Composer 2.5

Qu’est-ce que Composer 2.5 ?

Composer 2.5 est un modèle de codage IA disponible dans Cursor. Il est décrit comme une amélioration notable par rapport à Composer 2, avec de meilleures performances sur les tâches agentiques de longue durée, un meilleur suivi des instructions et un comportement de collaboration plus cohérent.

Le modèle repose sur le même checkpoint open source que Composer 2, Kimi K2.5 de Moonshot, mais il est entraîné avec des méthodes supplémentaires visant à améliorer à la fois l’intelligence et la facilité d’utilisation. Selon la source, le processus d’entraînement inclut du reinforcement learning à plus grande échelle, des environnements RL plus complexes, des retours textuels ciblés et davantage de tâches synthétiques ancrées dans des bases de code réelles.

Fonctionnalités clés

• Meilleure gestion des tâches à long horizon : Composer 2.5 est conçu pour rester efficace sur des tâches agentiques longues où les déroulements peuvent s’étendre sur de nombreux tokens et plusieurs appels d’outils.
• Suivi des instructions plus fiable : le modèle est entraîné à suivre des instructions complexes de manière plus cohérente, ce qui compte pour les workflows de codage avec de nombreuses étapes et contraintes.
• Retours textuels ciblés en RL : l’entraînement peut insérer des संकेत locaux dans le contexte d’un tour problématique précis, puis distiller le comportement souhaité dans la policy à ce point de la trajectoire.
• Entraînement sur des tâches synthétiques élargi : Composer 2.5 utilise 25x plus de tâches synthétiques que Composer 2, avec des tâches ancrées dans des bases de code réelles et des récompenses vérifiables.
• Ajustement comportemental au-delà des scores de benchmark : le processus d’entraînement ajuste aussi le style de communication et l’étalonnage de l’effort, que la source indique comme importants pour l’utilité en conditions réelles.
• Fondé sur un checkpoint open source : Composer 2.5 poursuit à partir du checkpoint Kimi K2.5 de Moonshot, tandis que Cursor mentionne aussi un travail avec SpaceXAI sur un modèle beaucoup plus grand entraîné from scratch.

Comment utiliser Composer 2.5

Dans Cursor, les utilisateurs choisiraient Composer 2.5 comme modèle pour les tâches de codage et agentiques. Il est destiné aux workflows qui impliquent des interactions prolongées, l’utilisation d’outils, des modifications de code et un affinage itératif.

Un workflow typique consisterait à donner au modèle une tâche de codage, le laisser inspecter la base de code, suivre les instructions, appeler des outils si nécessaire, puis examiner les modifications ou explications obtenues. Il est particulièrement pertinent lorsque la tâche est longue ou exige un respect rigoureux des contraintes.

Cas d’usage

• Tâches de codage longues : utile lorsqu’un agent doit prendre de nombreuses décisions sur un long déroulement, par exemple modifier plusieurs fichiers ou itérer sur une fonctionnalité.
• Suivi d’instructions complexes : adapté aux tâches avec des contraintes détaillées, comme préserver le comportement tout en modifiant des détails d’implémentation.
• Workflows riches en outils : utile lorsque le modèle doit utiliser des outils à plusieurs reprises et se remettre d’erreurs locales, comme des outils indisponibles ou des appels échoués.
• Tâches synthétiques ancrées dans la base de code : prend en charge les configurations d’entraînement et d’évaluation où le modèle travaille sur des bases de code réelles avec des tests et des résultats vérifiables.
• Collaboration sensible à la communication : pertinent lorsque les utilisateurs recherchent non seulement la justesse, mais aussi des explications plus claires, un style soigné et un effort bien calibré.

FAQ

Composer 2.5 est-il un nouveau produit ou une mise à jour du modèle ?
C’est une nouvelle version de Composer disponible dans Cursor, positionnée comme une amélioration de Composer 2.

La source dit-elle que Composer 2.5 repose sur un checkpoint différent de Composer 2 ?
Non. La source indique qu’il repose sur le même checkpoint open source que Composer 2 : Kimi K2.5 de Moonshot.

Qu’est-ce qui a changé dans l’entraînement ?
La source met en avant un entraînement à plus grande échelle, des environnements RL plus complexes, des retours textuels ciblés et un ensemble plus large de tâches synthétiques.

Est-ce principalement pour les performances sur benchmark ?
Pas seulement. La source insiste aussi sur les améliorations de comportement et d’utilisabilité, y compris le style de communication et l’étalonnage de l’effort, en plus de l’intelligence.

Alternatives

• Composer 2 : la version précédente du modèle Cursor, utile comme point de référence direct pour comparer les nouvelles modifications d’entraînement et de comportement.
• Agents de codage généralistes : autres assistants IA de codage axés sur la génération de code et l’utilisation d’outils, même s’ils peuvent différer dans leur gestion des tâches à long horizon et de l’ajustement comportemental.
• Assistants LLM intégrés à l’IDE : assistants basés sur l’éditeur qui prennent en charge les workflows de codage, mais n’utilisent pas forcément la même approche d’entraînement fortement orientée RL décrite pour Composer 2.5.
• Revue de code humaine et développement itératif : une alternative sans modèle pour les équipes qui préfèrent un contrôle manuel sur les changements longs et complexes, surtout lorsque la précision du comportement est importante.