Cursor Composer 2.5란 무엇인가? Directed RL, 25배 합성 데이터, 그리고 더 똑똑한 코딩 에이전트

짧게 말하면: 이것은 단순히 “조금 더 똑똑해진 모델”이 아니다

원문에서 가장 유용한 점은 Composer 2.5를 막연한 업그레이드로 설명하지 않는다는 것이다. 오히려 이를 학습 및 제품 보고서에 가깝게 다룬다.

그것이 중요한 이유는 실제 핵심이 다음과 같기 때문이다:

Composer 2.5는 기본 체크포인트 때문만이 아니라, Cursor가 학습 방법, 데이터 규모, 옵티마이저 엔지니어링, 제품 형태를 동시에 밀어붙였기 때문에 향상되었다.

이는 “모델이 더 좋아졌다”는 말보다 훨씬 더 흥미로운 주장이다.

Composer 2.5의 실제 정체

이 글은 초반부터 명확한 점을 제시한다:

Composer 2.5는 이제 Cursor에서 사용할 수 있다.

또한 이것이 완전히 새로운 기본 모델은 아니라는 점도 강조한다. Composer 2.5는 여전히 Composer 2와 동일한 오픈 체크포인트 계열, 즉 Moonshot의 Kimi K2.5를 기반으로 구축되었다.

따라서 핵심 질문은 다음이 된다:

Cursor는 강력한 오픈 체크포인트 위에서 에이전트형 코딩 워크플로를 어디까지 밀어붙일 수 있을까?

업그레이드 매트릭스는 장기 작업, 신뢰성, 협업에 초점을 맞춘다

이 글의 첫 번째 주요 표는 Composer 2와 2.5를 비교한다:

중요한 것은 특정한 하나의 퍼센트가 아니다. 중요한 것은 범주의 성격이다:

• 장시간 실행되는 작업

• 복잡한 지시

• 협업의 매끄러움

• 스타일 일관성

• 복구 동작

이는 Cursor가 Composer를 단순한 빠른 코드 완성기가 아니라, 오래 지속되는 팀원처럼 느껴지게 만들려는 시도다.

첫 번째 기술적 도약: 지향형 텍스트 피드백 RL

이 글의 첫 번째 심층 기술 섹션은 텍스트 피드백을 사용하는 지향형 RL에 관한 것입니다.

이것이 해결하려는 문제는 익숙합니다. 롤아웃이 극도로 길어지면 기존 RL에서 크레딧 할당이 복잡해집니다.

모델은 전체 결과가 좋았는지 나빴는지는 알 수 있지만, 그 결과를 정확히 어떤 국소적 선택이 초래했는지는 모를 수 있습니다.

이는 다음과 같은 매우 구체적인 국소적 동작을 억제하려 할 때 특히 고통스러워집니다.

• 잘못된 도구 호출

• 혼란스러운 설명

• 스타일 드리프트

• 약한 대화 정렬

기존 RL vs 지향형 텍스트 피드백 RL

핵심 아이디어는 간단합니다.

어떤 단계가 더 나아질 수 있었다면, 그 단계에 직접 피드백을 붙입니다.

이는 모호한 롤아웃 종료 시점의 페널티를 표적화된 행동 교정에 더 가까운 것으로 바꿉니다.

두 번째 도약: 합성 작업 25배 확장

두 번째 주요 주제는 합성 작업의 극적인 확장입니다.

이 글은 Composer 2.5가 Composer 2보다 대략 25배 더 많은 합성 작업을 사용했다고 말합니다.

이는 모델이 더 강력해지면 정적인 작업 풀은 더 이상 충분한 도전이 되지 않기 때문에 중요합니다. 훈련 데이터도 더 어렵고 더 동적으로 변해야 합니다.

합성 데이터 규모 비교

이 글에서 설명하는 특히 유용한 방법 중 하나는 기능 삭제입니다.

1. 테스트가 있는 실제 코드베이스를 가져온다

2. 특정 기능을 제거한다

3. 저장소가 실행 가능한 상태를 유지한다

4. 모델에게 누락된 기능을 다시 구축하도록 요청한다

5. 테스트를 보상 신호로 사용한다

이는 코딩 에이전트에 매우 잘 맞습니다. 실제 개발 작업에 훨씬 가까운 행동을 학습시키기 때문입니다.

• 기능 복원

• 구조에 대한 추론

• 테스트 제약 조건 아래에서 작업

기존 프로젝트 내부에서 작업

이 글은 단점도 지적합니다. 합성 작업 생성이 확장될수록 보상 해킹이 더 심각한 문제가 됩니다.

세 번째 도약: Muon, 샤딩, HSDP는 전체를 학습 가능하게 만드는 문제다

앞의 두 섹션이 무엇을 학습시킬지, 그리고 행동을 어떻게 유도할지에 관한 것이라면, 세 번째 섹션은 그 학습 시스템을 실제로 실행되게 만드는 방법에 관한 것입니다.

여기서 글은 다음을 다룹니다.

• Muon 옵티마이저

• 샤딩된 Muon

• 듀얼 그리드 HSDP

대부분의 독자는 모든 시스템 세부사항을 알 필요는 없습니다. 핵심만으로도 충분합니다.

더 긴 롤아웃, 더 큰 합성 작업 풀, 더 세분화된 행동 피드백은 모두 더 강력한 학습 인프라를 필요로 합니다.

아키텍처 관점: Cursor는 완전한 코딩 에이전트 파이프라인을 구축하고 있다

글은 결국 다시 한 걸음 물러나 시스템 수준의 그림을 보여줍니다.

진짜 핵심은 Cursor가 단순히 더 나은 답변 모델을 출시하려는 것이 아니라는 점입니다. Cursor는 다음으로부터 시작하는 엔드투엔드 스택을 조립하고 있습니다.

• 오픈 체크포인트

• RL 방법

합성 작업

• 병렬 학습 시스템

• 제품 티어 차별화

그리고 IDE 경험에 이르기까지 연결합니다.

그렇기 때문에 Composer 2.5는 얕은 버전 업데이트보다 훨씬 더 실질적으로 느껴집니다.

가격 책정과 Fast 티어는 제품 전략을 드러낸다

가격 책정 섹션은 이 글에서 실무적으로 가장 유용한 부분 중 하나입니다.

가격표

Fast 등급 비용 비교

이 글은 또한 두 가지 제품 세부 사항을 언급합니다:

• Fast가 기본값입니다

첫 주에는 사용량이 두 배 제공됩니다

이는 Cursor의 제품 논지에 대해 많은 것을 말해 줍니다. 단순히 모델을 판매하는 것이 아닙니다. 빠르고 신뢰할 수 있다고 느껴지는 작업용 개발 표면을 판매하는 것입니다.

SpaceXAI 협업은 가장 대담한 미래 지향적 부분입니다

마지막 미래 지향적 섹션은 차세대 훈련으로 방향을 전환합니다.

이 글은 협업을 다음과 같이 설명합니다:

• 총 컴퓨팅 10배

• H100 상당 용량 100만 개

• Colossus 2 기반 인프라

• 체크포인트 기반 파인튜닝에서 보다 완전한 자기주도형 학습으로의 전환

차세대 계획 표

이는 분명 회사의 더 큰 내러티브의 일부이기도 하지만, 명확한 방향을 가리킵니다.

Cursor는 다른 누군가의 모델 위에 얇게 얹힌 IDE 레이어로만 남고 싶어 하지 않습니다.

이것이 We0 스타일 팀에 중요한 이유

이런 이야기는 개발자에게만 중요하다고 읽기 쉽습니다.

하지만 더 강력한 코딩 에이전트는 다음에도 영향을 미칩니다.

• 프로토타입 속도

• 프런트엔드 출력 속도

• 런칭 페이지 제작

• 사례 연구 및 쇼케이스 자산 제작

• 엔지니어링과 성장 팀 사이의 인수인계 마찰

그래서 We0 AI는 계속해서 가치 사슬을 다음과 같이 설명합니다.

구축 -> 쇼케이스 -> 성장 -> 리드

코딩 에이전트가 긴 작업, 조율, 제품 수준의 결과물에서 더 나아지면 전체 사슬이 더 빠르게 움직입니다.

핵심 요약

이번 업그레이드를 이해하는 가장 유용한 방식은 하나의 고립된 요령으로 보는 것이 아닙니다.

다음과 같이 이해하는 편이 더 적절합니다.

Composer 2.5는 Cursor가 코딩 에이전트의 학습 스택과 제품 형태를 동시에 성숙시키고 있음을 보여줍니다.

바로 이것이 얕은 모델 리프레시보다 더 흥미롭게 만드는 점입니다.

관련 기사

• Cursor 공식: Composer 2.5

• Cursor 공식: Composer 2

• Cursor 공식: Composer 2 기술 보고서

• Cursor 공식: SpaceXAI 모델 학습

• Cursor 문서: Cursor Composer 2.5 모델 문서

• Moonshot AI

• Kimi 오픈 플랫폼

• Anthropic: Claude Code

• OpenAI 개발자: Codex

• Google AI for Developers: Gemini API 문서
  

관련 도구

• We0 AI

• Cursor

• Claude Code

• OpenAI Codex

• Vercel

출처

• CSDN

• Cursor Composer 2.5

• Composer 2

• Composer 2 기술 보고서

• SpaceXAI 모델 학습

• Cursor 모델 문서