Topic 4 · Cursor Router：把"今天用哪个模型"做成产品

原文：https://cursor.com/blog/router
评分：70 · 分类：ai-products · 发布时间：2026-07-22

Cursor 7 月 22 日发布 Cursor Router。这不是新模型，是一个智能路由系统——Cursor 把所有用户请求做一次分类，再路由到当下最合适的模型。字面上平平，但这是 Cursor 把"模型选择"从"用户决策"变成"产品决策"的关键一步。

Cursor 数据说了一句话：约 60% 的开发者会用单一模型作为"每日驱动"。结果是日常任务也按前沿价格付费，AI 支出涨得比产出质量快得多。Cursor Router 想解决的就是这个问题。

跑出来的几个数字

• Early access 期间：3 个高用量企业账户（数千用户）在 Auto 路由下，相比全部走 Opus 4.8 API 价，节省 30%–50%，质量不下降。
• 在线 A/B 测试（百万级请求）：Cursor Router 在用户满意度上达到前沿水准，成本节省 60%。
• Auto Intelligence 模式：用户满意度接近 Fable 5，成本约为 Fable 5 的 60%；同档成本下满意度比 Opus 4.8 高约 15%。
• Auto Balance 模式：用户满意度超过 Opus 4.8，成本节省约 36%；对比 GPT-5.6 Sol，满意度相当、花费更低。
• 单 commit 成本：Intelligence 模式 \(6.76，Balance 模式\)4.63；GPT-5.6 Sol 与 Intelligence 持平但满意度低；Fable 5 是 \(12.69，Opus 4.8 是\)7.34。

Cursor 把这些数字放在博客显眼位置，本质是在向工程团队负责人卖"性价比"故事。

它怎么决定调用哪个模型

Cursor Router 是一个分类器，每条请求进来前后，先看 query、context、任务复杂度、领域，再结合 Cursor 已知每个模型的特点做路由。简单工作去最便宜模型，UI 改出去最有"品味"的模型，复杂长程推理去前沿推理模型。

训练数据：60 万条真实在线请求。评测方式：在线 A/B 测试，把 Cursor Router 的决策跟"全部用同一模型"做对照。优化目标：用户满意度（Agent Feedback Comment, AFC）——下一个任务继续做 = 强正信号，纠正 Agent = 强负信号。还有"留存率"（Keep rate），即 Agent 生成的代码有多少最终留在代码库里。

Cursor 还设计了一个关键细节：分类器在训练和评估时都考虑了缓存命中。一旦切模型，会触发 cache miss，路由不能假装这件事没发生。换句话说，它的"成本节省数字"是真实场景下的数字，不是离线评测的乐观值。

三种模式 + 团队管控

Auto 模式下提供三档：

• Intelligence：前沿性能，哪怕贵一点也压上限。
• Balance：性价比。多数人日常驱动的甜点。
• Cost：质量可接受前提下，把 token 预算压到最低。

管理员可以按团队/组粒度开启 Cursor Router、决定成员可选模式、设默认模式、屏蔽特定模型。对大企业 IT 来说，这是少见的"AI 编码工具"做到这一层治理颗粒度。

几个值得展开的工程细节

第一，Cursor Router 是 cache-aware 的——这一点难。业界不少"模型路由"原型之所以演示效果好但落不了地，是因为它们假定切换模型成本为零。Cursor 把它做成训练约束和评测约束，而不是事后修补。

第二，模型池子在扩大，且上行方向有变化。Cursor 同日关联到 7 月 19 日发布的 Grok 4.5——"扩大 Cursor Router 在高难度、高成本任务上的可选范围"。下方又有自己的 Composer 模型——"日常任务越来越接近前沿质量，省钱更明显"。这两端同时拉，意味着 Cursor 已经有了"自研底模 + 外部顶尖"的双层池子。

第三，Cursor Router 是 Cursor 的"通用 token 效率"拼图的一块。博客末尾明确把 Cursor Router 与 Dynamic Tool Calling、Continually Improving Agent Harness 一起列出。Dynamic Tool Calling 让大部分工具描述不再被加载进 prompt，模型在需要时按需查——和 MCP 同样的模式。Cursor 想说的是：选模型只是省钱的入口，harness 本身也要持续瘦身。

几个钩子

• 这套路由策略对中国厂商的启示：Cursor 的"模型中立"是有前提的——它自家有 Composer，且能拿到所有前沿模型的真实流量数据做训练。中国厂商如果要做类似的路由器，需要先解决"数据来源"和"模型池子"的两个问题。
• "Auto Intelligence 模式 ≈ Fable 5 满意度 + 60% 成本" —— 这个数字值得盯。Fable 5 是 Anthropic 推出的最强模型（本质是 Claude Opus 4.8 的升级版本），但 Cursor Router 用一组模型组合几乎追平了它的满意度。这再次印证 7 月 19 日 Schema Harness 的结论："模型不动换 Harness" 是 2026 H2 的胜负手。
• 单 commit 成本对比：Cursor Router \(4.63（Balance）vs Fable 5\)12.69。这让"该不该把团队从 Fable 5 切换到 Cursor Router"变成一个简单的工程决策题。

跟过去一周 AI 编码工具演进的时间线

• 7 月 16 日：Anthropic 自研 Bun 11 天迁移 Zig→Rust 100 万行代码，费用 16.5 万美元。
• 7 月 19 日：Cursor 用 GPT-5.5 Composer + Opus 4.8 规划者 + Grok 4.5 执行者跑 4 小时 80% SQLite 覆盖，成本 411 美元。
• 7 月 19 日：Schema Harness 在 ARC-AGI-3 公开集跑出 99% 成绩，模型不动换 Harness。
• 7 月 22 日：Cursor Router 把"模型选择"做成产品级默认。

这条线越来越清晰——AI 编码工具的下一阶段竞争不是"模型谁更强"，而是"如何把模型的边际效用最大化"。Harness、路由、动态工具调用、cache-aware 决策，这一组工程能力的总和就是 2026 H2 的护城河。

来源：Cursor 官方博客 2026-07-22《Introducing Cursor Router》，作者 Cursor 团队。