Heute stellen wir Cursor Router vor, unseren intelligenten Modell-Router für Teams und Enterprise.

Cursor Router ermöglicht es Teams, jede Anfrage automatisch an das für die jeweilige Aufgabe leistungsfähigste Modell weiterzuleiten und so führende KI zu niedrigeren Kosten bereitzustellen.

Wir haben im Produktiveinsatz bei Tausenden von Enterprise-Entwicklern außergewöhnlich starke Ergebnisse beobachtet. Während unserer Early-Access-Phase mit Dutzenden Enterprise-Unternehmen erzielten Kunden führende Leistung bei etwa 30–50 % geringeren Kosten.

In Online-A/B-Tests mit Millionen von Anfragen erreichte Cursor Router Leistung auf führendem Niveau bei 60 % Einsparungen.

Cursor verarbeitet jede Woche Hunderte Millionen Coding-Anfragen über alle Modelle und Anbieter hinweg und hat dadurch einzigartige Einblicke darin, was Benutzer schätzen und was dauerhaft in der Codebasis bleibt. Modellneutralität ist seit jeher ein zentraler Bestandteil von Cursor, und heute setzen wir diese Daten und Expertise für dein Team ein.

Mit Cursor Router ist es unser Ziel, Teams für jede Aufgabe die beste Leistung und Erfahrung zu bieten, ohne mehr auszugeben, als für die Arbeit nötig ist.

#So funktioniert es

Rund 60 % der Entwickler, die Cursor nutzen, wählen ein einzelnes Modell als ihr Standardmodell im Alltag. Das führt dazu, dass Routinearbeit zum Preis von führenden Modellen erledigt wird und die KI-Ausgaben deutlich schneller steigen als die Ergebnisqualität. Cursor Router behebt das, indem jede Anfrage klassifiziert wird, bevor ein Modell ausgeführt wird.

Im Kern ist Cursor Router ein Klassifikator, der Benutzer je nach Abfrage zur besten Modelloption weiterleitet. Wir haben Cursor Router mit über 600.000 Live-Anfragen trainiert und seine Leistung in einem Online-A/B-Test mit Millionen von Live-Anfragen evaluiert, die von Cursor Router weitergeleitet wurden. Dabei haben wir auf Benutzerzufriedenheit (AFC) als Reward optimiert.

Cursor Router analysiert jede Anfrage anhand von Abfrage, Kontext, Aufgabenkomplexität und Bereich, kombiniert mit dem, was wir über das Verhalten jedes Modells wissen. Wir lernen, wofür sich jedes Modell am besten eignet, und leiten dann an die effektivste Option weiter. Einfache Arbeit geht an die preisgünstigsten Modelle, UI-Updates an das Modell mit dem besten Gespür, und komplexere Probleme mit langem Horizont an führende Reasoning-Modelle.

Wir haben unseren Routing-Classifier für eine Welt entwickelt, in der aktualisierte Modelle früh und häufig ausgeliefert werden. So können wir Cursor Router einfach aktualisieren, wenn neuere und leistungsfähigere Modelle veröffentlicht werden, sodass sich das Nutzungserlebnis kontinuierlich verbessert.

Cursor Router ist sowohl beim Training als auch bei der Evaluierung cache-bewusst. Er wird auf einem Datensatz trainiert, bei dem Routing zu Cache-Misses führt, und in der Produktion evaluiert, wobei unsere ausgewiesenen Kosteneinsparungen die Kosten von Cache-Misses bei Routing-Entscheidungen einschließen.

#Führende KI zu geringeren Kosten

Cursor Router hat drei Modi: Intelligence, Balance und Cost, mit denen du festlegen kannst, wo du dich auf der Pareto-Grenze zwischen Kosten und Intelligenz befindest.

Wir haben festgestellt, dass der Auto-Intelligence-Modus bei der Benutzerzufriedenheit mit den Ergebnissen fast auf dem Niveau von Fable liegt – bei etwa 60 % geringeren Kosten für Teams, und die Zufriedenheit gegenüber Opus 4.8 bei nahezu gleichen Kosten gleichzeitig um etwa 15 % steigert.

Ähnlich liegt Auto Balance bei der Benutzerzufriedenheit mit den Ergebnissen über Opus 4.8 – bei etwa 36 % geringeren Kosten. Gegenüber GPT-5.6 Sol erreicht Auto Balance eine vergleichbare Zufriedenheit bei geringeren Ausgaben.

Wir haben uns entschieden, die Wirksamkeit unseres Routers mit großen Online-A/B-Tests statt mit Offline-Evals zu messen. Offline-Evals sind zwar nützliche Näherungswerte für Qualität, aber aufgrund ihres geringen Umfangs, ihrer Entfernung von der realen Nutzung und der Schwierigkeit, Erfolg auf ein Bewertungsschema zu reduzieren, begrenzt.

Offline-Evals lassen außerdem die zusätzlichen Kosten durch Cache-Misses außer Acht, die beim Wechsel zwischen Modellen entstehen. Routing in der Praxis erstreckt sich über eine ganze Unterhaltung: welches Modell ausgewählt wird und wann gewechselt wird.

Online-A/B-Tests stellen Cursor Router in der Praxis über Millionen von Aufgaben und Unterhaltungen auf die Probe. Ingenieure schreiben Code, stellen Rückfragen, stoßen auf Fehler und machen weiter – oft über Hunderte von Anfragen in einer Woche hinweg. Unter diesen Bedingungen muss ein Modell-Router gut funktionieren.

In Bezug auf die Qualität der Ergebnisse haben wir gemessen:

• Benutzerzufriedenheit, wobei der Erfolg des Agents anhand der Benutzerreaktionen klassifiziert wird. Zum nächsten Feature überzugehen, ist ein stark positives Signal, während das Korrigieren des Agents ein stark negatives Signal ist.
• Keep-Rate, also wie viel des vom Agent generierten Codes im Lauf der Zeit in der Codebasis erhalten bleibt.

Auf diese Metriken haben wir uns in den vergangenen neun Monaten verlassen, um jeden Modell-Launch und jede Verbesserung unseres Harness zu bewerten.

#Was Kunden beobachten

In den vergangenen zwei Wochen war Cursor Router bei ausgewählten Enterprise-Kunden im Early Access. Wir haben verglichen, was sie tatsächlich bezahlt haben, mit denselben Anfragen, die vollständig zu den API-Tarifen von Opus 4.8 abgerechnet worden wären.

Im Early Access sparten drei volumenstarke Konten mit Tausenden von Benutzern bei Auto-gerouteten Anfragen im Vergleich zu einem vollständigen Routing auf Opus 4.8 30 %–50 %, ohne Qualitätsverlust.

Die Kosten pro Anfrage erzählen aber nur die halbe Geschichte. Für Engineering-Führungskräfte ist entscheidend, ob sich diese Einsparungen in tatsächlich ausgelieferter Arbeit niederschlagen. Deshalb haben wir uns die Kosten pro Commit angesehen – und das Muster blieb bestehen.

Für einen einzelnen Commit beobachteten wir, dass Cursor Router mit $6.76imIntelligence-Modusund$4.63 für Balance niedrigere Kosten pro Commit hatte.

GPT-5.6 Sol entsprach preislich Intelligence, hatte aber eine geringere Benutzerzufriedenheit mit dem Output. Gleichzeitig lagen die Kosten pro Commit bei Fable 5 und Opus 4.8 mit $12.69beziehungsweise$7.34 über denen von Cursor Router.

Diese Differenz ist das praktikable Argument für Routing. Cursor Router belässt anspruchsvolle Aufgaben auf den leistungsfähigsten Modellen und verlagert Routinearbeit weg von Preisen für führende Modelle.

#Du bestimmst die Abwägung

Cursor hat unseren Router für Teams und große Organisationen entwickelt. Seine Taxonomie ist datengestützt, während Admins und Endbenutzer weiterhin festlegen, wo er auf der Pareto-Grenze zwischen Kosten und Intelligenz liegen soll.

Wähle den Auto-Modus im Modell-Picker aus und entscheide dich für einen von drei Optimierungsmodi, die dich entlang dieses Spektrums verschieben:

• Intelligence: Führende Qualität, mit einer Leistung vergleichbar mit den teuersten und leistungsstärksten Modellen, die für den täglichen Einsatz möglicherweise außer Reichweite sind.
• Balance: Solide Qualität, mit einer Leistung vergleichbar mit den führenden Modellen, die die meisten gerne täglich nutzen.
• Cost: Gute Qualität, mit der höchsten verfügbaren Intelligenz bei optimierten Token-Kosten.

Admins können festlegen, wie Cursor Router für Teams ausgerollt wird. Du kannst ihn pro Team oder Gruppe aktivieren, auswählen, welche Modi Mitglieder auswählen können, den Standard festlegen und bestimmte Modelle erlauben oder blockieren.

#Wie geht es weiter

Cursor Router ist ein Baustein dafür, wie Cursor die Token-Effizienz steigert. Das richtige Modell zu wählen, bringt nur dann etwas, wenn auch der Agent selbst schlank bleibt. Deshalb reduzieren wir weiter unnötigen Aufwand in der Harness darum herum.

Dynamic tool calling ist ein weiteres klares Beispiel: Die meisten nativen Tool-Beschreibungen werden nicht mehr in jeden Prompt geladen. Das Modell ruft sie erst dann ab, wenn es sie zum ersten Mal braucht, nach demselben Muster, das wir bereits für MCPs nutzen. So bleiben gängige Tools wie read und edit direkt verfügbar, während seltener genutzte Tools nur dann in den Prompt kommen, wenn der Agent sie tatsächlich aufruft.

Zusammen mit Cursor Router heben wir weiterhin sowohl die Unter- als auch die Obergrenze des Modellpools an: Grok 4.5 erweitert, worauf Cursor Router bei schwierigeren und teureren Aufgaben zurückgreifen kann. Composer wird im Alltagspfad immer besser, sodass günstigere Durchläufe nahe an führender Qualität bleiben, ohne führende Preise zu zahlen.

Cursor Router ist ab heute für Teams- und Enterprise-Pläne auf Desktop, Web, iOS, in der CLI und in unserem SDK verfügbar.

Weitere Informationen finden Sie in unserer Dokumentation und im Changelog.