Há um dado enterrado num benchmark de segurança recente do Endor Labs que deveria mudar como você avalia ferramentas de coding com IA — e a maioria da cobertura do Composer 2.5 está deixando passar.
Mesmo modelo. Mesma semana. Runtime diferente. GPT-5.5 tirou 61.5% em funcionalidade rodando dentro do harness nativo do OpenAI Codex. Coloca esse mesmo modelo dentro do harness do Cursor e o número salta para 87.2%. São 26 pontos de diferença sem mexer no modelo. Os números de segurança contam a mesma história: GPT-5.5 no harness do Cursor chegou a 23.5%. Claude Opus 4.7 no harness do Cursor chegou a 22.9%. Ambos superaram o que qualquer um dos dois modelos conseguiu no próprio ambiente nativo.
Esse dado é o contexto real para entender o Composer 2.5 — lançado em 18 de maio de 2026.
O que é o Composer 2.5, concretamente
O modelo próprio do Cursor é construído sobre a mesma base open source que o Composer 2: Kimi K2.5 da Moonshot AI, uma arquitetura mixture-of-experts com aproximadamente 1 trilhão de parâmetros totais e ~32 bilhões ativos por inferência. A base não mudou. O que mudou foi tudo que foi construído por cima.
85% do orçamento total de computação foi pro pipeline próprio de pós-treinamento do Cursor: 25 vezes mais tarefas sintéticas de treinamento que o Composer 2, uma nova técnica de reinforcement learning que dá ao modelo feedback textual localizado no momento exato em que faz uma chamada de ferramenta incorreta (em vez de um único sinal de recompensa no final de uma execução longa), e melhorias de infraestrutura que incluem otimizadores Muon fragmentados para treinamento em escala MoE.
Os resultados em benchmarks:
- SWE-Bench Multilingual: 79.8% (subiu de 73.7% no Composer 2)
- Terminal-Bench 2.0: 69.3% (subiu de 61.7%), praticamente igualando o Opus 4.7 com 69.4%
- CursorBench v3.1 em esforço padrão: 63.2% — à frente do Opus 4.7 (61.6%) e GPT-5.5 (59.2%)
Preços: $0.50/M tokens de entrada e $2.50/M de saída no tier padrão. O tier fast (padrão para uso interativo) é $3.00/$15.00. A aproximadamente um décimo do custo dos modelos frontier em tarefas comparáveis, a economia das sessões longas de agentes muda fundamentalmente.
A tese que os benchmarks não capturam
O Cursor é transparente em algo no post de lançamento: as dimensões comportamentais que mais importam para desenvolvedores que trabalham dia a dia — calibração do esforço, estilo de comunicação, saber quando parar e perguntar versus quando seguir adiante — não são bem capturadas pelos benchmarks existentes. Eles as construíram e treinaram do mesmo jeito.
Aqui é onde dois anos de investimento em produto ficam visíveis. A camada de retrieval, os padrões de chamada de ferramentas, a forma como o contexto é gerenciado ao longo de um refactor de 200 arquivos, os sinais que o agente usa para decidir se um teste com falha é ruído ou um problema real — nada disso vive nos pesos do modelo. Vive no scaffolding que o Cursor vem construindo desde 2023.
Os dados do Endor Labs são a validação externa mais clara dessa tese que eu já vi. O harness é o produto. O modelo é um componente do harness.
O que isso significa para times que estão avaliando ferramentas
Se você toma decisões de ferramentas baseado em qual lab de fundação está lançando o modelo mais quente este mês, está otimizando a variável errada. O Cursor não está ganhando porque tem um modelo base melhor — estão rodando Kimi K2.5, o mesmo checkpoint open source que qualquer um pode baixar. Estão ganhando porque construíram o melhor runtime de agente de engenharia de software do mercado, e continuam melhorando de forma independente do que os labs de fundação lançam.
Duas implicações práticas:
Primeiro, o argumento de custo para o Cursor agora é legítimo em escala. A inferência de modelos frontier em sessões de agentes longas é genuinamente cara. A preços do tier padrão, o Composer 2.5 muda a matemática sobre quantas sessões de agentes em paralelo um time consegue rodar, e com qual frequência.
Segundo, o Cursor anunciou que está treinando um modelo significativamente maior do zero com o SpaceXAI — no Colossus 2, com 10 vezes mais computação que o Composer 2.5. Esse modelo não tem data de lançamento. Mas a implicação é clara: o Cursor não está se posicionando como uma IDE que envolve modelos alheios. Estão construindo uma pilha vertical de IA para engenharia de software, e estão se movimentando rápido.
O Composer 2.5 está disponível agora. O Cursor está oferecendo uso duplo até aproximadamente 25 de maio. Se você está avaliando para seu time, essa semana é o momento certo para rodar cargas de trabalho reais.