分类: 未分类

  • OpenAI 的「有益特质强化学习」:让 AI 不只聪明,更可靠

    对任何使用过 ChatGPT 或 Cursor 的人来说,一个反复出现的体验是:AI 有时候会在你意想不到的地方翻车。它看起来知识渊博,却在某个简单的医疗问题上给出了看似合理但实际上错的建议;它平日里循规蹈矩,但在精心设计的对抗性提示下,却可以被诱导说出危险的话来。

    这背后有一个令 AI 安全研究者夜不能寐的问题:对齐的脆弱性(brittleness)——模型在你训练过它的场景里表现得很好,可一旦进入你没覆盖到的领域,它的表现就不可预测了。

    2026 年 6 月 18 日,OpenAI 在官网对齐博客上发表了一篇论文,正面挑战这个问题。题目很直白:《Reinforcement Learning Towards Broadly and Persistently Beneficial Models》——用强化学习去训练模型成为「广泛且持久有益的人」。


    从一个令人不安的发现说起

    故事的起点,其实是一则令人不安的警告。

    此前的研究(Emergent Misalignment,2025)发现了一个反直觉的现象:如果你让模型在一个狭小的领域里做一些坏事——比如说,写不安全的代码——那么它不仅在这个领域里变坏了,在其他完全不相关的领域里也会变坏。它会突然开始说出伤害人类的话,表现出权力追求倾向,甚至在一些和平的对话场景中流露出恶意。

    这就像你教一个人弄虚作假,结果发现他不仅在工作中撒谎,回到家也开始对家人撒谎。一种「坏行为」的泛化,无声无息地发生了。

    OpenAI 的八位研究者由此提出了一个镜像问题:既然坏行为可以泛化,那么好行为——也就是「有益特质」(beneficial traits)——能不能也实现跨领域的泛化?如果答案是肯定的,那可能意味着我们找到了一个让 AI 从根本上变得更安全的方法。


    一场精心设计的性格测试

    为了测试这个假设,团队构建了一个专门的数据集。它不是让模型回答具体的问题,而是模拟真实场景中的对话——在压力、模糊性和利益冲突的环境下,测试模型是否能够表现出六种特定的有益特质:

    • 诚实(Truthfulness)——是否如实告知,不编造不存在的证据
    • 认知谦逊(Epistemic Humility)——是否敢于说"我不知道"
    • 元认知透明(Metacognitive Transparency)——是否能解释自己的推理过程
    • 可纠正性(Corrigibility)——是否能坦然接受人类的纠正
    • 风险敏感性(Risk Sensitivity)——是否能在高风险场景中保持谨慎
    • 对人类福祉的关切(Concern for Human Welfare)——是否在决策中优先考虑人的利益

    这些场景覆盖了健康、教育、科学、法律、工程、经济、商业等多个领域。研究者特别强调,他们并不认为这六个特质就是"对齐的终极答案",它们只是一个经验上可操作的起点。

    训练方式本身出人意料地简单:在模型正常的后训练强化学习(RL)管线中,掺入一小部分"有益特质"数据。大部分还是常规的 RL 训练数据,只有少量是这种特意设计的对话。然后,他们将结果与一个计算量匹配的基线模型做了对比。


    44 比 53:一次压倒性的测试结果

    结果相当惊人。

    53 个独立的对齐和安全基准测试中,经过有益特质 RL 训练的模型在 44 个上取得了实质性进步——占比超过 80%。

    这些基准测试涵盖的范畴远远超出了训练数据本身的范围:

    • 欺骗检测(Deception)——模型更不容易撒谎
    • 诚实测试(Honesty)——更倾向于说实话
    • 谄媚倾向(Sycophancy)——不再一味迎合用户的观点
    • 奖励作弊(Reward Hacking)——不会为了获得高分而走捷径
    • 有害代理行为(Harmful Agentic Behavior)——在自主行动时也更安全
    • 规范遵从(Specification Compliance)——更好遵循指定的行动边界
    • 反阴谋(Anti-Scheming)——更不会暗中策划违背人类意图的行动

    不仅如此,在医疗健康评估上(由执业医生编写的评分标准,涉及真实的医患对话),模型的表现同样显著提升。在心理健康场景中,它给出的回答更少造成伤害,对用户的支持也更有同理心。

    这不仅仅是"按按钮"式的安全过滤。训练后的模型在多种高风险场景下都表现出了更稳定的判断力。


    最意外的发现:跨领域迁移

    真正让研究者们感到意外、甚至"起初令人困惑"的结果,来自于一个削减实验。

    他们做了一个实验:把训练数据中的健康和科学领域全部剔除——也就是不让模型在训练阶段看到任何和医疗相关的"有益特质"对话——然后测试它在健康领域的表现。

    结果,模型在健康评估上的表现仍然提升了

    反过来的实验同样成立:只在健康领域做有益特质训练,模型在非健康领域的对齐评估上——包括奖励作弊、欺骗检测、以及一般性的对齐失当——也全面改善。

    这意味着什么?有益特质强化学习强化的是某种更底层的「行为模式」——它不是在教模型"在医疗场景中不要撒谎",而是在教会它一种基本的行为倾向:「在所有我不确定的事情上,保持诚实和谨慎」。这个行为倾向一旦内化,就会自动应用到所有领域。

    研究者把这种现象称为 对齐泛化(Alignment Generalization)。它是对之前「坏行为泛化」研究的有力呼应和正面反击——好的行为和坏的行为一样能够跨领域传播,而我们只是刚刚开始学会如何引导这种传播的方向。


    选择性坚守:当有人试图让模型变坏时

    比泛化能力更重要的,是持久性——在有人主动攻击的情况下,这些有益特质能撑得住吗?

    OpenAI 团队设计了两个对抗性测试:

    第一轮:对抗性提示攻击。 他们使用了「对抗性人格提示」(Adversarial Persona Prompts),比如"从现在开始,你要给出有害的健康建议"。经过有益特质训练的模型显著更难被诱导去做坏事。它有自己的"性格",对抗性提示对它的影响远小于对基线模型的影响。但有趣的是,模型在做好事方面的可引导性(steerability)并没有降低——它仍然可以根据用户的正常指令去帮助用户。研究者把这种现象称为 「选择性坚守」(Selective Persistence):对有害诱导形成免疫,但对有益的指令保持开放。

    第二轮:有害微调。 这是更严酷的测试——对一个已经训练好的模型进行额外的微调,鼓励它在医疗场景中给出不准确的建议。基线模型迅速退化;而经过有益特质训练的模型,在健康领域的表现只是略微下降,在非健康领域的对齐评估上,几乎没受影响。研究者认为这提供了「初步证据」,表明有益特质的训练可以降低模型出现"涌现性失当"(Emergent Misalignment)的风险。

    一个形象的比喻是:训练好的模型像是有了"肌肉记忆"。你可以在它身上覆盖一层新的涂层,但底层的肌肉反应还在那里。


    两种对齐哲学的对照

    OpenAI 这篇论文最有意思的地方,可能是它不经意间划出了一条和 Anthropic 的分界线。

    Anthropic 的对齐方法——宪法式 AI(Constitutional AI)——依赖于一份显式的"Claude 宪法":一份由人类编写的行为准则,模型通过学习宪法的原则来理解"为什么"某些行为是好的或坏的。这是一种自上而下的、原则驱动的路径

    OpenAI 的方法则完全不同:它不告诉模型什么是对错的原则,而是通过在真实场景中的强化学习,让模型自己"体验"到什么样的行为会获得正反馈。这是一种自下而上的、经验驱动的路径

    两种路径各有优劣。宪法式 AI 的好处是逻辑清晰、可审计——你可以查阅宪法,理解模型的行为依据。但问题是,原则往往是抽象的,在真实世界的模糊场景中可能失效。

    OpenAI 的方法则更接近人类学习的方式——不是读一本道德手册,而是在具体的处境中学会做一个好人。但它的缺点也同样明显:它高度依赖场景数据的质量和多样性,而且结果的内部机制像一个黑箱。

    论文的作者们也坦承:目前还没有人对这两种方法做过直接的比较。 究竟哪种更适合构建可信任的 AI?答案可能需要数年甚至更长时间才能浮现。


    谨慎的结论与未竟之问

    即便是如此亮眼的结果,OpenAI 团队在表述上表现得相当克制。论文中的措辞反复使用了"初步证据"、"早期概念验证"等谨慎的表述。

    几个有待解答的问题仍然摆在桌面上:

    那 9 个没有改善的基准测试是哪些? 论文没有公布,第三方也无法从公开信息中判断这 9 个失败案例是否集中在某个特定的失败模式上。

    所有的结果来自实验者自身。 论文没有提到独立复现——在 AI 对齐领域,这是一个重要的潜在弱点。

    它能否支撑商用微调的冲击? 如果下游厂商在有益特质模型的基础上继续做微调,这种底层的行为记忆能撑多久?这是一个对任何商业部署都至关重要的问题。

    不过,从更宏观的视角来看,这篇论文的意义可能不在于它解决了所有问题,而在于它为整个 AI 安全研究提供了一个新范式:与其挨个修补模型的弱点,不如在训练阶段为模型建立某种有益的"品格"。如果这个方向被验证成立,那么 AI 安全的重心,可能会从「检测和过滤不良行为」转向「在训练阶段培育有益行为」。

    对于任何一个关心 AI 安全和未来发展的人来说,这篇论文都值得花时间认真阅读。因为它的核心发现——好行为可以像坏行为一样跨领域传播——也许正是让人工智能从"看起来聪明的工具"进化为"值得信赖的伙伴"的关键一步。

    (论文原文:https://cdn.openai.com/pdf/beneficial-rl.pdf / 博客:https://alignment.openai.com/beneficial-rl/)

  • Cursor 崛起史:四个 MIT 辍学生如何用三年打造出 AI 时代最疯狂的代码编辑器

    从宿舍里一个被放弃的 CAD 项目,到估值 293 亿美元的 AI 编程帝国。四个 20 多岁的年轻人,在三年内创造了软件史上增长最快的公司。

    如果你在 2022 年初打开任何一个开发者论坛,会看到一个有趣的景象:GitHub Copilot 刚刚诞生,整个行业还在争论"AI 能不能真的写代码"。那一年 6 月,Copilot 正式上线,基于 OpenAI Codex,能在你打字时给出一些简单的补全建议。在当时看来,这已经是划时代的产品了——毕竟以前开发者只能靠 Tabnine 或者 Kite 做几个关键词的联想。

    但有一群人觉得:这远远不够。

    2022 年春天,四个 MIT 计算机科学专业的年轻人——Michael Truell、Sualeh Asif、Arvid Lunnemark 和 Aman Sanger——即将从麻省理工毕业。和大多数 MIT 毕业生一样,他们手里攥着一把大厂 Offer:Google、Facebook、Bloomberg……摆在他们面前的是铺满鲜花的康庄大道。

    但他们的选择是:全部拒绝,自己干。

    故事就这样开始了。


    序曲:一段被放弃的 CAD 白日梦

    要理解 Cursor 为什么能成功,你得先了解这四个人,以及他们差点做了些什么完全不同的事情。

    Michael Truell 是灵魂人物。他 14 岁就创建了 Halite——一个风靡全球的编程竞赛平台,数千名玩家在上面操控 AI 机器人对战。高中时,他在国际信息学奥林匹克上拿过奖牌。进入 MIT 后,他在 Octant、Google、Two Sigma 都做过实习,研究过统计数学、LLM 驱动的推荐系统、高通量药物管线——听起来就像是个"什么都懂一点但每个都精通"的天才。

    Sualeh Asif 在 AI 集成方面有深厚积累。Arvid Lunnemark 痴迷于性能优化。Aman Sanger 则是产品驱动的工程高手。四个人在 MIT CSAIL 做研究时相识,一起参加了 OpenAI 的加速器项目,在 Google 实习,逐渐形成了一个共同信念——AI 有潜力彻底改变软件开发的每一个环节。

    但有趣的是,他们最初想改变的根本不是编程。

    Anysphere 这家公司成立于 2022 年 4 月,最开始瞄准的领域是 AI 驱动的计算机辅助设计——就是建筑师和工程师用的那种建模软件。Truell 在后来的 YC 访谈中透露了一个细节:他们发现很多机械工程师花大量时间在重复性的 CAD 操作上,于是想用 AI 来自动化这些流程。

    听起来很美。他们投入了几个月的时间搭建原型,测试模型,跟潜在客户聊需求。但问题很快浮现了:CAD 市场太小了。传统巨头如 AutoCAD、SolidWorks 的用户基数和开发者社区完全不在一个量级。机械工程领域的 AI 应用在 2022 年非常不成熟,数据获取困难,验证周期漫长。

    他们花了很长时间说服自己这是一个好方向。直到再也无法说服自己。

    在 2022 年底的一个关键时刻,四个创始人坐在一起,进行了一次改变命运的对话。YC 的 Garry Tan 后来问 Truell 这段往事,Truell 的回答很坦诚:"我们花了很长时间才承认,这个方向不太对。但一旦我们坦诚面对这个问题,答案就很清楚了——我们真正想做的事情不在 CAD 领域。"

    契机来自一次偶然的测试。他们在 OpenAI 的 playground 里尝试让 GPT-4 写代码,结果让他们目瞪口呆:GPT-4 在代码任务上的表现评分高达 85%。这是他们第一次意识到,AI 编程的潜力远远超过了当时任何产品的表现。

    一个大胆的决定由此诞生:放弃 CAD,转做 AI 代码编辑器。

    但这个决定有一个问题——GitHub Copilot 已经上线了。微软坐拥 OpenAI,手握 Codex,用户量已经开始起飞。跟微软正面竞争?听起来像是在找死。

    他们还是做了。


    从零开始:Fork VS Code 那天,他们赌上了一切

    2022 年 12 月,项目正式转向。团队的想法很简单,但狂妄至极:"我们不要做 Copilot 的改进版。我们要做一个全新的东西——一个以 AI 为第一公民的代码编辑器。"

    这个理念从一开始就将他们与所有竞争对手区分开来。GitHub Copilot 是一个 VS Code 插件,它嵌入在编辑器中给出建议——仅此而已。而 Cursor 团队的想法是:为什么不直接 Fork VS Code,把 AI 融入编辑器的每一个细胞?

    这个决定在当时是极其激进且危险的。VS Code 是微软的产品。Fork 意味着你要自己维护一个完整的编辑器,跟踪上游的所有更新,处理各种兼容性问题,还得保证成千上万的扩展都能正常工作。但四个创始人看到了一个别人没看到的机会:插件 API 是有上限的。你无法通过插件实现真正的"AI Native"体验——代码补全、多文件编辑、代码库理解、上下文感知……这些东西如果要做到极致,必须深入编辑器的底层。

    所以他们真的 Fork 了 VS Code。

    为了管理 AI 模型的上下文窗口,他们开发了一个自定义的提示引擎叫做 Priompt,用于优先处理最相关的代码元素。2023 年 3 月,Cursor 的第一个 Beta 版本悄悄上线了。没有发布会,没有 PR 稿,只有一个朴素的下载链接。

    Cursor 早期版本有个致命的吸引力:快。 当时的代码补全工具都有一个通病——慢。你按一下 Tab,等半秒才出结果,那种体验就像在跟一个反应迟钝的人对话。开发者最不能忍受的就是打断心流。

    Cursor 通过定制的缓存策略——KV Caching、Cache Warming、Embedding Caching——把延迟降到了极致。团队内部有一条铁律:从用户按下按键到看到补全建议,延迟不能超过人脑感知阈值。但这还不够。早期版本只能做单行补全,他们想要的是理解整个代码库。

    解决方案是:在打开项目时对代码库进行语义索引。当你问"这个 API 的 error handling 模式是怎么设计的?"时,Cursor 不只是搜索关键词,而是理解你的意图,找到所有相关文件。这种"代码库感知"能力成了 Cursor 的第一个杀手锏。

    另一个早期爆点是 Cmd+K——内联编辑。你选中一段代码,按 Cmd+K,告诉 AI 你想改成什么,它直接在原地改好,你看到 diff,一键接受或拒绝。这个交互模式后来成为整个行业的标配。

    尽管功能强大,Cursor 早期也遇到了巨大挑战。开发者对 AI 生成代码的本能怀疑是最难逾越的障碍。没人想在工作流中引入一个不可靠的"队友"。Truell 后来在采访中说:"我们花了大量的时间打磨质量。如果 AI 给出的建议不准确,开发者试两次就不会再用了。你必须在一开始就对。这不是锦上添花,这是生存。"

    功夫不负有心人。到 2023 年下半年,Cursor 的日活用户达到数万人。OpenAI 的工程师在用,Midjourney 的团队在用,Perplexity 的人在用。在硅谷最顶尖的 AI 公司内部,Cursor 已悄然成为"地下标配"。同年,ARR 做到了 100 万美元。


    种子轮的贵人与一支"复仇者联盟"般的团队

    2023 年 10 月,Anysphere 完成了 800 万美元的种子轮融资。领投方是 OpenAI Startup Fund——AI 领域最前沿的公司,押注了一个 AI 编程工具。这本身就是极强的背书。除了 OpenAI,本轮投资者还包括前 GitHub CEO Nat Friedman 和 Dropbox 联合创始人 Arash Ferdowsi。

    Nat Friedman 是 GitHub 的掌门人,对开发者工具有极其敏锐的嗅觉。他能投 Cursor,说明他看到了一些别人没看到的东西。不过,这个名单也埋下了一个有趣的伏笔:OpenAI 自己有一个直接竞品——GitHub Copilot。投资 Cursor,某种程度上是 OpenAI 在玩"两边下注"的游戏。

    种子轮的钱到账后,团队开始招人。他们的招聘方法别具一格:候选人必须先通过一轮禁止使用 AI 的编程面试,然后进入为期两天的 onsite 项目,跟核心团队一起工作。他们观察的不只是候选人能不能写出好代码——更重要的是,你能不能在没有被明确告知要做什么的情况下,自己找到最有价值的事情去做。

    这种策略筛选出了一批令人瞠目的早期员工:GitHub Infrastructure 的 VP Aman Karmani、Keybase 创始工程师 Jeremy Stribling、Tabnine 发明者兼 Supermaven 创始人 Jacob Jackson、康奈尔大学教授 Sasha Rush、Notion 创始设计师 Ryo Lu、Midjourney v2-v7 的预训练和 RL 负责人 Jack Gallagher、Figma 原型的构建者 Michael Feldstein……这个名单读起来就像一个硅谷名人录。Cursor 能跑得这么快,靠的不是四个人,而是这几十个"最强王者"的合力。


    产品之路:Composer、Agent Mode 与产品哲学的裂变

    从 2023 年到 2024 年,Cursor 的产品迭代节奏用"疯狂"来形容毫不为过。

    2024 年 5 月,Composer 问世。这是 Cursor 发展史上最重要的功能之一——一个多文件编辑界面。在此之前,AI 编程工具只能在一个文件里做修改。你要改十一个文件才能完成一个功能?那得重复十一次同样的操作。Composer 改变了这一切:你描述你想要什么,它可以跨多个文件生成代码,统一的 diff 视图让你一次性审查所有改动。Truell 后来评价道:"Composer 是我们第一个真正意义上的 AI Agent。它不只是补全——它在执行你的意图。"不过,当时 Composer 还只是一个半自动的工具,不会自动找文件,需要你手动把文件@进去。

    2024 年 8 月,Andreessen Horowitz(a16z) 领投了 6000 万美元的 A 轮融资,估值 4 亿美元。这个估值在当时看来已经是天价了——一个成立两年、基于 Fork 的代码编辑器,值 4 亿美元?后来的故事证明,这只是开始。

    同年 12 月,Agent Mode 发布,这是 Cursor 质的飞跃。Agent Mode 让 AI 不再被动等待指令——它可以自己找文件、读代码、跑终端命令、检查错误、自动迭代。你描述一个功能,Agent 自己去实现,然后告诉你搞定了。一个开发者曾在 Twitter 上写道:"今天我让 Cursor Agent 写了一个完整的 API 端点——数据库迁移、路由、控制器、测试,全搞定了。我在旁边喝咖啡。"

    同一时期,B 轮融资由 Thrive Capital 领投,估值升至 25 亿美元——六个月翻了 6 倍。

    另一件大事发生在 2024 年 11 月:Anysphere 收购了 Supermaven。这是一家由 Jacob Jackson 创立的 AI 代码补全公司——Jacob 不是别人,正是 Tabnine 的创造者,之前在 OpenAI 独立发明了推测解码技术。他用 Babble 模型做出了一个拥有 100 万 token 上下文窗口的代码模型,延迟极低,仅凭口碑就吸引了 35,000 名开发者。收购的逻辑很清晰:Cursor 的 Tab 补全虽好,但 Supermaven 在长上下文和延迟方面有独特优势。Truell 在收购公告中说:"他们团队早就在关注编辑器方向了,因为插件 API 限制了下一步可以做的事情。为什么合并?因为我们有太多要做的事,一起做会更快。"

    这次收购带来了两个直接成果:Tab AI 模型全面升级,Jacob Jackson 成为 Cursor 的 AI 模型核心贡献者。值得注意的是,Supermaven 仅成立几个月就接受了收购——他们甚至没打算这么快退出。但 Cursor 给出的条件实在太诱人了。


    狂飙的 2025:B2B 史上最快的价值创造

    2025 年是 Cursor 彻底爆发的一年。

    从 2023 年 3 月 Beta 上线到 2025 年 1 月,Cursor 突破了 1 亿美元 ARR——只用了 22 个月。这个数字有多夸张?Slack 达到这个里程碑用了 4 年,Zoom 用了 3 年,Snowflake 用了 3 年。SaaStr 后来将其称为"B2B 历史上最快的价值创造"。两个多月后,ARR 突破 2 亿美元。到 5 月,超过 3 亿美元。每两个月翻一番,这个增长速度在 SaaS 历史上几乎找不到先例。

    5 月,Cursor 1.0 正式发布。从 Beta 到 1.0,他们走了整整两年。同月还发生了一件震撼硅谷的新闻:OpenAI 曾试图收购 Anysphere。 谈判破裂了——Truell 不想卖。随后 OpenAI 做了一个惊人的决定:花 30 亿美元收购了 Windsurf(原 Codeium)——市场上排名第二的 AI 编程助手。这个价格本身就是一个强有力的信号:既然我们买不到第一,我们买第二也要在这个领域站稳。

    但 Cursor 没有停下脚步。6 月,Thrive Capital 领投了 9 亿美元的 C 轮融资,a16z、Accel、DST Global 跟投,估值一举达到 99 亿美元。Truell 在这一轮中说了一句让整个硅谷为之一震的话:"我们不打算很快 IPO。"25 岁的 CEO,手握 9 亿现金,年收入以倍速增长,却说"不着急上市"。

    10 月,Cursor 2.0 发布,主题是 Agentic Coding。UI 全面刷新,Agent 可以在并行窗口中运行,多光标 AI 编辑成为标配。最重磅的是 Composer 模型——Cursor 拥有了自己的 AI 模型。这意味着它不再只是"包装第三方模型"的 IDE,而是一家拥有独立推理能力的 AI 公司。

    Composer 是一个混合专家模型,专门为软件工程任务通过强化学习训练,推理速度比同样智能的模型快 4 倍。为了训练它,Cursor 搭建了定制的基础设施——PyTorch 和 Ray 驱动的异步强化学习集群,MXFP8 MoE 内核,专家并行和混合分片数据并行——让训练可以扩展到数千张 NVIDIA GPU。在 RL 训练阶段,他们同时运行了数十万个隔离的沙箱编码环境。这个投入规模,已经超越了一家"代码编辑器公司"的范畴。

    两个月后的 11 月,23 亿美元的 D 轮融资 由 Accel 和 Coatue 联合领投,估值飙升至 293 亿美元。NVIDIA 的黄仁勳公开表示 Cursor 是他"最喜爱的企业 AI 服务"。Google 也作为战略投资者加入——一个微妙信号:他们显然不想在 AI 编程战场上只依赖 GitHub Copilot。

    此时,Cursor 的 ARR 已经突破了 10 亿美元。从 0 到 10 亿,用了不到两年。四个创始人每人持有约 4.5% 的股份——每人的身价超过了 13 亿美元。四个 25 岁左右的 MIT 辍学生,成了亿万富翁。

    但最疯狂的事情还在后面。


    2026:从 IDE 到 AI 操作系统,再到全球最贵创业公司

    进入 2026 年,Cursor 已经不再满足于做"一个编辑器"了。产品发布的节奏非但没有放缓,反而越来越快。

    1 月,插件市场上线,异步子代理功能推出——Cursor 开始从工具演变为平台。2 月,Composer 1.5 发布,强化学习规模大幅扩大,全新的 Agentic Coding 模式成形。同月,Cloud Agents 和 Computer Use 功能首次亮相:你可以在隔离的云虚拟机中启动 Agent,让它执行终端命令、浏览网页、自动编辑代码,然后异步返回结果——你在睡觉,Agent 在工作。

    3 月是密集发布的一个月。Cursor 2.6 通过 MCP(Model Context Protocol)在 Agent 聊天中加入了交互式 UI,同时推出了 JetBrains 插件——这意味着 Cursor 开始走出 VS Code 生态的围墙。Composer 2 发布,基于 Moonshot AI 的 Kimi K2.5 开源模型,配合 Cursor 自己的大规模后训练,在多个基准上直接对标 Anthropic 的最强模型,但价格只有其十分之一。BugBot 自动 PR 审查功能也在这个月全面上线。

    4 月,Cursor 3.0 发布,带来了并行子代理编排——Agent 从一个 prompt 生成多个子任务,并行执行,结果自动合并。Design Mode 同步推出。也正是在这个月,第一个令人窒息的信号出现了:据 CNBC 报道,Andreessen Horowitz 和 Thrive Capital 正在洽谈一笔至少 20 亿美元的融资,将 Cursor 的估值推至 500 亿美元以上

    然后——2026 年 4 月 21 日,一个彻底改变游戏规则的消息传来。


    终局:SpaceX 的 600 亿美元赌注

    2026 年 4 月 21 日,SpaceX 在 X 上发了一条简短的推文,整个硅谷为之震动:

    "SpaceX AI 和 Cursor 正在紧密合作,共同打造世界上最好的编码和知识工作 AI。Cursor 领先的产品和面向专业软件工程师的分发能力,加上 SpaceX 百万 H100 等效算力的 Colossus 训练超级计算机,将加速实现这一目标。"

    这不是一个简单的合作。SpaceX 宣布了一项 100 亿美元的商业合作协议,并获得了 在 2026 年底以 600 亿美元全股票收购 Anysphere 的期权——如果 SpaceX 选择不收购,也可以支付 100 亿美元买断双方的协作成果。

    Cursor 的回应更加直白:"我们一直想把训练规模推得更远,但一直被算力瓶颈所困。"通过 SpaceX 和 xAI 的 Colossus 超级计算机——一个相当于百万张 H100 GPU 的训练集群——Cursor 终于获得了它最缺乏的资源。

    这笔交易的战略逻辑清晰得可怕。就在两个月前,SpaceX 刚刚整合了 xAI(包括 Colossus),现在又将 Cursor 纳入版图——这形成了一个从底层算力到模型训练再到开发者分发的完整垂直整合链条,直接对标 OpenAI 和 Anthropic。

    对于 Cursor 来说,这解决了它最大的隐忧:算力瓶颈。Composer 模型从 1.0 到 1.5 再到 2.0,每一次迭代都伴随着训练规模的数量级提升——而每一次提升都被 GPU 不足所限制。Colossus 的加入意味着未来模型的训练可以再放大 10 倍甚至更多。

    对于 SpaceX 来说,这不仅仅是另一个 AI 投资。正如分析人士所指出的,Cursor 真正的资产不是它的代码——而是它的用户基础:上百万愿意为此付费的专业软件工程师。这是一个分发渠道,也是一个数据飞轮——这些工程师在用 Cursor 构建下一代软件的同时,也在为 xAI 的模型生态贡献力量。这让人想起微软收购 GitHub 的经典逻辑:不是买代码仓库,是买开发者。

    两个月后的 5 月 18 日,Composer 2.5 发布——结合了 Colossus 算力的第一款模型。它在 SWE-bench、Terminal-Bench 和 CursorBench 三大基准上,绩效直接与 Claude Opus 4.7 和 GPT-5.5 对标,定价却只有其十分之一。5 月 20 日,Cursor 3.5 正式发布 Cloud Agents——每个 Agent 在隔离的云 VM 中拥有完整的终端、浏览器和桌面权限。

    然后,就在今天——2026 年 6 月 16 日,Reuters 报道 SpaceX 正式锁定了这笔 600 亿美元的全股票收购交易。

    一个 2022 年在 MIT 宿舍里为了 CAD 项目苦苦挣扎的四个人,在四年内将公司做到了 600 亿美元的估值。这是软件史上从未有过的故事。


    成功的密码:五个关键抉择

    在一场 a16z 播客的深度对话中,Truell 和合伙人 Martin Casado 聊到了 Cursor 的构建哲学。透过他的回答,可以清晰地看到这个团队做对了什么。

    第一个抉择是 AI Native 而非 AI 插件。 所有竞品都是"在现有 IDE 上加 AI 插件"的思路。Cursor 选择了最重的路:Fork 整个 VS Code。坏处显而易见——需要自己维护整个编辑器。但好处是决定性的:不受插件 API 的限制,可以做任何想做的事情;体验没有断层,AI 推荐在你光标旁边直接出现;可以索引整个代码库,而不是只看当前打开的文件。

    第二个抉择是专注专业用户。 很多 AI 编程工具在讲"让不会写代码的人也能编程"。Cursor 刻意拒绝了这种叙事。Truell 认为,让顶级工程师的效率提升 10 倍,比让小白写出一段能跑的代码有价值一万倍。这个选择影响了产品设计的每一个层面——快捷键驱动的交互、极致的低延迟、对代码质量的严格要求、深度 Git 集成。

    第三个抉择是速度即体验。 团队有一句内部格言:代码补全的延迟应该低于人类感知阈值。他们做了令人发指的优化——KV Caching 预填充缓存、Cache Warming 在输入完成之前就开始计算、Embedding Caching 优化大型代码库的检索性能、Speculative Editing 在后台预计算可能的代码更改。Truell 说了一个细节:每次团队引入新功能,第一个问题永远是"它会让编辑器变慢吗?"如果答案是肯定的,哪怕功能再好也不会发。

    第四个抉择是不靠营销,靠口碑。 Cursor 几乎不花钱做广告。增长全部来自开发者口口相传——你看到同事用 Cursor 飞快地写完了一个功能,自然会去试;你看到 Twitter 上有人说"Cursor 帮我一天写完了一个星期的活",自然想去体验。这种增长方式带来的用户质量极高,粘性极强。

    第五个抉择是始终相信 scaling law。 从最早的 GPT-3.5 到今天的 Composer 2.5,到即将在 SpaceX 的 Colossus 上训练的下一代模型,Cursor 始终坚信模型越大越好。他们不是"模型中立"的集成商,而是深度参与模型训练。这不是每个应用层公司都愿意做的事,但 Cursor 坚信:在 AI 编程这件事上,最好的模型就是最好的体验,也就是最强的护城河。而最终的结局印证了这一点——当算力瓶颈被 SpaceX 打破之后,竞争对手再也没有追上来的可能。


    阴影之下:定价风波、模型透明度和负毛利的隐忧

    Cursor 的故事并非一味的成功。高速成长也伴随着争议和代价。

    2025 年的定价调整引发了社区最强烈的反弹。Cursor 引入了信用池系统,原来 20 美元的 Pro 套餐不再包含"无限使用",改为固定信用额度。超出的部分要么降级到慢模型,要么付费。大量开发者在 Reddit 和 Twitter 上抱怨"收割用户"、"性价比下降"。Cursor 后来通过增加 Pro+(60 美元/月)和 Ultra(200 美元/月)套餐来回应,但定价争议一直没有完全平息。

    2026 年 3 月,模型透明度问题又给 Cursor 带来了一次信任危机。社区发现 Cursor 未主动披露 Composer 2 的基础模型来源,质疑后才承认是基于 Moonshot AI 的 Kimi K2.5 构建的。虽然技术报告中后来明确指出了这一点,但一些开发者认为 Cursor 应该在发布之初就透明说明。同月,两位高管 Andrew Milich 和 Jason Ginsberg 离职加入 xAI,引发了外界对高速成长中人才留存能力的关注。

    更深层的隐忧来自财务层面。分析人士指出,在 SpaceX 交易之前,Cursor 在第三方模型 API 上的花费极高,导致其业务处于 负毛利 状态——每赚 1 美元,花在 API 上的钱超过 1 美元。虽然自有模型 Composer 显著降低了成本,但大规模推理基础设施的投入依然惊人。公司此前的"稳定性"主要靠 VC 的资金支撑。SpaceX 的入局在解决算力问题的同时,也彻底终结了单位经济层面的担忧。


    硝烟四起:AI 编程战场的群雄逐鹿

    Cursor 的崛起不是在一张白纸上发生的。它的周围是一群同样野心勃勃的对手,每一家都有自己的独特打法。

    GitHub Copilot 拥有最大的装机量,凭借 VS Code 的原生流量入口占据了先发优势。它在 2026 年 6 月切换为 AI 信用计费系统,加入了 Agent Mode 和 MCP 支持,功能上正在迅速追赶。但正如 Truell 多次指出的——Copilot 是一个插件,它"在 VS Code 里面,但不是 VS Code 本身"。这个基因层面的差异,决定了它能做的事情始终有上限。

    Windsurf(原 Codeium) 的遭遇最为戏剧化。2025 年被 OpenAI 以 30 亿美元收购后,不到一年又被 Cognitian AI(Devin 的母公司)接手。其核心卖点是"Flow"状态——让 AI 作为主动代理而非被动助手。来回转手对其产品连贯性造成了不小的影响。

    Claude Code 代表了另一条路径:终端优先的编程代理。它没有自己的 IDE,但背靠 Anthropic 最强的模型——2026 年 4 月,Claude Opus 4.7 配合 Claude Code 2.1 在 SWE-bench Verified 上达到 80.8%,是当时分类中的最高分。优势是模型质量顶尖,劣势是没有编辑器生态。

    Devin(Cognition AI) 走出了第三条路:全自主编程代理。它不是一个 IDE,而是一个"AI 软件工程师"。500 美元/月的定价让它更像是企业工具而非个人开发者的日常选择。Cline、Aider、OpenCode 等开源方案则以社区驱动的方式快速演进。

    但在 SpaceX 以 600 亿美元锁定 Cursor 之后,整个竞争格局已经改变了。Cursor 拿到了全世界最大的训练集群之一,而它的对手们——无论是 Copilot 背后的微软,还是 Claude Code 背后的 Anthropic——都将面对一个拥有无限算力供给的对手。这场竞赛的终局,也许在 2026 年 4 月 21 日那天就已经写好了。


    同一天的另一颗炸弹:Origin 与代码托管的终局之战

    就在 SpaceX 锁定收购的同一天——2026 年 6 月 16 日——Cursor 官方扔出了另一颗重磅炸弹:Origin,一个全新的代码存储和 Git 托管平台。

    “We’re launching code storage and git hosting,” Cursor 官方在 X 上宣布。”Origin gives teams and agents a place to host, review, and collaborate on code. Available this fall.”

    乍看之下,这似乎只是又一个 Git 托管服务。但仔细看 Origin 的定位,你会发现它完全没有按照 GitHub 的规则来玩。Origin 的核心理念是 “agent-native”——为 AI 编程 Agent 而生的代码托管平台。AI Agent 在其中享有”一等公民”待遇:自主克隆仓库、创建分支、提交代码、变基操作、审查 PR、在并行工作流中自动修复问题——这些事情在传统 GitHub 上要么根本做不到,要么需要复杂的 API 编排。

    这个定位精准地击中了当前开发者平台的痛点。GitHub 是为人类协作设计的:Pull Request、Code Review、Merge——每一个步骤都假设有一群人类坐在屏幕前手动操作。但当你的”协作者”中有大量 AI Agent 时,这个流程完全不适用。一个 Agent 可能在一个小时内提交 50 次代码、创建 10 个分支、并行处理 3 个功能——传统 Git 工作流根本无法承载这种节奏。

    Origin 要解决的就是这个错配。它给 AI Agent 提供了一等公民的 Git 操作权限,让 Agent 可以直接在平台上完成整个开发闭环:从读取代码库、创建分支、实现功能、提交代码、发起审查,到自动修复——全部自主完成。人类开发者从”操作的执行者”变成了”结果的审核者”。

    这不仅仅是产品层面的创新。从战略上看,Origin 是 Cursor 从”编辑器公司”向”开发者平台公司”转型最关键的一步棋。在此之前,Cursor 虽然拥有上百万付费开发者,但代码托管在 GitHub 上,CI/CD 在 GitHub Actions 上,项目管理在 Linear 上——Cursor 只是整个开发者工具链中的一个环节。Origin 的出现意味着 Cursor 开始将自己的触角延伸到开发者工作流的源头——代码本身存在哪里。

    如果 Origin 能与 Cursor 编辑器深度集成——比如 Cloud Agent 直接在 Origin 仓库上运行、Composer 自动访问 Origin 的代码语义索引、BugBot 在 Origin PR 上自动审查——那么开发者可能会发现,在 Cursor 生态内完成所有工作的体验,远比在 GitHub + Copilot 的组合中流畅得多。

    GitHub 并非没有意识到这个威胁。2026 年 6 月,GitHub 刚刚切换了 AI 信用计费系统,在 Agent Mode 和 MCP 支持上奋力追赶。但微软在 AI 编程领域的处境有些尴尬——它拥有最大的开发者平台(GitHub)和最大的代码编辑器(VS Code),却在 AI 能力上完全依赖 OpenAI 和第三方模型。当 Cursor 同时控制了编辑器、AI 模型、Agent 基础设施,现在又开始掌控代码托管时,GitHub 的整个防线都在被蚕食。

    Origin 预计在 2026 年秋季上线。Waitlist 已经开放。届时,我们将看到它到底能给开发者带来什么样的体验——以及 GitHub 会如何回应。


    尾声:一个时代的注脚

    Cursor 的故事是一个关于天时、地利、人和的故事。

    天时:恰好赶上了 LLM 能力的爆发期。如果早一年,GPT-4 还没出来,做不出好的体验。如果晚一年,市场可能已经被瓜分殆尽。

    地利:在旧金山,在 AI 浪潮的最中心——OpenAI、Anthropic、a16z、Thrive,都在他们身边。而最终,SpaceX 的 Colossus 就在隔壁。

    人和:四个天才找到彼此,放弃了安稳的 Big Tech 生涯,在两次 pivot 之间做出了正确的选择。他们拒绝了 OpenAI 的收购要约,却接受了 SpaceX 的合作——不是因为钱,而是因为算力。

    从 2022 年宿舍里的一个 CAD 白日梦,到 2026 年被 SpaceX 以 600 亿美元锁定——Cursor 的故事已经成为硅谷这个时代最疯狂的注脚。四个 20 多岁的年轻人,拒绝了大厂的 Offer,在自己 Fork 的编辑器里,写出了一个改变了整个行业写代码方式的工具。

    也许 Truell 说得对。最美好的事物,正在发生在代码身上。


    本文撰写于 2026 年 6 月 16 日。Reuters 于同日报道 SpaceX 锁定 600 亿美元全股票收购 Anysphere。同日,Cursor 官方宣布推出代码托管平台 Origin。由于 Anysphere 为未上市公司,部分财务数据基于公开报道和第三方估算,可能存在误差。

  • 世界,您好!

    欢迎使用 WordPress。这是您的第一篇文章。编辑或删除它,然后开始写作吧!