Aujourd'hui, nous lançons Cursor Router, notre routeur de modèles intelligent pour les équipes et Enterprise.

Cursor Router permet aux équipes d'acheminer automatiquement chaque requête vers le modèle le plus performant pour la tâche, en offrant une IA de pointe à moindre coût.

Nous avons observé des résultats extrêmement solides sur du trafic de production auprès de milliers de développeurs Enterprise. Pendant notre période d'accès anticipé avec des dizaines d'Enterprise, les clients ont obtenu des performances de pointe pour un coût inférieur d'environ 30 à 50 %.

Lors de tests A/B en ligne portant sur des millions de requêtes, Cursor Router a offert des performances de qualité de pointe avec 60 % d'économies.

Chaque semaine, Cursor achemine des centaines de millions de requêtes de codage sur l'ensemble des modèles et des fournisseurs, avec une visibilité unique sur ce que les utilisateurs préfèrent et ce qui reste dans la base de code. La neutralité vis-à-vis des modèles a toujours été au cœur du fonctionnement de Cursor, et aujourd'hui, nous mettons ces données et cette expertise au service de votre équipe.

Avec Cursor Router, notre objectif est d'offrir aux équipes les meilleures performances et la meilleure expérience pour chaque tâche, sans dépenser plus que nécessaire pour le travail à accomplir.

#Fonctionnement

Environ 60 % des développeurs qui utilisent Cursor choisissent un seul modèle comme modèle principal au quotidien. Résultat : des tâches routinières sont effectuées à des prix de pointe, et les dépenses en IA augmentent bien plus vite que la qualité des résultats. Cursor Router corrige cela en classifiant chaque requête avant qu’un modèle ne soit exécuté.

À la base, Cursor Router est un classificateur qui oriente les utilisateurs vers la meilleure option de modèle en fonction de leur requête. Nous avons entraîné Cursor Router sur plus de 600 000 requêtes réelles et évalué ses performances dans le cadre d’un test A/B en ligne sur des millions de requêtes réelles acheminées par Cursor Router, en optimisant la satisfaction utilisateur (AFC) comme signal de récompense.

Cursor Router analyse chaque requête à partir de plusieurs dimensions : la requête elle-même, le contexte, la complexité de la tâche et le domaine, en les combinant à ce que nous savons du comportement de chaque modèle.

Nous identifions les points forts de chaque modèle et acheminons chaque requête vers l’option la plus efficace. Les tâches simples sont acheminées vers les modèles les plus économiques, les mises à jour d’interface utilisateur vers le modèle qui a le meilleur sens du design, et les problèmes plus complexes à long horizon vers les modèles de raisonnement de pointe.

Nous avons conçu notre classificateur de routage pour un monde où les modèles mis à jour sont déployés tôt et souvent. Ainsi, à mesure que des modèles plus récents et plus puissants sont publiés, nous pouvons facilement mettre à jour Cursor Router, pour que l’expérience continue de s’améliorer.

Cursor Router tient compte du cache à la fois dans son entraînement et dans son évaluation. Il est entraîné sur un jeu de données où le routage entraîne des défauts de cache, et évalué en production, où les économies de coûts que nous annonçons incluent le coût des défauts de cache dans les décisions de routage.

#Une intelligence de pointe à moindre coût

Cursor Router propose trois modes : Intelligence, Équilibre et Cost, qui vous permettent de choisir où vous situer sur la frontière de Pareto coût-intelligence.

Nous avons constaté que le mode Auto Intelligence se situe près de Fable en satisfaction utilisateur vis-à-vis des résultats, pour un coût environ 60 % inférieur pour les équipes, tout en augmentant aussi la satisfaction d’environ 15 % par rapport à Opus 4.8 à un coût quasiment identique.

De même, Auto Équilibre se situe au-dessus d’Opus 4.8 en satisfaction utilisateur vis-à-vis des résultats, pour un coût environ 36 % inférieur. Face à GPT-5.6 Sol, Auto Équilibre offre une satisfaction comparable avec un niveau de dépense inférieur.

Nous avons choisi de mesurer l’efficacité de notre routeur à l’aide de vastes tests A/B en ligne plutôt qu’avec des évaluations hors ligne. Même si les évaluations hors ligne sont de bons indicateurs de la qualité, elles sont limitées par leur faible taille, leur éloignement des usages réels et la difficulté à ramener la réussite à une grille d’évaluation.

Elles ne prennent pas non plus en compte le surcoût des défauts de cache liés aux changements de modèle. En pratique, le routage se joue sur l’ensemble d’une conversation : quel modèle choisir, et à quel moment en changer.

Les tests A/B en ligne mettent Cursor Router à l’épreuve dans le monde réel sur des millions de tâches et de conversations. Les ingénieurs écrivent du code, posent des questions de suivi, rencontrent des erreurs et continuent, souvent sur des centaines de requêtes en une semaine. C’est dans ces conditions qu’un routeur de modèles doit être performant.

En ce qui concerne la qualité des résultats, nous avons mesuré :

• La satisfaction utilisateur, en classant la réussite de l’agent selon les réponses des utilisateurs. Passer à la fonctionnalité suivante est un signal fortement positif, tandis que corriger l’agent est un signal fortement négatif.
• Le taux de conservation, c’est-à-dire la part du code généré par l’agent qui reste dans la base de code au fil du temps.

Nous nous sommes appuyés sur ces métriques pour évaluer chaque lancement de modèle et chaque amélioration du harness au cours des neuf derniers mois.

#Ce que constatent les clients

Au cours des deux dernières semaines, Cursor Router a été proposé en accès anticipé à une sélection de clients Enterprise. Nous avons comparé ce qu’ils ont réellement payé au coût qu’aurait eu le même trafic s’il avait été facturé entièrement aux tarifs de l’API Opus 4.8.

En accès anticipé, trois comptes à fort volume, totalisant des milliers d’utilisateurs, ont économisé 30 % à 50 % sur les requêtes routées en mode Auto par rapport à un routage intégral vers Opus 4.8, sans perte de qualité.

Le coût par requête ne représente qu’une partie de l’histoire. Les responsables de l’ingénierie veulent savoir si ces économies se retrouvent dans le travail effectivement livré. Nous avons donc examiné le coût par commit, et la tendance s’est confirmée.

Pour un seul commit, nous avons observé que Cursor Router affichait un coût par commit plus faible, de $6.76enmodeIntelligenceetde$4.63 en mode Équilibre.

GPT-5.6 Sol s’alignait sur le coût du mode Intelligence, mais affichait une satisfaction utilisateur plus faible concernant la sortie. Pendant ce temps, Fable 5 et Opus 4.8 produisaient des commits à un coût supérieur à celui de Cursor Router, de $12.69et$7.34 respectivement.

Cet écart illustre concrètement l’intérêt du routage. Cursor Router conserve les tâches difficiles sur les modèles les plus performants et déplace le travail de routine hors de la tarification des modèles de pointe.

#À vous de choisir le compromis

Cursor a conçu notre routeur pour les équipes et les grandes organisations. Le routeur utilise une taxonomie pilotée par les données, tandis que les administrateurs et les utilisateurs finaux gardent la main sur sa position sur la frontière de Pareto coût-intelligence.

Sélectionnez le mode Auto dans le sélecteur de modèle, puis choisissez l’un des trois modes d’optimisation qui vous font avancer le long de la courbe de pointe :

• Intelligence : une qualité de pointe, au niveau des modèles les plus coûteux et les plus puissants, souvent hors de portée pour un usage quotidien.
• Équilibre : une qualité élevée, au niveau des modèles de pointe que la plupart des gens préfèrent utiliser au quotidien.
• Cost : une bonne qualité, avec le plus haut niveau d’intelligence disponible tout en optimisant la consommation de tokens.

Les administrateurs peuvent décider du déploiement de Cursor Router dans les équipes. Vous pouvez l’activer par équipe ou par groupe, choisir les modes que les membres peuvent sélectionner, définir le mode par défaut et autoriser ou bloquer des modèles spécifiques.

#La suite

Cursor Router fait partie des moyens par lesquels Cursor optimise l’efficacité des tokens. Choisir le bon modèle n’a d’intérêt que si l’agent lui-même reste léger ; nous continuons donc à réduire le superflu dans le harness qui l’entoure.

L’appel d’outils dynamique en est un autre bon exemple : la plupart des descriptions natives des outils ne sont plus chargées dans chaque prompt. Le modèle va les chercher la première fois qu’il en a besoin, selon le même pattern que celui que nous utilisons déjà pour les MCPs. Cela permet de garder des outils courants comme read et edit immédiatement disponibles, tandis que les outils moins utilisés n’entrent dans le prompt que lorsque l’agent les appelle réellement.

En parallèle de Cursor Router, nous continuons à relever à la fois le niveau de base et le niveau de pointe de notre pool de modèles : Grok 4.5 élargit ce dans quoi Cursor Router peut puiser pour les tâches plus complexes et plus coûteuses. Composer continue de s’améliorer sur les cas d’usage quotidiens, afin que les interactions moins coûteuses restent proches d’une qualité de pointe sans en payer le prix.

Cursor Router est disponible dès aujourd’hui pour les forfaits Teams et Enterprise sur desktop, web, iOS, CLI et notre SDK.

Pour en savoir plus, consultez notre documentation et notre journal des modifications.