推出 Cursor 路由器
今天我們正式推出 Cursor 路由器，這是我們為團隊和企業打造的智慧模型路由器。
Cursor 路由器可讓團隊自動將每一次請求路由至最適合該任務的模型，以更低的成本提供尖端智慧。
我們已在數千名企業開發者的正式環境流量中觀察到極為亮眼的成果。在與數十家企業合作的搶先體驗期間，客戶以低約 30–50% 的成本獲得了尖端效能。
在涵蓋數百萬次請求的線上 A/B 測試中，Cursor 路由器以節省 60% 成本的表現，提供尖端品質的效能。
Cursor 每週會在各種模型與供應商之間路由數億次程式設計請求，因此對使用者偏好，以及哪些內容最終能留在程式碼庫中，具備獨特的洞察。模型中立一直是 Cursor 運作方式的核心，而今天我們正將這些資料與專業知識投入為你的團隊服務。
透過 Cursor 路由器，我們的目標是為團隊在每一項任務中提供最佳效能與體驗，同時不必花費超出工作實際需求的成本。
運作方式
約有 60% 使用 Cursor 的開發者會選擇單一模型作為日常主力。這導致例行性工作也要付出尖端模型的價格，而 AI (人工智慧) 支出的成長速度遠快於輸出品質的提升。Cursor 路由器會在模型執行前先對每個請求進行分類，藉此解決這個問題。
Cursor 路由器的核心是一個分類器，會根據使用者的查詢，將請求路由到最佳的模型選項。我們以超過 60 萬筆真實請求訓練 Cursor 路由器，並透過線上 A/B 測試，在由 Cursor 路由器導向的數百萬筆真實請求中評估其效能，並以使用者滿意度 (AFC) 作為獎勵進行最佳化。
Cursor 路由器會根據查詢、上下文、任務複雜度與領域來分析每個請求，並結合我們對各模型行為的了解。
我們會了解每個模型最擅長的事，並將請求分配到最有效的選項。簡單的工作會交給價格效率最高的模型，UI 更新會交給最有品味的模型，而更複雜、長週期的問題則會交給尖端推理模型。
我們設計路由分類器時，是以模型會及早且頻繁推出更新的世界為前提。如此一來，隨著更新、更強大的模型推出，我們就能輕鬆更新 Cursor 路由器，讓整體體驗持續改善。
Cursor 路由器在訓練與評估兩方面都具備快取感知能力。它是在路由會導致快取未命中的資料集上進行訓練，並在正式環境中接受評估；我們回報的成本節省，也包含路由決策中快取未命中所帶來的成本。
以更低成本實現尖端智慧
Cursor 路由器有三種模式：Intelligence、Balance 和 Cost，讓你可以調整自己在成本與智慧的帕累托前緣上的位置。
我們發現，Auto Intelligence mode 在輸出結果的使用者滿意度上接近 Fable，且團隊成本約低 60%；同時在幾乎相同的成本下，滿意度也比 Opus 4.8 提升約 15%。
同樣地，Auto Balance 在結果的使用者滿意度上高於 Opus 4.8，且成本約低 36%。 與 GPT-5.6 Sol 相比，Auto Balance 能以更低的支出提供相近的滿意度。
我們選擇使用大型線上 A/B 測試，而非離線 evals，來衡量路由器的成效。雖然離線 evals 可作為品質的實用代理指標，但它們受限於規模較小、與真實世界用量存在距離，以及難以將成功簡化為評分標準。
離線 evals 也未納入因切換模型而產生的額外快取未命中成本。實際的路由會發生在整段對話中：該選哪個模型，以及何時切換。
線上 A/B 測試讓 Cursor 路由器在真實世界中，接受數百萬個任務和對話的考驗。工程師會撰寫程式碼、提出後續提問、遇到錯誤，然後繼續推進，而且往往會在一週內發出數百筆請求。模型路由器必須能在這些條件下有良好表現。
就輸出品質而言，我們衡量了：
- 使用者滿意度， 根據使用者回應判定代理是否成功。繼續進入下一個功能是強烈的正向訊號，而糾正代理則是強烈的負向訊號。
- 保留率， 也就是代理產生的程式碼隨時間推移後，有多少仍保留在程式碼庫中。
在過去九個月裡，我們一直依靠這些指標來評估每一次模型發布與評測框架改進。
客戶實際看到的結果
在過去兩週內，Cursor 路由器已向部分企業客戶開放搶先體驗。我們將他們實際支付的費用，與相同流量、若全部按 Opus 4.8 API 費率計價時的成本進行比較。
在搶先體驗期間，三個高流量帳戶、共涵蓋數千名使用者，使用 Auto 路由請求後，與將所有請求都路由至 Opus 4.8 相比，節省了 30%–50%，且品質沒有下降。
每次請求的成本只說明了一半。工程主管更在意的是，這些節省是否會反映在實際交付的成果上，因此我們也查看了每次提交的成本，而這個趨勢依然一致。
對於單次提交而言，我們觀察到 Cursor 路由器的每次提交成本較低，其中 Intelligence 模式為 4.63。
GPT-5.6 Sol 的成本與 Intelligence 相當，但輸出的使用者滿意度較低。另一方面，Fable 5 和 Opus 4.8 的每次提交成本都高於 Cursor 路由器，分別為 7.34。
這個差距正是路由的實際價值所在。Cursor 路由器會將困難任務交給最強大的模型處理，並讓例行工作避開尖端模型的定價。
由你決定如何取捨
Cursor 在設計我們的 路由器 時，就已將團隊與大型組織的需求納入考量。路由器 使用以資料為基礎的分類架構，而管理員與終端使用者仍可自行決定它在成本與智慧的帕累托前緣上的位置。
在模型選擇器中選取 Auto 模式，並從三種最佳化模式中選擇，讓你沿著這條尖端曲線調整：
- Intelligence： 尖端品質，效能對齊最昂貴、最強大的模型水準，但這類模型可能不適合日常使用。
- Balance： 優異品質，效能對齊多數人偏好作為日常主力的尖端模型水準。
- Cost： 良好品質，在最佳化 token 成本的同時，達到最高可使用的智慧水準。
管理員可以決定 Cursor 路由器 如何在各團隊間推出。你可以依團隊或群組啟用它、選擇成員可使用哪些模式、設定預設值，以及允許或封鎖特定模型。
接下來
Cursor 路由器 是 Cursor 提升 token 效率的一環。只有在代理本身也夠精簡時，選對模型才有意義，因此我們持續減少其周邊 執行框架中的浪費。
動態工具呼叫 是另一個明確的例子：現在，大多數原生工具的說明不再載入到每一則提示詞中。模型會在第一次需要時再去查找，沿用我們已經用在 MCPs 上的相同模式。這讓讀取、編輯等常用工具保持隨時可用，而較少使用的工具則只會在代理實際呼叫時才進入提示詞。
除了 Cursor 路由器 之外，我們也持續拉高模型池的下限與上限。Grok 4.5 擴大了 Cursor 路由器 在更困難、成本更高的工作中可調用的範圍。Composer 也持續在日常使用情境中進步，讓較低成本的回合仍能接近尖端品質，而不必付出尖端價格。
Cursor 路由器 現已在 Teams 和企業方案中於桌面版、Web、iOS、CLI 和我們的 SDK 上可使用。
