Inside Cursor：与联合创始人 Sualeh Asif 探讨 AI 编程的未来

摘要

• Cursor 的差异化，建立在先交付有用的自动化、再追逐雄心勃勃的演示之上。 Asif 表示，团队曾压下大约 3 个 agent 原型，因为它们还不够实用，无法服务日常工作；与此同时，团队继续推进 next-edit prediction 等早期创新，并朝着全仓库编辑演进。其核心原则是“任何时点都做最有用的产品”，而不是在技术前沿过度许诺。

• 使用规模正在驱动产品与模型的飞轮。 Cursor 的定制 Tab 模型每天处理约 1亿次请求，为工作流改进和模型训练持续提供数据。Asif 将 Apply 描述为一个循环：由更大的模型提供数据，逐步训练出更小、更快的模型，直到对一个 1,000 或 2,000 行文件的编辑都能做到“实际上即时”（“effectively instant”）。

• 胜出的编程界面，可能同时具备高层自动化和永久保留的细粒度控制。 Asif 预计，1年后的 Cursor 将与 VS Code 产生实质差异，可能允许人类编辑类似伪代码的表示层，而模型在底层完成工作。但开发者仍会希望在直接编辑更快、更安全时，“进去切换某些索引”。

• 上下文，而不只是基准测试中的智能水平，才是 agent 质量的核心约束。 早期 4K-8K 的上下文窗口几乎只能容纳当前文件；如今稳定的 50,000-60,000 token 请求，已经允许模型搜索代码仓库并持续完成更大范围的编辑。下一项关键突破是架构理解：要识别“真正发生了什么”，可能需要跨越数十亿甚至数百亿 token 进行推理。

• Cursor 的响应速度，建立在庞大基础设施和固定 GPU 容量之上。 其索引基础设施每天处理数十亿个文件，而部分大模型推理每次可能消耗“每人每次击键数万个 token”。Lukas 强调，目前还没有真正出色的无服务器 GPU 方案，因此容量分配仍是持续存在的基础设施难题。

• 在 DeepSeek 成为投资者冲击之前，它已经是 Cursor 的运营优势。 Cursor 此前已经运行 DeepSeek V2 “8或10个月——可能是12个月”，并在判断其预训练模型具备能力、成本经济性，且在评测中异常可靠后，将调用规模扩大到数亿次。Asif 还预计，DeepSeek V3 会成为定制应用的强大基础模型。

• 更高程度的自主编程正在到来，但 Asif 预计，采用过程会是渐进式的，而不是一次性跃迁。 模型必须从能在数十次工具调用中保持连贯，进步到数百次或数千次；在无需人工介入的系统真正变得有用之前，Cursor 会“等到它足够好”。未来1到2年，更快的原型开发可能推动组织走向“少讨论，多写代码”，用对可运行成果的争论，替代围绕假设性设计的争论。

精读

上游暂未提供，后续同步将继续补齐。