3월 19일, AI 코드 에디터 Cursor가 자체 코딩 모델 Composer 2를 출시함. Cursor는 기업 가치 293억 달러의 스타트업인데, 지금까지는 Claude나 GPT 같은 외부 모델에 의존해왔음. 이번에 처음으로 자체 모델을 내놓은 것 자체가 의미 있는 움직임.
벤치마크에서 Claude Opus 4.6을 일부 앞선 결과가 나왔고, 가격은 Opus의 10분의 1. 하지만 출시 직후 베이스 모델이 중국 오픈소스 모델이라는 사실이 밝혀지면서 논란이 됐음.
Cursor가 뭔지 모르는 사람도 있을 테니 기본부터 정리하고, Composer 2의 성능, 기술, 논란 순서로 다룸.
Cursor와 Composer가 뭔지부터
Cursor는 AI 기반 코드 에디터임. VS Code를 포크해서 만들었기 때문에 VS Code와 거의 똑같이 생겼고, 확장 프로그램도 호환됨. 차이점은 AI가 에디터 전체에 녹아 있다는 것. 코드 자동완성, 자연어 지시, 멀티파일 수정 같은 기능이 IDE 안에서 바로 돌아감.
Composer는 Cursor 안에 있는 AI 에이전트 기능임. Cmd+I (Mac) 또는 Ctrl+I (Windows)로 열 수 있음. Agent 모드를 켜고 자연어로 요청하면, 프로젝트 구조를 파악하고 여러 파일에 걸쳐 코드를 수정해줌.
예를 들어 “인증 방식을 JWT로 바꿔줘”라고 하면, 관련 파일들을 찾아서 변경 사항을 파일별 diff로 보여줌. 개발자가 파일별로 수정 내용을 확인하고 승인/거부할 수 있음.
이전까지 Composer는 Claude Opus, GPT-5.4 같은 외부 모델을 가져다 썼음. Composer 2는 이걸 자체 모델로 대체한 것. Cursor IDE 안에서 자동으로 사용되고, Cursor Pro($20/월) 구독자라면 별도 설정 없이 쓸 수 있음.
터미널에서 쓰는 Claude Code나 Codex와 다른 점은, Composer가 IDE에 완전히 통합되어 있다는 것. 파일 탐색기, 에디터, 터미널이 다 연결된 상태에서 동작함. 코드 보면서 바로 수정 요청하고, diff로 확인하고, 한 클릭으로 적용하는 흐름.
성능 — 일부에서 Opus를 앞서고, GPT-5.4에는 뒤짐
Composer 2의 벤치마크 결과를 봄. Cursor는 자체 벤치마크인 CursorBench(실제 엔지니어링 작업 기반, 평균 352줄/8파일)와 외부 벤치마크 두 개를 공개함.
| CursorBench | Terminal-Bench 2.0 | SWE-bench Multilingual | |
| Composer 2 | 61.3 | 61.7 | 73.7 |
| GPT-5.4 Thinking | 63.9 | 75.1 | — |
| Claude Opus 4.6 | 58.2 | 58.0 | 77.8 |
| Composer 1.5 | 44.2 | 47.9 | 65.9 |
| Composer 1 | 38.0 | 40.0 | 56.9 |
“Opus를 이겼다”고 단정하기는 어려움. CursorBench(61.3 vs 58.2)와 Terminal-Bench(61.7 vs 58.0)에서는 Composer 2가 앞서지만, SWE-bench Multilingual에서는 Opus(77.8)가 Composer 2(73.7)를 확실히 이김. 벤치마크마다 결과가 다름.
CursorBench는 Cursor가 직접 만든 자체 벤치마크라는 점도 감안해야 함. 자기 모델에 유리한 문제가 포함됐을 가능성을 배제할 수 없음. Terminal-Bench 2.0은 Laude Institute가 관리하는 외부 벤치마크라 객관성이 더 높음.
GPT-5.4에는 전 영역에서 뒤짐. CursorBench 63.9 vs 61.3, Terminal-Bench는 75.1 vs 61.7로 격차가 큼.
정리하면 Composer 2의 위치는 “Opus와 비등하거나 약간 앞서는 수준, GPT-5.4보다는 아래”. 이전 버전(Composer 1.5: 44.2)에서 17점 이상 올라간 건 확실한 진보.
그런데 진짜 임팩트는 성능이 아니라 가격임.
| 입력 ($/M 토큰) | 출력 ($/M 토큰) | |
| Composer 2 Standard | $0.50 | $2.50 |
| Composer 2 Fast | $1.50 | $7.50 |
| Claude Opus 4.6 | $5.00 | $25.00 |
| GPT-5.4 | $2.50 | $10.00 |
Opus와 비등한 성능에 가격이 10분의 1. GPT-5.4 대비로도 5분의 1에서 4분의 1 수준. API 비용이 중요한 환경에서 이건 상당한 차이임. Cursor Pro 구독($20/월) 안에서 쓰면 API 가격을 직접 신경 쓸 필요도 없음.
컨텍스트 윈도우는 200K 토큰. Opus(200K)와 동급, GPT-5.4(192K)보다 약간 넓음. Gemini 3.1의 1M에는 못 미침.
Self-Summarization — 기술적으로 가장 흥미로운 부분
Composer 2의 핵심 기술은 Self-Summarization(자기 요약)임. 이건 장시간 코딩 작업에서 AI가 컨텍스트를 잃어버리는 문제를 새로운 방식으로 풀려는 시도.
문제: AI가 긴 작업을 할 때 컨텍스트 윈도우가 차면 이전 내용을 압축해야 함. 기존 방식은 외부에서 “이 대화를 요약해줘”라고 시키는 건데, 뭘 버리고 뭘 남길지 판단이 부정확함. 중요한 변수명이나 로직이 날아가면 이후 작업 품질이 급격히 떨어짐.
Cursor의 접근: 요약을 모델 훈련 루프 안에 넣어버림. “Compaction-in-the-loop RL”이라 부르는 방식인데, 작동 과정은 이런 식임.
- 코딩 작업을 진행하다가 일정 토큰 수(80K)에 도달하면 멈춤
- 모델이 스스로 “지금까지 맥락 중 뭘 남겨야 하나?” 판단
- 기존 ~5,000 토큰짜리 요약을 약 1,000 토큰으로 압축
- 압축된 요약 + 현재 계획/태스크 상태로 다음 작업 이어감
핵심은 강화학습(RL) 보상이 요약 품질까지 포함한다는 것. 최종 작업이 성공하면 그 과정에서 만든 요약에도 높은 보상이 돌아가고, 실패하면 요약도 페널티를 받음. 모델이 “좋은 요약이 뭔지”를 스스로 학습하는 구조.
결과:
- 압축 시 정보 손실 오류 50% 감소
- 토큰 사용량은 기존 방식의 5분의 1
- KV 캐시(이전 계산 결과) 재활용으로 속도도 빠름
실제 테스트에서 “MIPS용 DOOM 만들기”라는 극단적 과제를 170턴에 걸쳐 수행했음. 10만 토큰 넘는 맥락을 1,000 토큰으로 압축하면서 작업을 끝까지 완료함. 다른 모델이었다면 중간에 컨텍스트 한계로 품질이 급락하는 수준의 작업.
컨텍스트 윈도우를 물리적으로 키우는 접근(Gemini의 1M)과는 방향이 다름. “기억을 넓히는 것”이 아니라 “기억을 효율적으로 관리하는 법을 모델에게 가르치는 것”. 장기적으로 어느 쪽이 더 효과적인지는 지켜봐야 함.
Kimi K2.5 논란
Composer 2 출시 직후 가장 큰 이슈는 성능이 아니라 베이스 모델이었음.
Cursor는 출시 블로그에서 “프론티어급 코딩 지능”이라고 소개하면서 베이스 모델을 전혀 언급하지 않았음. 며칠 후 X(구 트위터) 사용자 Fynn이 코드 분석으로 베이스가 Kimi K2.5라는 걸 밝혀냄.
Kimi K2.5는 중국 스타트업 Moonshot AI가 오픈소스로 공개한 모델임. Moonshot AI는 알리바바와 홍산(구 세쿼이아 차이나)이 투자한 회사.
Cursor VP Lee Robinson이 사실을 인정했고, 공동 창업자 Aman Sanger는 “블로그에서 Kimi 베이스를 언급하지 않은 건 실수”라고 밝힘.
Cursor 측 설명: 전체 컴퓨트의 약 25%만 Kimi K2.5에서 왔고, 나머지 75%는 자체 continued pretraining과 강화학습. 벤치마크 성능이 원본 K2.5와 크게 다르다고 강조.
Moonshot AI 반응: Fireworks AI를 통한 공인된 상업 파트너십이라고 확인. “오픈소스 모델이 이렇게 활용되는 건 우리가 지향하는 생태계”라며 긍정적.
커뮤니티 반응은 갈렸음.
- 긍정적 — 중국 오픈소스 모델이 미국 상용 모델을 코딩에서 견주는 건 생태계에 좋은 일. 가격 경쟁력의 근거이기도 함.
- 비판적 — Cursor가 “싼 베이스 모델 + UI” 조합 아니냐는 비판. 293억 달러 가치에 자체 연구 역량이 이 수준인가.
- 지정학적 — 미국 AI 기업이 중국 AI 모델에 의존하는 구조에 대한 전략적 민감성.
Cursor는 이후 향후 모델부터는 자체 프리트레이닝을 진행하겠다고 약속하고, 베이스 모델에 대한 투명한 소통을 공약함.
정리
Composer 2는 가격 대비 성능이 핵심 강점인 모델임. Opus와 비등한 코딩 성능에 가격은 10분의 1. Self-Summarization이라는 기술적으로 흥미로운 접근도 있음. Cursor IDE를 이미 쓰고 있는 개발자라면 자동으로 적용되니 체감해볼 만함.
다만 Kimi K2.5 논란이 보여주듯, 투명성에서 아쉬운 점이 있었음. 기술 자체보다 커뮤니케이션 문제가 더 큰 흠. Cursor가 향후 자체 모델 역량을 어디까지 끌어올릴 수 있을지가 관전 포인트.
터미널 기반 AI 코딩 도구가 궁금하면 Claude Code vs Codex vs Gemini CLI 비교 참고. Cursor는 IDE 내장형이라 접근 방식이 다름.