Cursor Composer 2.5, Cursor 내 가장 많이 선택받는 모델로 등극 — 10x 사용량 보너스

Context

IDE wrapper 수준의 서비스에서 벗어나 도메인 특화 성능을 확보하기 위한 자체 모델 고도화 추진. 기존 Frontier 모델 의존 시 발생하는 높은 추론 비용과 Long-horizon 작업에서의 신뢰성 저하 문제를 해결해야 하는 상황.

Technical Solution

• Kimi K2.5 오픈소스 모델을 베이스로 채택하여 기본 성능 확보 및 개발 효율 증대
• 전체 컴퓨트의 85%를 자체 RL 파이프라인 및 Post-training에 집중 투입한 리소스 최적화
• Composer 2 대비 25배 많은 Synthetic coding tasks를 생성하여 학습 데이터 밀도 강화
• 단일 Reward 방식의 한계를 극복하기 위해 텍스트 피드백 기반 Targeted RL 도입
• Tool call 오류 지점에 직접 힌트를 주입하여 Credit assignment 정밀도를 높인 구조 설계
• Vertical RL을 통해 Raw scale의 한계를 극복하고 코딩 특화 성능을 극대화한 전략 수립