Cursor membuat kejutan pada 19 Maret 2026. Model Composer 2 terbaru mereka tidak hanya menyaingi Claude Opus 4.6 dan GPT-5.4 dalam tolok ukur pengkodean—tetapi mengalahkan keduanya.
Angka-angka ini menceritakan kisah yang mencolok: 61,7 pada Terminal-Bench 2.0. 73,7 pada SWE-bench Multilingual. Peningkatan 17 poin dari versi sebelumnya. Dan mereka membanderolnya sekitar sepertiga dari harga yang dikenakan oleh pesaing.
Jika klaim-klaim ini terbukti benar di bawah pengawasan independen, lanskap pengkodean AI baru saja bergeser di bawah kaki kita.
Berikut semua yang perlu Anda ketahui tentang Composer 2, mengapa tolok ukur ini penting, dan apa artinya ini bagi tumpukan pengembangan Anda.
Tolok Ukur yang Menjadi Perbincangan Semua Orang
Pengumuman Cursor berpusat pada tiga tolok ukur proprietary dan standar industri. Hasilnya menunjukkan Composer 2 unggul dari versi sebelumnya dan model-model frontier pesaing:
*Skor perbandingan perkiraan berdasarkan pengujian infrastruktur Cursor
Lompatan dari Composer 1.5 ke Composer 2 merepresentasikan peningkatan satu generasi terbesar yang pernah Cursor berikan. Tujuh belas poin pada CursorBench. Hampir 8 poin pada SWE-bench. Ini bukan peningkatan bertahap—ini adalah jenis lompatan yang biasanya Anda lihat sekali setiap beberapa tahun, bukan antara pembaruan versi minor.
Cursor mengaitkan peningkatan ini dengan proses pelatihan awal berkelanjutan (continued pretraining) pertama mereka. Ini menciptakan fondasi yang lebih kuat untuk pembelajaran penguatan (reinforcement learning) yang menyusul, memungkinkan model untuk menangani tugas pengkodean yang memerlukan ratusan tindakan berurutan tanpa kehilangan jejak konteks.
Strategi Harga yang Mengubah Segalanya
Kinerja tolok ukur menjadi berita utama. Harga memenangkan pasar.
Struktur harga Composer 2:
- Varian Standar: $0,50 per juta token masukan, $2,50 per juta token keluaran
- Varian Cepat: $1,50 per juta token masukan, $7,50 per juta token keluaran
Varian cepat memberikan kecerdasan yang identik dengan latensi yang lebih rendah. Cursor secara eksplisit memposisikannya lebih murah daripada model "cepat" pesaing sambil mempertahankan tingkat kinerja yang sama.
Sebagai konteks, berikut adalah perhitungan untuk tim yang menghasilkan 10 juta token keluaran setiap bulan:
| Model | Biaya Bulanan |
|---|---|
| Composer 2 | ~$25 |
| Claude Opus 4.6 | ~$75-150 |
| GPT-5.4 | ~$60-120 |
Ini adalah perbandingan perkiraan berdasarkan harga yang dipublikasikan dari Anthropic dan OpenAI. Biaya sebenarnya bervariasi berdasarkan pola penggunaan dan perjanjian perusahaan. Namun, arahnya jelas: Cursor memangkas harga pesaing dengan margin yang signifikan.
Membongkar Terminal-Bench 2.0
Terminal-Bench 2.0 bukan sekadar tolok ukur pengkodean lainnya. Ini menguji apakah AI dapat menyelesaikan tugas terminal dan pengkodean dunia nyata secara otonom—tanpa bimbingan langsung, tanpa panduan langkah demi langkah.
Tolok ukur ini dikelola oleh Laude Institute dan menggunakan alat evaluasi yang berbeda untuk keluarga model yang berbeda:
- Model Anthropic: Dievaluasi menggunakan alat Claude Code
- Model OpenAI: Dievaluasi menggunakan alat Simple Codex
- Model Cursor: Dievaluasi menggunakan kerangka evaluasi Harbor (alat resmi yang ditunjuk untuk Terminal-Bench 2.0)
Cursor menjalankan 5 iterasi per pasangan model-agen dan melaporkan skor rata-rata. Tolok ukur ini berfokus pada perilaku agen: dapatkah AI menavigasi basis kode yang tidak dikenal, menjalankan perintah terminal, men-debug kegagalan, dan menyelesaikan tugas multi-langkah tanpa intervensi manusia?
Skor 61,7 berarti Composer 2 berhasil menyelesaikan sekitar 62% dari tugas yang dicobanya. Angka itu mungkin tidak terdengar luar biasa sampai Anda membandingkannya dengan pesaing—dan dengan versi sebelumnya dari Composer itu sendiri.
SWE-bench Multilingual: Uji Coba Dunia Nyata
SWE-bench mengevaluasi kemampuan AI untuk menyelesaikan masalah GitHub yang sebenarnya di berbagai bahasa pemrograman. Ini bukan data uji sintetis. Ini adalah bug nyata, permintaan fitur nyata, dan basis kode nyata.
Skor 73,7 berarti Composer 2 berhasil menyelesaikan sekitar 74% dari masalah yang dicobanya. Sebagai perbandingan, Composer 1 mencetak 56,9% pada tolok ukur yang sama. Itu adalah peningkatan 17 poin dalam kemampuan model untuk memahami, memperbaiki, dan memverifikasi perubahan kode di dunia nyata.
Tolok ukur ini penting karena menguji penyelesaian masalah, bukan hanya penyelesaian kode. AI perlu:
- Mengurai deskripsi masalah (seringkali samar atau tidak lengkap)
- Menemukan file yang relevan di seluruh basis kode
- Memahami struktur kode yang ada
- Melakukan perbaikan yang ditargetkan tanpa merusak fungsionalitas lain
- Memverifikasi bahwa perubahan berfungsi sesuai yang dimaksudkan
Sebagian besar asisten pengkodean unggul pada langkah 4—menghasilkan potongan kode. Skor Composer 2 menunjukkan bahwa ia menjadi jauh lebih baik pada langkah 1, 2, 3, dan 5.
Bagaimana Cursor Membangun Model Pengalahkan Tolok Ukur
Kisah teknis di balik Composer 2 melibatkan dua fase kunci:
Fase 1: Pelatihan Awal Berkelanjutan (Continued Pretraining)
Cursor mengambil model dasar mereka dan terus melatihnya dengan data kode tambahan. Ini tidak sama dengan pelatihan awal (pretraining) yang menciptakan model dasar. Sebaliknya, ini adalah proses penyempurnaan yang ditargetkan yang memperkuat pemahaman model tentang pola kode, API, dan alur kerja pengembangan.
Bayangkan seperti residensi medis. Model tersebut sudah memiliki gelar MD (pelatihan awal dasar). Pelatihan awal berkelanjutan adalah fellowship khusus yang membuatnya menjadi ahli dalam satu domain.
Fase 2: Pembelajaran Penguatan (Reinforcement Learning) pada Tugas Berjangka Panjang
Dari fondasi yang diperkuat, Cursor menerapkan pembelajaran penguatan secara khusus pada tugas pengkodean berjangka panjang. Ini adalah tugas yang memerlukan ratusan tindakan berurutan—merefaktor modul besar, memigrasikan seluruh basis kode ke API baru, atau men-debug masalah integrasi yang kompleks.
Proses pembelajaran penguatan bekerja seperti ini:
- Model mencoba tugas berjangka panjang
- Ia menerima umpan balik apakah tugas tersebut berhasil
- Melalui ribuan iterasi, ia mempelajari urutan tindakan mana yang mengarah pada keberhasilan
Pendekatan ini mencerminkan bagaimana Anthropic dan OpenAI telah membahas pengembangan model mereka sendiri. Perbedaannya: Cursor melatih secara khusus pada tugas pengkodean dengan urutan tindakan yang diperpanjang, bukan penalaran umum atau interaksi obrolan.
tombol
Apa Artinya Ini bagi Tim Pengembangan
Jika Composer 2 memenuhi klaim tolok ukur ini dalam penggunaan sehari-hari, beberapa pergeseran kemungkinan akan terjadi di seluruh industri.
1. Konsolidasi Alat Pengkodean AI
Banyak tim saat ini menggunakan beberapa alat AI—satu untuk penyelesaian kode, satu lagi untuk refactoring, satu lagi untuk debugging, satu lagi untuk tinjauan kode. Kinerja tolok ukur Composer 2 menunjukkan bahwa ia dapat menangani semua tugas ini pada tingkat terdepan.
Harapkan tim untuk berkonsolidasi pada lebih sedikit alat. Beban kognitif dari perpindahan konteks antar asisten AI yang berbeda akan bertambah. Sebuah model tunggal yang berkinerja baik di semua tugas akan mengurangi gesekan tersebut.
2. Biaya Menjadi Faktor Penentu Utama
Dengan harga $0,50 per juta token masukan, Composer 2 menetapkan harga di bawah sebagian besar solusi pengkodean AI perusahaan. Untuk tim bervolume tinggi—mereka yang menghasilkan jutaan token setiap hari—penetapan harga ini dapat mengalihkan keputusan dari pemain lama.
Varian cepat menambahkan dimensi lain. Tim yang membutuhkan respons latensi rendah (pemrograman pasangan, tinjauan kode real-time) dapat membayar lebih untuk kecepatan. Tim yang memprioritaskan biaya daripada latensi dapat menggunakan varian standar. Keduanya mendapatkan kecerdasan dasar yang sama.
3. Skeptisisme Tolok Ukur Tetap Sehat
Metodologi tolok ukur Cursor mencakup detail penting: mereka mengambil "skor maksimum antara skor papan peringkat resmi dan skor yang tercatat berjalan di infrastruktur kami" untuk model non-Composer.
Pendekatan ini memiliki pembenaran yang masuk akal—perbedaan infrastruktur dapat memengaruhi skor. Namun, ini juga berarti perbandingan Cursor belum divalidasi secara independen. Tim harus menguji Composer 2 pada basis kode mereka yang sebenarnya sebelum membuat keputusan di seluruh perusahaan.
Tolok ukur memandu keputusan. Pengujian dunia nyata mengkonfirmasinya.
Respons Kompetitif yang Tidak Dibicarakan Siapa Pun
Ketika satu pemain menggeser pasar, pemain lain merespons. Pengumuman Cursor memberikan tekanan pada tiga kelompok:
Anthropic membangun reputasi pengembang mereka berdasarkan kemampuan pengkodean Claude. Composer 2 yang mengalahkan Opus 4.6 pada tolok ukur pengkodean menantang posisi tersebut. Harapkan Anthropic untuk merilis tolok ukur yang diperbarui atau mengumumkan peningkatan fokus pengkodean mereka sendiri.
OpenAI menghadapi kritik tentang kinerja pengkodean GPT-5.4 relatif terhadap pendahulunya. Peningkatan Composer 2 memperluas tekanan. OpenAI dapat mempercepat pengembangan model pengkodean mereka sendiri atau menyesuaikan harga untuk tetap kompetitif.
GitHub Copilot dan alat terintegrasi IDE lainnya menghadapi tantangan yang berbeda. Cursor bukan hanya sebuah model—ia adalah sebuah IDE dengan asisten AI yang terintegrasi erat. Kombinasi kinerja model dan integrasi IDE menciptakan keunggulan yang tidak mudah dilewati oleh penyedia API murni.
Posisi Apidog dalam Revolusi Pengkodean AI
Alat pengkodean AI seperti Cursor unggul dalam menghasilkan dan memodifikasi kode. Menulis fungsi, merefaktor modul, men-debug tes yang gagal—Composer 2 menangani tugas-tugas ini dengan baik.
Namun, pengembangan API memerlukan lebih dari sekadar pembuatan kode. Ini menuntut alur kerja pengujian, debugging, mocking, dan dokumentasi yang melampaui apa yang disediakan oleh asisten AI.
Apidog menangani seluruh siklus hidup API:
- Desain API: Desainer visual dengan dukungan OpenAPI dan penerapan versi berbasis cabang. Rancang API Anda sebelum menulis kode implementasi.
- Pengujian: Skenario pengujian otomatis dengan pernyataan visual dan integrasi CI/CD. Tangkap regresi sebelum mencapai produksi.
- Debugging: Alat debugging visual yang menunjukkan aliran permintaan dan respons secara real-time. Lihat dengan tepat apa yang terjadi di seluruh panggilan API Anda.
- Mocking: Server mock cerdas dengan respons dinamis, tidak memerlukan kode. Membuka blokir pengembangan frontend sebelum backend siap.
- Dokumentasi: Dokumen yang dibuat secara otomatis, dapat disesuaikan dengan dukungan domain kustom. Pastikan dokumentasi sinkron dengan perilaku API Anda yang sebenarnya.
Tim yang menggunakan Cursor untuk pembuatan kode dapat menggabungkannya dengan Apidog untuk manajemen alur kerja API. AI menulis kode. Apidog memastikan API berfungsi sebagaimana mestinya, tetap teruji, dan terdokumentasi.
Intinya
Cursor Composer 2 merepresentasikan lompatan signifikan dalam kemampuan pengkodean AI. Peningkatan tolok ukur sangat substansial. Harga yang ditawarkan agresif. Implikasi bagi tim pengembangan adalah nyata.
Namun tolok ukur tidak mengirimkan kode. Tim harus menguji Composer 2 pada basis kode mereka yang sebenarnya, dengan alur kerja mereka yang sebenarnya, sebelum membuat keputusan. Model yang menang di atas kertas tidak selalu menang dalam praktik.
TL;DR (Ringkasan)
- Composer 2 mencetak 61,7 pada Terminal-Bench 2.0 dan 73,7 pada SWE-bench Multilingual—mengungguli Claude Opus 4.6 dan GPT-5.4 dalam evaluasi Cursor
- Harga dimulai dari $0,50 per juta token masukan—kira-kira sepertiga dari model-model frontier pesaing
- Peningkatan berasal dari pelatihan awal berkelanjutan (continued pretraining) ditambah pembelajaran penguatan (reinforcement learning) pada tugas pengkodean berjangka panjang
- Varian cepat tersedia dengan harga $1,50 per juta token masukan dengan kecerdasan identik, latensi lebih rendah
- Validasi independen penting—uji pada basis kode Anda sebelum adopsi perusahaan
- Apidog melengkapi alat pengkodean AI dengan menangani pengujian, debugging, mocking, dan dokumentasi API
FAQ (Pertanyaan yang Sering Diajukan)
Apakah Composer 2 benar-benar lebih baik dari Claude Opus 4.6 untuk pengkodean?
Tolok ukur Cursor menunjukkan Composer 2 mengungguli Opus 4.6 pada Terminal-Bench 2.0 dan SWE-bench Multilingual. Selisihnya: sekitar 2-3 poin pada setiap tolok ukur. Ini adalah perbedaan yang berarti, tetapi tidak luar biasa.
Kinerja di dunia nyata tergantung pada kasus penggunaan spesifik Anda. Penyelesaian kode, refactoring, debugging, dan keputusan arsitektur semuanya menguji kemampuan yang berbeda. Model yang menang dalam tolok ukur mungkin tidak menang pada basis kode Anda.
Uji kedua alat pada pekerjaan Anda yang sebenarnya sebelum membuat keputusan.
Apa perbedaan antara varian standar dan cepat Composer 2?
Kedua varian memiliki kecerdasan dan skor tolok ukur yang identik. Varian cepat menukarkan biaya yang lebih tinggi untuk latensi yang lebih rendah—lebih banyak token per detik, respons lebih cepat.
Cursor melaporkan metrik kecepatan dari cuplikan lalu lintas 18 Maret 2026, dinormalisasi untuk memperhitungkan perbedaan ukuran token di berbagai penyedia. Token Anthropic sekitar 15 persen lebih kecil, jadi Cursor menyesuaikan perbandingan tersebut.
Tim yang memprioritaskan interaksi real-time (pemrograman pasangan, tinjauan kode langsung) harus mempertimbangkan varian cepat. Tim yang memprioritaskan biaya harus menggunakan Composer 2 standar.
Bagaimana harga Composer 2 dibandingkan dengan pesaing?
Dengan harga $0,50 per juta token masukan dan $2,50 per juta token keluaran, Composer 2 memangkas harga sebagian besar solusi pengkodean AI perusahaan.
Untuk perbandingan kasar:
- Anthropic Claude Opus 4.6: Sekitar $1,50-3,00 per juta token masukan, $7,50-15,00 per juta token keluaran (bervariasi berdasarkan tingkatan)
- OpenAI GPT-5.4: Sekitar $1,00-2,00 per juta token masukan, $5,00-10,00 per juta token keluaran (bervariasi berdasarkan tingkatan)
Tim dengan penggunaan tinggi harus menghitung total biaya berdasarkan pola konsumsi token spesifik mereka. Beban kerja yang banyak masukan (analisis basis kode besar) lebih diuntungkan dari harga masukan Composer 2. Beban kerja yang banyak keluaran (pembuatan kode) diuntungkan dari harga masukan dan keluaran.
Haruskah saya beralih dari alat pengkodean AI saya saat ini?
Jika Anda sudah produktif dengan alat lain, peningkatan tolok ukur saja mungkin tidak membenarkan peralihan. Pertimbangkan:
- Integrasi alur kerja saat ini: Seberapa dalam alat Anda yang ada terintegrasi dalam alur kerja Anda?
- Kelebihan tim: Seberapa banyak pengetahuan institusional yang telah dibangun tim Anda seputar alat Anda saat ini?
- Kesenjangan kinerja spesifik: Adakah tugas di mana alat Anda saat ini secara konsisten kurang memadai?
- Total biaya pada volume penggunaan Anda: Berapa perbedaan pengeluaran bulanan yang sebenarnya?
Uji Composer 2 pada basis kode Anda yang sebenarnya selama seminggu. Bandingkan langsung dengan alat Anda saat ini pada tugas yang Anda lakukan setiap hari. Biarkan kinerja dunia nyata mendorong keputusan.
Bisakah saya menggunakan Cursor dan Apidog secara bersamaan?
Ya. Cursor menangani pembuatan dan modifikasi kode dengan bantuan AI. Apidog mengelola siklus hidup pengembangan API—desain, pengujian, debugging, mocking, dan dokumentasi.
Alur kerja umum:
- Gunakan Cursor untuk menghasilkan kode endpoint API
- Impor definisi API ke Apidog
- Gunakan Apidog untuk merancang skenario pengujian dan menjalankan tes otomatis
- Debug masalah apa pun menggunakan alat debugging visual Apidog
- Hasilkan dan publikasikan dokumentasi dari Apidog
Tim sering menggunakan alat AI untuk pembuatan kode, lalu mengandalkan Apidog untuk memvalidasi, menguji, dan mendokumentasikan API yang dihasilkan.
Apa kendalanya? Mengapa Composer 2 jauh lebih murah?
Tidak ada kendala yang jelas. Cursor tampaknya sedang mengejar strategi perebutan pasar: mendapatkan pangsa pasar melalui penetapan harga yang agresif selagi keunggulan teknis mereka bertahan.
Strategi ini masuk akal karena beberapa alasan:
- Integrasi vertikal: Cursor mengontrol IDE dan model, mengurangi ketergantungan pada API pihak ketiga
- Data penggunaan: Lebih banyak pengguna berarti lebih banyak data untuk meningkatkan model di masa depan
- Potensi penguncian (Lock-in): Tim yang membangun alur kerja di sekitar Cursor cenderung tidak akan beralih ketika pesaing merespons
Harga tidak akan bertahan selamanya. Pesaing akan merespons. Namun untuk saat ini, para pengguna awal dapat memperoleh penghematan biaya yang signifikan.
Bagaimana saya memverifikasi klaim tolok ukur Cursor secara independen?
Terminal-Bench 2.0 memelihara papan peringkat publik di situs web resmi mereka. Anda dapat membandingkan skor yang dilaporkan Cursor dengan model lain.
Untuk validasi independen:
- Periksa papan peringkat Terminal-Bench 2.0 untuk skor resmi
- Tinjau dokumentasi metodologi Laude Institute
- Uji Composer 2 pada basis kode Anda sendiri dengan kriteria evaluasi Anda sendiri
Tolok ukur memandu keputusan. Pengujian dunia nyata mengkonfirmasinya.