BestBlogs.dev📌 一句话摘要
Cursor 通过训练好的分类器根据查询内容、上下文、任务复杂度和领域自动选择模型，实现前沿质量并大幅降低成本。
📝 详细摘要
Cursor 团队观察到约 60% 的开发者只固定使用一个“主力模型”，于是推出「Cursor Router」：一个训练好的分类器替开发者选模型，在保持前沿模型质量的同时将成本降低 30–60%。路由器的训练数据来源于 60 万+ 条线上真实请求，并在数百万条线上请求的 A/B 测试中验证，优化目标为用户满意度（AFC）。路由依据四个维度：查询内容、上下文、任务复杂度、领域，并结合 Cursor 对各模型行为特征的了解，例如简单任务给性价比模型、UI 修改给“审美最好”的模型、复杂长程问题给前沿推理模型。特别的是缓存感知（cache-aware）设计：在训练数据中已包含路由导致 prompt cache 未命中的场景，报告的成本节省已计入此成本，使数据更可信。为快速模型迭代而设计，分类器架构便于在新模型发布后快速纳入路由池。 Intelligence 模式用户满意度接近 Fable 5，成本低约 60%；与 Opus 4.8 成本相近时满意度反而高约 15%；Balance 模式满意度高于 Opus 4.8，成本低约 36%。单次 commit 成本：Intelligence $6.76、Balance $4.63，对比 Fable 5 的 $12.69 和 Opus 4.8 的 $7.34。企业早期客户（数千用户规模的三个高用量账户）相比全量走 Opus 4.8，节省 30–50% 且质量无下降。Cursor 放弃离线评测，改用用户满意度和 Keep rate 两个线上指标评估模型发布。产品面向 Teams/Enterprise，提供 Auto、Intelligence/Balance/Cost 三档选择，管理员可按团队分级开启、限定成员可选的模式、设置默认档位、允许或屏蔽特定模型，覆盖桌面端、Web、iOS、CLI 和 SDK。此外，Dynamic tool calling 与模型池两端拉升（Grok 4.5 抬高上限，Composer 改进日常路径）进一步压缩固定 token 开销。