT-5.4, vốn là model đa năng có thể xử lý nhiều loại tác vụ khác nhau.

Một số hạn chế được cộng đồng developer ghi nhận thêm: trong các kế hoạch thực thi nhiều bước cứng nhắc, Composer 2 đôi khi bỏ qua bước kiểm tra trung gian và vội vàng đến phần triển khai, nhiều khả năng do artifact từ quá trình huấn luyện. Trên macOS, một số người dùng báo cáo file watcher nền của Cursor bỏ qua chỉ dẫn .gitignore trong monorepo rất lớn, khiến agent index cả thư mục như node_modules và ngốn hết token allowance ngoài mong muốn.

Về minh bạch: Cursor không tiết lộ nền tảng Kimi K2.5 trong blog launch chính thức. Thông tin này lộ ra ngày 20/3/2026 khi người dùng tìm thấy model ID trong API request headers. Lee Robinson và Aman Sanger thừa nhận đây là “a miss” và cam kết minh bạch hơn về base model trong tương lai.

Kết luận

Composer 2 là bước nhảy benchmark lớn nhất trong lịch sử dòng Cursor Composer, kết hợp với mức giá thấp chưa từng thấy trong phân khúc coding model cao cấp. Trên CursorBench, Composer 2 đạt 61.3 so với 44.2 của Composer 1.5, tăng 39%, trong khi chi phí input giảm 86% xuống còn 0.50 USD per million tokens ở biến thể Standard. Model vượt Claude Opus 4.6 trên Terminal-Bench 2.0 với chi phí thấp hơn 90%, nhưng vẫn thua GPT-5.4 một khoảng cách 13 điểm trên cùng benchmark đó. Giới hạn cứng cần nắm rõ: Composer 2 chỉ làm được một việc duy nhất là viết code trong Cursor IDE. Với developer đang xây dựng workflow đa công cụ, đây là lựa chọn mặc định hợp lý cho tác vụ lập trình thường ngày trong IDE, trong khi Claude Code và GPT-5.4 vẫn giữ vai trò riêng cho các tác vụ phức tạp hơn hoặc ngoài phạm vi lập trình.