今天，我們要宣布 Fusion，這是我們新一代的 Cursor Tab 模型。

Cursor Tab 會預測游標附近應該進行的編輯，以及下一步該移動到哪裡的建議（「跳轉」）。Fusion 模型幾乎可以即時產生品質更高的游標跳轉建議，並同時提升編輯品質。我們對 Tab 的近期目標，是從程式碼編輯中消除瑣碎乏味的工作，而 Fusion 在這個方向上帶來了顯著的提升，讓我們在邁向最終目標——在開發流程中即時進行 Next Action Prediction——的路上更進一步。

最實用的 copilot

從 2024 年 3 月開始，Tab 就由一個客製化的稀疏語言模型驅動，這個模型在數十億個 token 上訓練，用來預測程式碼編輯。自那之後，我們幾乎改善了 Tab 的每一個面向，在數十次模型更新與基礎設施升級的過程中，讓 Tab 變得更快、更聰明，也在實務上更好用。

我們發現，隨著我們持續開發，Tab 的實用性明顯提升，而且我們很高興使用者也有同樣的感受。Tab 的規模變得更大；現在它每天會產生超過十億個已編輯字元，請求量自從我們首次發佈模型以來也成長了約 100 倍。到了現在，我們的 Tab 模型產生的程式碼量已經超過世界上幾乎所有的 LLM。

我們很早就意識到，插入文字只是編輯程式碼的一小部分。其他 copilot 通常只會在你的游標位置插入文字，而 Cursor Tab 不僅會在游標附近建議完整的編輯，還會幫你跳轉到下一個你想前往的位置。

透過快速提供精準的編輯建議與跳轉，Tab 比其他 copilot 實用得多。當然，Tab 也同樣擅長一般 copilot 的典型工作——它很擅長撰寫小型函式，並在低延遲的情況下遵循內嵌指示。

自 3 月以來的改進

我們的第一個 Tab 模型於 2024 年 3 月訓練完成並發布。與這個原始模型版本相比，Fusion 在每一行能更準確地預測超過 25% 的困難編輯，並且能建議長度多出 10 倍以上的連續修改區段。Fusion 也在其他多個面向上改進了我們最初的模型：

Fusion 在建議準確度上遠勝 3 月版本的模型，同時提供幾乎即時且品質更高的游標跳轉、更長的上下文，以及更低的延遲。

模型品質的提升主要得益於：

• 更乾淨、品質更高且數量更大的資料

• 更長的上下文視窗，在提示中加入更多編輯器狀態與檔案內容

• 針對較大幅度編輯進行精細訓練，產生了 Bigger Edits 模型

• 用於指令跟隨的合成資料

• 訓練流程與基礎模型的改進

延遲的改善則來自推論階段的優化、效能工程，以及更強的基礎模型。

展望未來

Fusion 正隨著我們最新的用戶端版本（0.45.0）向所有使用者逐步推出。

我們即將推出的下一波 Tab 改進，將帶來更好的程式碼庫上下文理解、更順暢的連按 Tab（tab-tab-tab）補全體驗，並進一步把 Supermaven 技術整合進 Tab 中。

如果你有興趣徹底消除程式碼編輯中的繁瑣工作、打造最實用的撰寫程式碼模型之一，或建模程式開發者的操作軌跡，請透過 hiring@cursor.com 與我們聯絡。