TL;DR Wat: Cursor heeft Composer 2.5 uitgebracht — de opvolger van Composer 2, getraind met 25x meer synthetische taken en een nieuwe feedbackmethode. Waarom relevant: Het model scoort op benchmarks vergelijkbaar met Claude Opus 4.7 en GPT-5.5, tegen lagere kosten. Wat je ermee kunt: Als je team al met Cursor werkt, is Composer 2.5 direct beschikbaar — met name bij langere, complexere codeertaken zou je verschil moeten merken.
Een tijdje geleden schreef ik over Cursor Composer 2 en hoe reinforcement learning de manier verandert waarop AI code schrijft. Die aanpak — een AI-model dat zichzelf verbetert door te oefenen met duizenden programmeertaken — was toen al opvallend. Nu heeft Cursor een volgende stap gezet met Composer 2.5, en eerlijk gezegd vind ik de richting die ze inslaan interessant genoeg om er opnieuw bij stil te staan.
Wat is er veranderd ten opzichte van Composer 2?
Composer 2.5 is gebouwd op dezelfde basis als zijn voorganger: het open-source model Kimi K2.5 van het Chinese bedrijf Moonshot. Dat is een zogeheten mixture-of-experts model — stel je voor dat je niet één alwetende medewerker hebt, maar een team van specialisten waarvan er steeds een paar tegelijk actief zijn. In dit geval: ruwweg 1 biljoen parameters in totaal, waarvan zo'n 32 miljard tegelijk worden ingezet.
Het grote verschil zit niet in de architectuur, maar in de training. Cursor heeft Composer 2.5 getraind met 25 keer meer synthetische taken dan Composer 2. Dat zijn door AI gegenereerde programmeeropdrachten — variërend van eenvoudig tot behoorlijk complex — waarop het model zichzelf traint. Meer oefenstof, dus.
Daarnaast heeft Cursor een nieuwe trainingsmethode geïntroduceerd die ze "targeted textual feedback" noemen. In gewone taal: in plaats van het model pas aan het einde van een hele taak te vertellen of het goed of fout was, krijgt het nu feedback op het exacte moment dat het een verkeerde beslissing neemt. Vergelijk het met een rijinstructeur die niet pas na de rit zegt "je reed slecht", maar op het moment zelf corrigeert: "hier had je eerder moeten remmen." Dat maakt het leerproces een stuk gerichter.
Wat levert het op in de praktijk?
Cursor claimt drie concrete verbeteringen:
Beter bij langere taken. Composer 2.5 zou consistenter presteren als een codeertaak langer duurt — denk aan taken die tienduizenden tokens beslaan. Waar eerdere versies halverwege de draad kwijtraakten, blijft 2.5 volgens Cursor beter bij de les.
Betrouwbaarder bij complexe instructies. Als je specifieke eisen stelt aan hoe code geschreven moet worden — bepaalde conventies, stijlregels, of randvoorwaarden — zou Composer 2.5 die nauwkeuriger volgen.
Betere communicatie. Het model legt beter uit wat het doet en waarom, en kalibreert hoeveel moeite het ergens in steekt. Dat klinkt misschien abstract, maar voor iemand die met zo'n tool werkt is het prettig als de AI niet overreageert op een simpele vraag en niet onderschat wat er bij een ingewikkelde vraag komt kijken.
Op benchmarks — gestandaardiseerde tests waarmee je AI-modellen vergelijkt — scoort Composer 2.5 79,8% op SWE-Bench Multilingual en 63,2% op CursorBench v3.1. Volgens Cursor komt dat overeen met het niveau van Claude Opus 4.7 en GPT-5.5 op vergelijkbare tests. Dat zijn modellen van bedrijven die een veelvoud aan middelen hebben.
Wat kost het?
De prijzen zijn voor een AI-codeertool opvallend scherp:
- Standaard: $0,50 per miljoen input-tokens en $2,50 per miljoen output-tokens
- Snelle variant: $3,00 per miljoen input en $15,00 per miljoen output
De snelle variant is standaard ingeschakeld en biedt volgens Cursor dezelfde intelligentie, maar dan met hogere snelheid. Nieuwe gebruikers krijgen de eerste week dubbel gebruik.
Voor de context: als je een ontwikkelaar hebt die dagelijks met zo'n tool werkt, praat je over kosten die in de tientallen euro's per maand liggen — niet in de honderden. Dat maakt het voor een MKB-bedrijf met een klein ontwikkelteam een stuk toegankelijker dan veel concurrerende oplossingen.
De SpaceXAI-samenwerking
Wat mij nu opvalt is de aankondiging die Cursor terloops doet in hun blogpost: samen met SpaceXAI — gelieerd aan Elon Musk, die de release ook via X promootte — werken ze aan een "aanzienlijk groter model" dat vanaf nul wordt getraind. Daarvoor zetten ze tien keer meer rekenkracht in dan voor Composer 2.5, met toegang tot Colossus 2, een cluster van ruwweg een miljoen GPU's.
Dat is een samenwerking die je niet elke dag ziet: een relatief jong bedrijf als Cursor dat samen met de infrastructuur van SpaceXAI een model bouwt. Er is nog geen releasedatum of naam bekend, maar het signaal is duidelijk — Cursor wil niet alleen fine-tunen bovenop andermans modellen, maar op termijn een eigen fundament leggen.
Ik vind het eerlijk gezegd opvallend dat Musk dit persoonlijk promoot. Het suggereert dat SpaceXAI deze samenwerking als strategisch ziet, niet als bijzaak. Wat dat precies betekent voor de markt is nog onduidelijk, maar het is in ieder geval het volgen waard.
Wat betekent dit voor jou als ondernemer?
Als je team al met Cursor werkt, is Composer 2.5 direct beschikbaar — je hoeft niets te doen. De verbeteringen bij langere taken en het nauwkeuriger opvolgen van instructies zijn vooral relevant als je ontwikkelaars complexere projecten doen dan een enkel scriptje schrijven.
Als je nog niet met AI-codetools werkt, is dit een goed moment om te inventariseren wat er op de markt is. De prijsdaling en kwaliteitsverbetering die je in dit segment ziet, is behoorlijk snel. Wat een halfjaar geleden een experiment was, begint nu te lijken op gereedschap dat je serieus kunt inzetten.
Kun je je voorstellen wat het betekent als een junior ontwikkelaar met zo'n tool taken aankan die voorheen alleen een senior kon doen? Dat is de richting waar dit naartoe beweegt — niet dat ontwikkelaars overbodig worden, maar dat ze met minder ervaring sneller productief zijn.
Tot slot
Voor mij is Composer 2.5 vooral een bevestiging van een trend die ik al bij versie 2 opmerkte: de echte vooruitgang in AI-codetools zit niet in grotere modellen, maar in slimmere training. Cursor haalt met een relatief bescheiden model — 32 miljard actieve parameters — scores die concurreren met de grootste modellen ter wereld. Dat is een patroon dat ik denk vaker terug te gaan zien: niet wie het grootste model heeft wint, maar wie het best traint met de data die er is.
De samenwerking met SpaceXAI voegt daar een extra dimensie aan toe. Wat mij betreft is het nog te vroeg om daar conclusies aan te verbinden, maar het is wel een ontwikkeling die ik met interesse ga volgen.