Beobachtetes Signal · 27. Mai 2026 · Technical Release · Quelle: DEV Community · Relevanz: 3/5 · Sentiment: Positiv
Cursor und Fireworks stellen technologische Details zu Composer 2 vor
Ein DEV-Community-Beitrag fasst einen Sequoia-Capital-Podcast mit Federico Cassano (Cursor) und Dmytro Dzhulgakov (Fireworks) über Composer 2 zusammen, ein auf Code spezialisiertes Modell. Composer 2 wurde durch fortgesetztes Vortraining auf einem Kimi-2.5-MoE-Basismodell und groß angelegtes Reinforcement Learning in der Sandbox von Cursor entwickelt. Die Ingenieure implementierten asynchrone Pipelines zur Maximierung der GPU-Auslastung, globale verteilte Inferenz mit inkrementellen Gewichtsübertragungen per 'Delta Sync', GPU-Kernel-Korrekturen zur Behebung numerischer MoE-Abweichungen sowie ein durch Nutzerfeedback angetriebenes Online-RL in Echtzeit. Zudem bewältigt das Modell sehr große Kontexte durch Selbstzusammenfassung und bietet signifikante Vorteile bei Inferenzkosten und Latenz im Vergleich zu größeren Generalistenmodellen.
Beschreibt konkrete Engineering-Muster wie asynchrones RL und globale inkrementelle Gewichtssynchronisation, die Kosten und Latenz für spezialisierte LLMs senken und für produktive ML/LLM-Infrastrukturen hochrelevant sind.
Marktsignale zu Sequoia Capital in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Sequoia Capital hostete einen Podcast mit Federico Cassano (Cursor) und Dmytro Dzhulgakov (Fireworks) über Composer 2.
- Composer 2 basiert auf dem Vortraining eines code-lastigen Kimi-2.5-MoE-Modells mit rund einer Billion Parametern.
- Das Training kombinierte Mid-Training auf Code-Token und groß angelegtes Reinforcement Learning in einer sicheren Sandbox.
- Eine inkrementelle Gewichtsübertragung ('Delta Sync') reduzierte die Transfergröße um das 20-fache und ermöglichte weltweite Syncs in unter einer Minute.
- Custom GPU-Kernels und eine 'Router Replay'-Technik wurden entwickelt, um numerische Inkonsistenzen im sparse MoE-Routing zu lösen.
Verknüpfte Unternehmen
4 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Cursor Admits Composer 2 Built on Moonshot AI’s Kimi
Cursor launched a new AI coding model called Composer 2 but faced scrutiny after an X user (Fynn) and code evidence suggested the model was effectively built on top of Moonshot AI’s open-source Kimi 2.5. Cursor VP of developer education Lee Robinson acknowledged Composer 2 “started from an open-source base,” saying roughly one quarter of the compute used for the final model came from that base and the remainder from Cursor’s own training, and that Composer 2 performs differently on benchmarks. The Kimi account and Moonshot‑linked posts said Cursor’s use was part of an authorized commercial partnership involving Fireworks AI. Cursor co‑founder Aman Sanger called it an omission not to cite Kimi in the initial announcement and said the company will correct that in future disclosures.
Cursor Composer 2 Kimi K2.5 Transparency Controversy
Cursor shipped Composer 2 on March 19. Three days later a developer discovered the string kimi-k2p5-rl-0317-s515-fast in the product's API configuration, revealing that Composer 2 is built on Moonshot AI’s open-source Kimi K2.5 Mixture-of-Experts (MoE) model. The discovery sparked questions about transparency and open-source ethics. The author reports benchmark and cost comparisons: CursorBench scored Composer 2 at 61.3 with a small Terminal-Bench gap vs Claude (3.7 points); Composer 2’s input-token price is cited at $0.50/M making it ~30× cheaper than Opus 4.6 in the author’s comparison. The piece also disputes Cursor’s claim that “75% of compute was ours” and notes common developer workflows split work between Cursor (≈80%) and Claude Code (≈20%).
Cursor's Composer 2.5 Fast Outperforms Composer 2.5
Cursor released Composer 2.5 and Composer 2.5 Fast. An independent benchmark across 11 engineering skills (5 scenarios per skill, averaged over three judges) found Composer 2.5 Fast scored 92.7% with skill context versus 92.1% for Composer 2.5, completed scenarios in 59s on average versus 87s for the regular model (≈32% faster), and carries the same marginal cost under Cursor’s subscription. Both 2.5 variants outperform gpt-5.5, gpt-5.4 and Composer 2 in this evaluation. Per-skill results vary (e.g., fast wins documentation and linting; regular wins fastify, oauth, typescript), and the authors note a typescript-specific regression when using skill context.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.