Hvor mye koster Cursor Composer?

Cursor Composer er en ny, banebrytende kodemodell utgitt som en del av Cursor 2.0, som leverer mye raskere, agentisk kodegenerering for komplekse arbeidsflyter med flere filer. Tilgang til Composer styres av Cursors eksisterende lagdelte abonnementer pluss tokenbasert bruk når du bruker opp planens kvoter eller bruker Cursors "Auto"-ruting – som betyr at kostnadene er en blanding av et fast abonnementsgebyr og målte tokenavgifter. Nedenfor finner du en fullstendig, praktisk oversikt (funksjoner, fordeler, prismekanismer, utarbeidede eksempler og konkurrentsammenligninger), slik at du kan estimere reelle kostnader og avgjøre om Composer er verdt det for teamet ditt.

Hva er markørkomponist?

Composer er Cursors nye «frontiermodell» som ble introdusert som en del av Cursor 2.0. Den ble bygget og finjustert spesielt for programvareutviklingsarbeidsflyter og agentiske (flertrinns) kodeoppgaver. I følge Cursors kunngjøring leverer Composer kodingsytelse på frontiernivå, samtidig som den er optimalisert for lav latens og rask iterasjon – Cursor sier at de fleste konversasjonsomdreininger fullføres på under 30 sekunder i praksis, og hevder genereringshastigheten er omtrent fire ganger så høy som for tilsvarende kapable modeller i deres interne benchmarks. Composer ble trent med kodebaseomfattende søk og verktøytilgang, slik at den kan resonnere rundt og utføre redigeringer på tvers av store prosjekter.

Hvor Composer befinner seg i Cursors produkt

Composer er ikke en separat «app» du kjøper alene; den tilbys som et modellalternativ i Cursor-produktet (desktop og web) og kan rutes gjennom Cursors modellruter (Auto). Du får tilgang på modellnivå avhengig av hvilket Cursor-abonnement du har og om du betaler målte bruksavgifter utover planens kvote. Cursors modelldokumentasjon viser Composer blant de tilgjengelige modellene, og selskapet tilbyr både abonnementsnivåer og tokenmåling for modellbruk.

Cursors endringer i bruksbassenger og kredittsystemer fra midten av 2025 illustrerer denne trenden: i stedet for virkelig ubegrenset bruk av premiummodeller, tilbyr Cursor plankvoter (og automatiske valg), og fakturerer deretter ekstra bruk til API/token-priser.

Viktige funksjoner og fordeler med Composer

Composer er rettet mot utviklerproduktivitet for ikke-trivielle ingeniøroppgaver. De viktigste salgsargumentene:

Agentkodebegrunnelse: Composer støtter arbeidsflyter i flere trinn (f.eks. å forstå en feil, søke i et repo, redigere flere filer, kjøre tester og iterere). Dette gjør den bedre egnet enn enkeltstående fullføringer for komplekst ingeniørarbeid.
Hastighet / lav latens: Markøren rapporterer at Composer har betydelig raskere genereringshastighet sammenlignet med sammenlignbare modeller, og at typiske interaktive svinger fullføres raskt, noe som muliggjør raskere iterasjonsløkker.
Tett kodebaseintegrasjon: Composer ble trent med tilgang til Cursors verktøysett for henting og redigering samt kodebaseindeksering, noe som forbedrer evnen til å jobbe med store arkiver og opprettholde kontekst på tvers av filer.
Agentmoduser og -verktøy: Composer er designet for å fungere med Cursors agentmoduser og Model Context Protocol (MCP), slik at den kan kalle spesialiserte verktøy, lese indeksert kode og unngå å måtte forklare prosjektstrukturen gjentatte ganger. Dette reduserer repeterende tokenbruk i mange arbeidsflyter.

Hvorfor det er viktig: For team som utfører dype koderedigeringer og refaktorering av flere filer, kan Composer redusere manuell iterasjon og kontekstbytte – men fordi den er agentisk og kan utføre mer beregningsarbeid per forespørsel, har bruken av tokener per forespørsel en tendens til å være høyere enn for enkle fullføringsmodeller (noe som driver diskusjonen om målte kostnader nedenfor).

Hvordan ble Composer bygget?

Arkitektur og opplæringstilnærming

Composer beskrives som en MoE-modell finjustert med forsterkningslæring og en tilpasset, storskala treningspipeline. Viktige elementer fremhevet av Cursor:

Ekspertblanding (MoE) design for å skalere kapasitet effektivt for kodeoppgaver med lang kontekst.
Forsterkningslæring (RL) med belønningssignaler innstilt på agentatferd som er nyttig i programvareutvikling: planlegging, bruk av søk, redigering av kode, skriving av tester og maksimering av parallell verktøybruk.
Verktøybevisst opplæringUnder opplæringen hadde Composer tilgang til et sett med verktøy (fillesing/-skriving, semantisk søk, terminal, grep), så den lærte å kalle verktøy når det var passende og integrere utgangene.
Tilpasset infrastrukturCursor bygde PyTorch + Ray-baserte pipelines, MXFP8 MoE-kjerner og store VM-klynger for å muliggjøre asynkron, verktøyaktivert RL i stor skala. Infrastrukturvalgene (lavpresisjonstrening, ekspertparallellisme) er ment å redusere kommunikasjonskostnader og holde inferensforsinkelsen lav.

Hvorfor moE + RL er viktig for kode

Koderedigering krever presis, flertrinns resonnement over store databaser. MoE gir modellen episodisk kapasitet (mange parametere tilgjengelig selektivt), mens RL optimaliserer for atferd (ikke hallusiner, kjør tester, foreslå minimale forskjeller). Trening med agentverktøysettet betyr at Composer ikke finjusteres utelukkende på neste token-prediksjon – den lærte å bruke verktøyene som er tilgjengelige i Cursors produktinnstilling. Det er derfor Cursor posisjonerer Composer som en "agentisk" modell i stedet for bare en kompletteringsmodell.

Hvordan er prisene på Cursor-abonnementer for Composer?

Markørens priser kombineres abonnementsnivåer (månedlige planer) med bruksbaserte avgifter (tokener, hurtigbuffer og visse agent-/verktøygebyrer). Abonnementsnivåene gir deg basisfunksjoner og inkludert, prioritert bruk; tung bruk eller premiumbruk faktureres deretter på toppen. Nedenfor finner du de offentlige listeprisene og den overordnede betydningen av hver plan.

Individuelle (personlige) nivåer

Hobby (gratis): Inngangsnivå, begrensede agentforespørsler / fanefullføringer; inkluderer en kort Pro-prøveperiode. Bra for lett eksperimentering.
Pro — 20 dollar / måned (individuell): alt i Hobby pluss utvidet agentbruk, ubegrenset antall fanefullføringer, bakgrunnsagenter og maksimalt antall kontekstvinduer. Dette er det vanlige utgangspunktet for individuelle utviklere som ønsker funksjoner på Composer-nivå.
Pro+ – 60 dollar per måned (individuell, anbefalt for avanserte brukere): mer inkludert bruk på premiummodeller. Cursors prislansering i juni 2025 klargjorde at Pro-planer inkluderer en pool av modellkreditter (for bruk av «frontier-modell») og at ytterligere bruk kan kjøpes til kostnadspluss-priser eller via tokenfakturering.
Ultra — 200 dollar / måned: for tunge individer som trenger betydelig større inkludert modellbruk og prioritert tilgang.

Team / Enterprise

Teams — 40 dollar / bruker / måned: legger til sentralisert fakturering, bruksanalyse, rollebaserte kontroller og SSO. Større team kan også kjøpe Enterprise (tilpasset prising) som inkluderer samlet bruk, fakturering av fakturaer/innkjøpsordrer, SCIM, revisjonslogger og prioritert støtte.

Tokenbasert prising for markørkomponist

Markøren blander abonnementer per bruker med fakturering per token for premium- eller agentforespørsler. Det er to relaterte, men forskjellige faktureringskontekster å forstå:

Auto / Maks modus tokenrater (Markørens dynamiske valg av «Auto» eller maks./automatisk faktureringsintervaller).
Modellliste / direkte modellprising (hvis du velger en modell som Composer direkte, har modellliste-API-ene token-rater per modell).

Disse forskjellige modusene endrer de effektive input/output-tokenratene du ser på regningen din. Nedenfor finner du de kanoniske tallene Cursor publiserer i dokumentasjons- og modellsidene sine – dette er de mest bærende tallene for kostnadsberegninger.

Auto / Maks

Når du går utover planens tillatte beløp (eller eksplisitt bruker Auto for å rute til premiummodeller), belaster markøren for modellbruk på en per token basis. De vanligste referansesatsene for Cursors Auto ruteren (som velger en premiummodell på forespørsel) er:

Inndata + Hurtigbufferskriving: 1.25 dollar per 1,000,000 XNUMX XNUMX tokens
Utgang (generering): 6.00 dollar per 1,000,000 XNUMX XNUMX tokens
Lesing av hurtigbuffer: 0.25 dollar per 1,000,000 XNUMX XNUMX tokens

Disse prisene ble dokumentert i Cursors konto-/prisdokumenter som beskriver automatisk fakturering, og er ryggraden i Composers driftskostnader når Composer-bruk faktureres via automatisk fakturering, eller når du direkte velger modellbruk som belastes med API-priser.

Komponist- og modelllistepriser

Markørens modellliste / modellprisreferanse viser prisoppføringer per modell. For noen premiummodeller i Markør, Composer i modelllistepriser: Inndata 1.25 USD / 1 mill. USD; Utdata 10.00 USD / 1 mill. USDI praksis betyr dette at hvis du eksplisitt velger Composer som modell i stedet for å kjøre Auto, kan utdatatoken-hastigheten du pådrar deg være høyere enn Autos utdatahastighet på $6.

Hvorfor input- og output-tokens er forskjellige

Skriv inn tokens er tokenene du sender (ledetekster, instruksjoner, kodestykker, filkontekst). Markøren tar betalt for å skrive disse inn i systemet (og av og til mellomlagre dem).
Output tokens er det modellen genererer (koderedigeringer, forslag, differanser osv.). Generering av utdata er dyrere fordi det bruker mer databehandling. Cursors publiserte tall gjenspeiler disse relative kostnadene.

Sammenligning av Cursor Composer med konkurrenter

Når man vurderer kostnad og verdi, er det nyttig å sammenligne Composers enhetsøkonomi med andre mye brukte AI-tjenester for utviklere. Merk at modellegenskaper, latens, integrasjon og inkluderte plankvoter også har betydning – pris alene er ikke hele historien.

GitHub Copilot (individuelle nivåer)

GitHub Copilot prises hovedsakelig per bruker med nivåer (gratis, Pro til ~$10/måned, Pro+ og Business-nivåer høyere). Copilot tilbyr en rekke "premium"-forespørsler per måned og tar betalt for ytterligere premium-forespørsler (publiserte tillegg per forespørsel). Copilot pakker modeller (inkludert Google/Anthropic/OpenAI-alternativer i noen planer) og selges som en SaaS per utvikler. For mange individuelle utviklere kan Copilots totale pris per brukerplass være enklere og billigere for rutinemessige fullføringer; for tunge agentoppgaver med flere trinn kan en tokenmålt modell være mer transparent.

OpenAI (API / avanserte modeller)

OpenAIs mer avanserte modeller (GPT-5-serien og premiumvarianter) har ulik økonomi per token som kan være høyere enn Cursors Composer-pris for visse pro-modeller. OpenAI tilbyr også mange ytelsesnivåer (og batch- eller hurtigbufrede rabatter) som påvirker effektive kostnader. Ved sammenligning bør du vurdere latens, nøyaktighet på kodeoppgaver og verdien av Cursors editorintegrasjon (som kan oppveie et kostnadsdelta per token).

Hvilken er billigst i praksis?

Små, hyppige fullføringer / autofullføringer: En SaaS per sete (Copilot) er ofte billigst og enklest.
Store agentoppgaver med flere filer: Tokenmålte modeller (Composer via Cursor Auto eller Anthropic/OpenAI direkte) gir fleksibilitet/kvalitet, men koster mer per tung forespørsel; nøye modellering av tokenbruk er viktig.

Konklusjon – Er Composer «dyr»?

Komponist er ikke fakturert som en enkelt flat linjepost – den er en del av et hybridsystem. For lett til moderat interaktiv bruk, en 20 dollar/måned Pro En plan pluss bruk i automatisk modus kan holde kostnadene lave (titalls dollar i måneden). For tunge, parallelle agentarbeidsbelastninger med mange lange utganger kan Composer generere hundrevis eller tusenvis per måned fordi utgangstokenrater og samtidighet mangedobler kostnadene. Sammenlignet med konkurrenter som først bygger abonnement (f.eks. GitHub Copilot), bytter Cursors Composer en høyere marginal inferenskostnad mot mye raskere, agentbaserte og repositorybevisste funksjoner.

Hvis målene dine er automatisering med flere agenter, refaktorering på tvers av depotet eller kortere iterasjonssykluser som sparer tid for utvikling, kan Composers hastighet og verktøy gi sterk avkastning.

Hvordan bruker jeg CometAPI i Cursor? (trinn for trinn)

Kort oppsummert: CometAPI er en modellaggregeringsgateway (et enkelt endepunkt som kan fungere som proxy for mange modellleverandører). For å bruke den i Cursor registrerer du deg hos CometAPI, får en API-nøkkel og modellidentifikator, legger deretter til nøkkelen + endepunktet i Cursors modellinnstillinger som en tilpasset leverandør (overstyr basis-URL) og velger CometAPI-modellen i Composer/Agent-modus.

CometAPI designet også en proprietær kodemodell basert på Claude spesielt for markør: cometapi-sonnet-4-5-20250929-thinking og cometapi-opus-4-1-20250805-thinking og så videre

Trinn A – Skaff deg CometAPI-legitimasjonen din

Registrer deg på CometAPI og opprett en API-nøkkel fra dashbordet deres. Hold nøkkelen hemmelig (behandle den som en hvilken som helst bærertoken).
Opprett/kopier en API-nøkkel og noter modellnavnet/ID-en du vil bruke (f.eks. claude-sonnet-4.5 eller en annen leverandørmodell tilgjengelig via CometAPI).CometAPI-dokumentasjon/veiledninger beskriv prosessen og oppgi navn på støttede modeller.

Trinn B – Legg til CometAPI som en tilpasset modell/leverandør i Cursor

Åpne markør → innstillinger → Modeller (eller Innstillinger → API-nøkler).
Hvis markøren viser en "Legg til tilpasset modell" or «Overstyr OpenAI-basis-URL» alternativ, bruk det:

Basis-URL / endepunktlim inn den CometAPI OpenAI-kompatible basis-URL-en (CometAPI vil dokumentere om de eksponerer en openai/v1 stilendepunkt eller et leverandørspesifikt endepunkt). (Eksempel: https://api.cometapi.com/v1 — bruk den faktiske URL-en fra CometAPI-dokumentasjonen.)
API-nøkkellim inn CometAPI-nøkkelen din i API-nøkkelfeltet.
Modellnavn: legg til modellidentifikatoren nøyaktig slik CometAPI-dokumentene viser (f.eks. claude-sonnet-4.5 or composer-like-model).

Bekreft tilkoblingen hvis Cursor tilbyr en «Bekreft»-/«Test»-knapp. Cursors tilpassede modellmekanisme krever vanligvis at leverandøren er OpenAI-kompatibel (eller at Cursor godtar en basis-URL + nøkkel). Fellesskapsguider viser samme mønster (overstyr basis-URL → oppgi nøkkel → bekreft).

Hvis du vil vite flere tips, guider og nyheter om AI, følg oss på VK, X og Discord!

Se også Cursor 2.0 og Composer: hvordan en multiagent revurderer overrasket AI-koding