推出 Cursor Router
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器。
Cursor Router 可帮助团队自动将每个请求路由到最适合当前任务的模型，以更低成本提供前沿智能。
我们已在数千名企业开发者的生产流量中观察到极其出色的效果。在抢先体验阶段，数十家企业客户在成本大约降低 30–50% 的情况下，获得了前沿性能。
在覆盖数百万请求的在线 A/B 测试中，Cursor Router 在节省 60% 成本的同时，提供了前沿质量的性能。
Cursor 每周都会在各类模型和提供商之间路由数亿次编程请求，因此对用户偏好以及哪些内容最终能留在代码库中有着独特洞察。模型中立始终是 Cursor 核心工作方式的一部分，而今天，我们正将这些数据和专长用于你的团队。
借助 Cursor Router，我们的目标是为团队的每项任务提供最佳性能和体验，同时避免超出实际工作所需的支出。
如何运作
使用 Cursor 的开发者中，大约有 60% 会选择单一模型作为日常主力。这意味着常规工作也在按前沿模型的价格完成，而 AI 支出的增长速度远快于输出质量的提升。Cursor Router 通过在模型运行前先对每个请求进行分类来解决这个问题。
从本质上讲，Cursor Router 是一个分类器，会根据用户的查询将请求路由到最佳模型选项。我们基于 60 多万个真实请求训练了 Cursor Router，并在数百万个由 Cursor Router 路由的真实请求上通过在线 A/B 测试评估其性能，以用户满意度 (AFC) 作为 reward 进行优化。
Cursor Router 会从查询、上下文、任务复杂度和领域等维度分析每个请求，并结合我们对各个模型行为的了解。
我们会了解每个模型最擅长的场景，并将请求路由到最合适的选项。简单任务会交给性价比最高的模型，UI 更新会交给审美最佳的模型，而更复杂的长周期问题则会交给前沿推理模型。
我们设计路由分类器时，考虑的是一个模型会被尽早且频繁发布的世界。这样一来，随着更新、更强大的模型不断推出，我们就能轻松更新 Cursor Router，让整体体验持续提升。
Cursor Router 在训练和评估时都具备缓存感知能力。它基于一个路由会导致缓存未命中的数据集进行训练，并在生产环境中接受评估；我们报告的成本节省也包含了路由决策中缓存未命中的成本。
以更低成本实现前沿智能
Cursor Router 有三种模式：Intelligence、Balance 和 Cost，让您可以调整自己在成本与智能的帕累托前沿上的位置。
我们发现，对于团队版，Auto Intelligence 模式 在输出结果的用户满意度上接近 Fable，同时成本降低了约 60%，并且在成本几乎相同的情况下，满意度比 Opus 4.8 高出约 15%。
类似地，Auto Balance 在结果满意度上高于 Opus 4.8，同时成本降低了约 36%。 与 GPT-5.6 Sol 相比，Auto Balance 以更低支出实现了相近的满意度。
我们选择通过大规模在线 A/B 测试，而不是离线 evals，来衡量路由器的效果。虽然离线 evals 可以作为质量的实用替代指标，但它们受限于规模较小、与真实使用场景的距离较远，以及难以将成功归结为一套评分标准。离线 evals 也无法反映切换模型带来的额外缓存未命中成本。真实的路由发生在整个会话过程中：选择哪个模型，以及何时切换。
在线 A/B 测试让 Cursor Router 在真实世界的数百万项任务和会话中接受检验。工程师会编写代码、提出后续问题、遇到错误并继续推进，而且这一过程通常会在一周内跨越数百个请求。这正是模型路由器必须表现出色的场景。
在输出质量方面，我们衡量了：
- 用户满意度， 根据用户响应判断智能体是否成功。继续进入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。
- 保留率， 即智能体生成的代码随着时间推移有多少仍保留在代码库中。
在过去九个月里，我们一直依靠这些指标来评估每一次模型发布和评测框架改进。
客户的实际反馈
在过去两周里，Cursor Router 已面向部分企业客户开放抢先体验。我们将他们的实际付费金额，与相同流量全部按 Opus 4.8 API 费率计价时的成本进行了比较。
在抢先体验期间，三个拥有数千名用户的高用量账户，在 Auto 路由请求上的成本，相比将所有请求都路由到 Opus 4.8，节省了 30%–50%，且质量没有下降。
单次请求成本只是其中一方面。工程团队领导者更关心这些节省是否真正体现在实际交付的工作上，因此我们进一步查看了每次 commit 的成本，结果这一趋势依然成立。
对于单次 commit，我们观察到 Cursor Router 在 Intelligence 模式下每次 commit 的成本更低，为 4.63。
GPT-5.6 Sol 的成本与 Intelligence 持平，但用户对其输出的满意度更低。与此同时，Fable 5 和 Opus 4.8 的每次 commit 成本相较于 Cursor Router 更高，分别为 7.34。
这正是路由的实际价值所在。Cursor Router 会将困难任务交给能力最强的模型处理，并让常规任务避开前沿模型的高昂定价。
由您决定如何权衡
Cursor 在设计我们的 路由器 时就考虑到了团队和大型组织的需求。路由器 使用数据驱动的分类体系，但管理员和最终用户仍可决定它在成本与智能的帕累托前沿上的位置。
在模型选择器中选择 Auto 模式，然后从三种优化模式中选择一种，沿着前沿曲线调整：
- Intelligence: 前沿级质量，性能对标最昂贵、最强大的模型，但这类模型可能不适合日常使用。
- Balance: 出色的质量，性能对标大多数人愿意作为日常首选的前沿模型。
- Cost: 良好的质量，在优化 token 支出的同时，达到当前可用的最高智能水平。
管理员可以决定 Cursor Router 如何在各个团队中推广。您可以按团队或组启用它，选择成员可用的模式，设置默认值，并允许或屏蔽特定模型。
接下来
Cursor Router 是 Cursor 提升 token 效率的一环。只有智能体本身也足够精简，选择合适的模型才有意义，因此我们也在持续减少其周边 评测框架 的浪费。
动态工具调用 是另一个很明显的例子：大多数原生工具描述不再预先加载到每个提示中。模型会在第一次需要时再去查找，沿用我们已经在 MCPs 上使用的同样模式。这样一来，读取和编辑这类常用工具会始终保持就绪，而不太常用的工具则只会在智能体实际调用时才进入提示。
除了 Cursor Router 之外，我们也在持续拉高模型池的下限和上限：Grok 4.5 扩展了 Cursor Router 在更难、成本更高的任务上的可选范围。Composer 也在持续优化日常使用路径，因此即使是低成本的交互轮次，也能在不支付前沿模型价格的情况下，获得接近前沿水平的质量。
Cursor Router 现已面向团队版和企业规划开放，可在桌面端、Web、iOS、CLI 和我们的 SDK 中使用。
