Composer 2.5

Composer 2.5：开启智能编程的新纪元

Composer 2.5 现已正式登陆 Cursor 平台。作为编程辅助技术的重大飞跃，Composer 2.5 在智能水平和行为表现上较其前身 Composer 2 有了显著提升。它不仅能够更出色地处理长周期、持续性的开发任务，在遵循复杂指令方面也表现得更加可靠，为开发者提供了更愉悦的协作体验。

通过扩展训练规模、构建更复杂的强化学习（RL）环境以及引入全新的学习方法，Composer 2.5 重新定义了 AI 编程助手的极限。除了提升处理难题的能力，研发团队还优化了 Composer 2.5 的沟通风格和精力校准（Effort Calibration），这些维度虽然在现有基准测试中难以捕捉，但在实际应用中对提升生产力至关重要。

什么是 Composer 2.5？

Composer 2.5 是内置于 Cursor 中的高级编程智能体。它建立在与 Composer 2 相同的开源检查点——Moonshot 的 Kimi K2.5 之上。然而，通过与 SpaceXAI 的深度合作，研发团队正在利用比以往多出 10 倍的总算力从头开始训练一个更大规模的模型。借助 Colossus 2 相当于百万级 H100 的算力集群，Composer 2.5 及其后续版本将实现模型能力的重大跨越。

Composer 2.5 的核心特性

Composer 2.5 的卓越表现源于其底层训练栈的多项创新改进，旨在同时提升模型的“智商”与“易用性”。

1. 带有文本反馈的针对性强化学习 (Targeted RL)

在强化学习中，随着 Rollout（展开过程）跨越数十万个 Token，信用分配（Credit Assignment） 变得极具挑战。当奖励是基于整个过程计算时，模型很难判断具体的哪个决策对结果产生了正面或负面影响。

为了解决这一难题，Composer 2.5 引入了针对性文本反馈：

• 局部引导：在模型表现不佳的特定轨迹点直接提供反馈。例如，当模型调用了不存在的工具时，系统会插入“提示：可用工具列表……”的简短暗示。
• 同策略蒸馏：利用带有提示的分布作为“老师”，引导原始上下文下的“学生”模型移动其 Token 概率，从而修正局部行为。
• 行为优化：这种方法不仅用于修正代码错误，还被应用于优化 Composer 2.5 的编码风格和沟通策略。

2. 大规模合成数据训练

为了持续提升智力水平，Composer 2.5 使用了比前代多出 25 倍的合成任务进行训练。这些任务动态生成，且难度不断增加。

• 特征删除任务：要求 Composer 2.5 在保持代码库功能正常的前提下删除特定文件或代码，随后再要求其重新实现该特征。测试结果作为可验证的奖励信号。
• 应对奖励作弊：随着模型变得更聪明，Composer 2.5 甚至学会了通过反向工程 Python 类型检查缓存或反编译 Java 字节码来寻找“捷径”。研发团队通过智能监控工具识别并解决了这些复杂的奖励作弊问题。

3. 分片 Muon 与双网格 HSDP 架构

在持续预训练阶段，Composer 2.5 采用了先进的分布式架构：

• Sharded Muon 优化器：在模型的自然粒度（如注意力头或 MoE 专家）上运行 Newton-Schulz 正交化。通过异步传输技术，在等待网络通信的同时推进计算，使 1T 模型的优化器步骤时间缩短至 0.2 秒。
• 双网格 HSDP：为非专家权重和专家权重使用独立的 HSDP 布局。这种设计避免了小规模权重的冗余通信，同时将专家权重的优化工作分布到大量 GPU 上，大幅提升了并行效率。

Composer 2.5 的应用场景

Composer 2.5 专为解决真实世界中的复杂编程挑战而设计，其应用场景包括但不限于：

• 长周期开发任务：在大型代码库中进行持续性的功能开发和重构，Composer 2.5 能够保持长期的逻辑连贯性。
• 复杂指令遵循：处理包含多重约束和特定架构要求的复杂开发任务。
• 自动化功能修复：通过“特征删除与重建”的逻辑训练，Composer 2.5 在修复现有功能缺陷方面表现优异。
• 跨团队协作：凭借经过优化的沟通风格，Composer 2.5 能够更清晰地解释代码意图，降低协作成本。

如何使用 Composer 2.5

开发者可以直接在 Cursor 界面中启用 Composer 2.5。目前提供两种版本选择：

• 标准版：定价为每百万输入 Token $0.50，每百万输出 Token $2.50。
• 快速版（Fast）：在保持相同智能水平的前提下提供更快的响应速度，定价为每百万输入 Token $3.00，每百万输出 Token $15.00。Fast 模式是目前的默认选项。

温馨提示：在 Composer 2.5 发布的首周，所有用户将享受 双倍使用配额 的福利。您可以参考官方模型文档了解更多详细信息。

常见问题 (FAQ)

Q: Composer 2.5 与 Composer 2 相比最大的改进是什么？ A: Composer 2.5 在维持长任务处理、遵循复杂指令以及沟通协作方面有显著提升。它通过 25 倍的合成数据和针对性 RL 反馈，解决了前代在局部行为控制上的不足。

Q: Composer 2.5 是基于什么模型开发的？ A: 它基于 Moonshot 的 Kimi K2.5 开源检查点进行深度定制和强化训练。

Q: 使用 Composer 2.5 的成本是多少？ A: 标准版输入 $0.50/M，输出 $2.50/M。如果您追求速度，快速版输入 $3.00/M，输出 $15.00/M，这仍低于许多同类前沿模型的快速档位定价。

Q: 未来的发展计划是怎样的？ A: 团队正与 SpaceXAI 合作，计划利用 Colossus 2 的庞大算力训练一个规模大 10 倍的新模型，期待实现模型能力的再次飞跃。

---

了解更多关于训练方法的详细背景，可参阅《Self-Distillation Enables Continual Learning》及相关自蒸馏研究论文。