Composer는 소프트웨어 엔지니어링 지능과 속도를 위해 설계한 Cursor의 새로운 에이전트 모델입니다. 자체 벤치마크에서 이 모델은 유사한 모델보다 최대 4배 빠른 생성 속도로 프론티어급 코딩 성능을 달성합니다.

이 성과는 대규모 코드베이스에서 실제 소프트웨어 엔지니어링 과제를 해결하도록 모델을 학습함으로써 얻었습니다. 학습 과정에서 Composer는 프로덕션 환경에서 사용하는 검색 및 편집 도구 세트에 대한 액세스 권한을 부여받고, 다양한 어려운 문제를 효율적으로 해결하는 임무를 맡습니다. 최종 결과물은 Cursor에서 에이전트로 고속 사용에 최적화된 대규모 모델입니다.

우리가 Composer를 만든 동기는 커스텀 자동완성 모델인 Cursor Tab을 개발한 경험에서 나옵니다. 우리는 개발자들이 인터랙티브하게 사용할 수 있으면서 코딩 흐름을 유지해 줄 수 있는, 가능한 한 가장 스마트한 모델을 원하는 경우가 많다는 것을 발견했습니다. 개발 과정에서 더 빠른 에이전트 모델이 어떤 영향을 주는지 이해하기 위해 Cheetah라는 코드명의 프로토타입 에이전트 모델을 실험했습니다. Composer는 이 모델을 한 단계 더 발전시킨, 인터랙티브한 사용에 충분할 만큼 빠르면서 코딩을 즐겁게 유지해 주는 더 똑똑한 버전입니다.

Composer는 긴 컨텍스트의 생성과 이해를 지원하는 mixture-of-experts(MoE) 언어 모델입니다. 다양한 개발 환경에서의 강화 학습(RL)을 통해 소프트웨어 엔지니어링에 특화되었습니다. 학습의 각 반복에서 모델은 문제 설명을 입력받고, 코드 수정, 계획 수립, 정보 제공 답변 등 가능한 최선의 응답을 생성하라는 지시를 받습니다. 모델은 파일 읽기 및 편집 같은 단순한 도구뿐 아니라 터미널 명령과 코드베이스 전체에 대한 시맨틱 검색과 같은 더 강력한 도구에도 액세스할 수 있습니다.

진행 상황을 측정하기 위해, 우리는 모델이 소프트웨어 개발자에게 얼마나 유용한지를 가능한 한 충실하게 평가하는 방법을 설계했습니다. 우리의 벤치마크인 Cursor Bench는 Cursor의 엔지니어와 연구자들이 실제로 보낸 에이전트 요청과, 이 요청들에 대한 수작업으로 선별한 최적 해답들로 구성됩니다. 이 평가를 통해 에이전트의 정답률뿐만 아니라 코드베이스의 기존 추상화와 소프트웨어 엔지니어링 관행을 얼마나 잘 준수하는지도 함께 측정할 수 있습니다.

강화 학습을 통해 우리는 모델을 효과적인 소프트웨어 엔지니어링 작업에 적극적으로 특화할 수 있습니다. 응답 속도는 인터랙티브한 개발에서 매우 중요한 요소이므로, 우리는 모델이 도구 사용에서 효율적인 선택을 하고 가능한 한 병렬성을 극대화하도록 유도합니다. 또한, 불필요한 응답과 근거 없이 제시되는 주장들을 최소화하도록 모델을 학습시켜, 도움이 되는 어시스턴트가 되도록 합니다. RL 과정에서 모델이 복잡한 검색 수행, 린터 오류 수정, 단위 테스트 작성 및 실행과 같은 유용한 행동들을 스스로 학습한다는 점도 확인했습니다.

대규모 MoE 모델을 효율적으로 학습하려면 인프라 구축과 시스템 연구에 상당한 투자가 필요합니다. 우리는 비동기식 강화 학습을 대규모로 실행하기 위해 PyTorch와 Ray를 활용한 커스텀 학습 인프라를 구축했습니다. MXFP8 MoE kernels를 전문가 병렬화 및 하이브리드 샤딩 데이터 병렬 처리와 결합해 낮은 정밀도로 모델을 직접 학습함으로써, 최소한의 통신 비용으로 수천 개의 NVIDIA GPU까지 학습을 확장할 수 있습니다. 추가로, MXFP8로 학습하면 사후 양자화(post-training quantization) 없이도 더 빠른 추론 속도를 제공할 수 있습니다.

RL 동안 우리는 모델이 Cursor Agent 하니스에 있는 어떤 도구든 호출할 수 있기를 원합니다. 이 도구들을 통해 코드를 수정하고, 시맨틱 검색을 사용하고, grep으로 문자열을 검색하고, 터미널 명령을 실행할 수 있습니다. 우리의 규모에서는, 모델이 이 도구들을 효과적으로 호출하도록 학습시키려면 클라우드에서 수십만 개의 동시 샌드박스 코딩 환경을 실행해야 합니다. 이러한 워크로드를 지원하기 위해, 우리는 Background Agents를 위해 구축해 두었던 기존 인프라를 활용하고, 가상 머신 스케줄러를 재작성하여 학습 실행의 버스티(bursty)한 특성과 규모를 지원하도록 했습니다. 이를 통해 RL 환경과 프로덕션 환경을 매끄럽게 통합할 수 있었습니다.

Cursor는 소프트웨어 엔지니어링을 위한 도구를 만들고 있으며, 우리가 개발한 도구를 적극적으로 활용합니다. Composer 개발의 주요 동기 중 하나는 우리가 실제 업무에서 가장 먼저 찾게 되는 에이전트를 만드는 것이었습니다. 최근 몇 주 동안 많은 동료들이 일상적인 소프트웨어 개발에 Composer를 사용하고 있다는 것을 확인했습니다. 이번 릴리스를 통해 여러분도 Composer를 가치 있는 도구로 느끼시길 바랍니다.

—

¹ Cursor 도구 하니스에서 내부 벤치마크로 측정했습니다. 우리는 점수에 따라 모델을 여러 클래스로 나누고 각 클래스에서 가장 좋은 모델을 보고합니다. "Fast Frontier"에는 Haiku 4.5와 Gemini Flash 2.5처럼 효율적인 추론을 위해 설계된 모델이 포함됩니다. "Best Open"에는 Qwen Coder와 GLM 4.6 같은 최신 공개 가중치 모델 릴리스가 포함됩니다. "Frontier 7/2025"는 올해 7월에 사용 가능한 최고 성능의 모델입니다. "Best Frontier"에는 Composer보다 더 뛰어난 성능을 보이는 GPT-5와 Sonnet 4.5가 포함됩니다. 초당 토큰 수(Tokens per Second)를 계산하기 위해, 토큰은 최신 Anthropic 토크나이저 기준으로 모델 간에 표준화되었습니다.