今天，我們宣布推出 Fusion，我們下一代的 Cursor Tab 模型。

Cursor Tab 會預測你游標附近的編輯變更，以及下一步該移動到哪裡的建議（「跳轉」）。Fusion 模型能幾乎即時提供、而且品質更高的游標跳轉，同時也提升編輯品質。我們對 Tab 的近期目標是消除程式碼編輯中的繁瑣工作，而 Fusion 在這方面是重要的進步，讓我們更接近最終目標：在流暢開發狀態中實現Next Action Prediction。

最實用的協作助手

自 2024 年 3 月起，Tab 便由一個客製化的稀疏語言模型驅動；該模型以數十億個 tokens 訓練，專門用於預測編輯。自此之後，我們幾乎在 Tab 的各個層面都有所提升，透過數十次模型更新與基礎架構改進，讓它更快、更聰明、也更實用。

隨著我們持續投入開發，Tab 的實用性不斷提升，我們也很高興使用者有同樣的感受。Tab 的規模已大幅擴張；現在每天會產生超過十億個經過編輯的字元，自我們最初的模型發佈以來，請求速率成長了約 100 倍。到目前為止，我們的 Tab 模型產生的程式碼量已多於全球幾乎所有的 LLM（大型語言模型）。

我們早就明白，插入文字只是編輯程式碼的一小部分。其他 copilot 只會在你的游標位置插入文字，Cursor Tab 不僅會在游標附近提出完整的編輯建議，還能直接帶你跳到下一個你想去的位置。

透過快速提供精準的編輯建議與跳轉，Tab 比其他 copilots 更實用。當然，Tab 也能出色完成典型的 copilot 任務——它擅長撰寫小型函式，並能以低延遲遵循行內指示。

自三月以來的更新與改進

我們的第一個 Tab 模型於 2024 年 3 月訓練完成並發布。與這個最初的模型版本相比，Fusion 對每行困難編輯的準確預測提升逾 25%，同時能提出長度長達 10 倍的變更建議。Fusion 也在多個方面進一步優於我們的原始模型：

Fusion 在建議準確度上遠勝三月版模型，同時提供幾乎即時且更高品質的游標跳轉、更長的脈絡與更低延遲。

模型品質的提升來自：

• 更乾淨、更高品質、且更豐富的資料
• 更長的脈絡視窗，將更多編輯器狀態與檔案內容納入提示詞
• 針對更大範圍的編輯進行精準訓練，推出Bigger Edits 模型
• 用於指令追隨的合成資料
• 訓練方案與基礎模型提升

延遲改進源自推論層面的優化、效能工程，以及更強大的基礎模型。

展望未來

Fusion 將隨我們的新客戶端版本（0.45.0）陸續提供給所有使用者。

我們下一波的 Tab 改進，將帶來更完善的程式碼庫脈絡、更順暢的連續補全（tab‑tab‑tab）體驗，並進一步把Supermaven技術整合到 Tab。

如果你有興趣徹底去除程式碼編輯中的繁瑣、參與開發最實用的程式碼撰寫模型之一，或為程式開發者的操作路徑建模，請來信至hiring@anysphere.co。