Cursor Composer 2 je ispred Opusa 4.6 za delić cene

Kompanija Cursor nedavno je predstavila Composer 2, svoj najnoviji model za programiranje koji prevazilazi Anthropic-ov Opus 4.6 po performansama, uz značajno niže troškove korišćenja. Ključni uspeh ovog modela leži u inovativnoj tehnici samozbijanja konteksta, koja omogućava veštačkoj inteligenciji da efikasnije upravlja memorijom tokom dugotrajnih zadataka. Za razliku od prethodnih generacija, ovaj sistem koristi kontinuirano pred-treniranje i učenje putem potkrepljenja kako bi zadržao samo najbitnije informacije iz koda. Rezultati na testovima pokazuju da novi pristup smanjuje greške u kompresiji podataka za polovinu, čime se drastično povećava preciznost u radu. Korisnicima je omogućena fleksibilnost u izboru brzine i cene rada, dok automatski režim samostalno bira najoptimalniji model za specifičan upit.

Problem „zaboravljanja“ kod veštačke inteligencije

Svaki softverski arhitekta koji se oslanja na AI asistente poznaje onaj frustrirajući trenutak kada model, usred kompleksne sesije, počne da gubi nit. Kako projekat raste i istorija akcija se gomila, kognitivno opterećenje modela postaje preveliko: on počinje da „halucinira“, zaboravlja ključne arhitektonske odluke sa početka razgovora ili postaje nepodnošljivo skup zbog ogromnog broja tokena. Do sada je industrija na ovo odgovarala sirovom snagom – pukim povećanjem kontekstnih prozora. Međutim, Cursor je sa svojim Composer 2 modelom izveo pravi arhitektonski zaokret, dokazujući da pametnije upravljanje memorijom nadmašuje brutalnu veličinu konteksta.

1. Neverovatna brzina inovacije: Tri generacije za pet meseci

Tempo kojim Cursor razvija svoju tehnologiju postavlja standarde koje čak i najveći igrači teško prate. Od oktobra 2025. godine, kada je lansiran originalni Composer uz redizajn platforme 2.0, kompanija je u rekordnom roku izbacila tri generacije modela. Composer 1.5 je stigao u februaru, a samo par meseci kasnije svedočimo dominaciji verzije 2.0.

Ono što ovaj napredak čini značajnim nije samo brzina, već i fundamentalni pomak u metodologiji. Dok su prethodne verzije primenjivale učenje sa potkrepljenjem (reinforcement learning) na fiksne baze, Composer 2 uvodi kontinuirano prethodno obučavanje (continuous pre-training). Iz perspektive softverskog inženjera, ovo nije samo kozmetička promena; Cursor je modifikovao same težine modela kako bi stvorio daleko snažniju osnovu za skaliranje RL sloja. To je prelazak sa „nadogradnje“ na izgradnju stabilnijeg i inteligentnijeg temelja.

2. David protiv Golijata: Performanse koje prkose ceni

Najveće iznenađenje Composer-a 2 leži u tome što manji, optimizovaniji model direktno ugrožava industrijske lidere. Na Terminal-Bench 2.0 testu, koji meri sposobnost AI agenata da rešavaju realne softverske probleme u terminalskom okruženju, Composer 2 je ostvario rezultat od 61,7%, nadmašivši Anthropic-ov Claude Opus 4.6 (58,0%). Iako je OpenAI-ov GPT-5.4 i dalje vodeći sa 75,1%, Composer 2 nudi ove visoke performanse uz drastično niže troškove eksploatacije.

Uporedni prikaz cena jasno ilustruje zašto Cursor postaje dominantna sila na tržištu:

* Fast mode je podrazumevana (default) opcija koja nudi istu inteligenciju uz veću brzinu.

Ova cenovna struktura pokazuje da agilnost i tehnička inovacija mogu pružiti bolju vrednost od „brute-force“ pristupa giganata, čineći agentno programiranje ekonomski održivim za svakodnevni rad.

3. „Samo-sumiranje“: Kako Composer 2 upravlja sopstvenom memorijom

Ključna tehnička inovacija koja omogućava ovakav skok je „samo-sumiranje“ (self-summarization), odnosno compaction-in-the-loop reinforcement learning. Tradicionalni modeli rešavaju problem predugačkog konteksta prostim odbacivanjem starih informacija ili eksternim sumiranjem, što neminovno vodi ka gubitku kritičnih detalja.

Cursorov pristup je integrisao proces sumiranja direktno u petlju učenja sa potkrepljenjem. Presudna arhitektonska nijansa je to što RL nagrada (reward) pokriva čitav lanac, uključujući i korake sumiranja. To znači da model tokom obuke uči koji su detalji presudni za konačni uspeh zadatka, a koji se mogu odbaciti. Kada proces generisanja dostigne određeni limit, model pauzira i komprimuje sopstveni kontekst sa preko 5.000 tokena na svega 1.000.

"Obučili smo Composer za zadatke dugog dometa kroz proces učenja sa potkrepljenjem koji nazivamo samo-sumiranje. Čineći samo-sumiranje delom obuke, možemo dobiti signale za obuku iz trajektorija koje su mnogo duže od maksimalnog kontekstnog prozora modela", navode iz Cursora.

Rezultat je smanjenje grešaka pri kompresiji za čak 50%, što omogućava modelu da zadrži fokus čak i u najkompleksnijim, dugotrajnim projektima.

4. Fleksibilnost i transparentnost performansi

Cursor ostaje model-agnostičan, omogućavajući programerima da biraju alat prema potrebama ili koriste inteligentni „Auto“ režim koji balansira između brzine, cene i nivoa inteligencije.

Kao važan uvid za arhitekte koji optimizuju workflow, treba istaći da je „Fast“ režim podrazumevan (default). Iako on nosi 3x veću cenu u odnosu na standardni režim, on nudi identičan nivo inteligencije. Ova transparentnost u odnosu cene i performansi omogućava developerima da biraju između vrhunske brzine i maksimalne uštede, bez kompromisa po pitanju kvaliteta koda.

5. Zaključak: Budućnost agentnog programiranja

Uspeh Composer-a 2 je jasan signal da budućnost AI razvoja ne leži isključivo u pukoj veličini modela. Pametno upravljanje resursima i inovativne tehnike obuke poput samo-sumiranja drastično smanjuju jaz sa najvećim modelima na tržištu, uz zadržavanje pristupačne cene.

Na kraju, ostaje ključno pitanje za industriju: Da li se era sirove snage i beskonačno velikih kontekstnih prozora polako završava, ustupajući mesto eri inteligentne, samoupravljive AI memorije? Sudeći po onome što je Cursor postigao, odgovor je nedvosmisleno potvrdan.

Izvor: cursor.com, thenewstack.io