W połowie marca 2026 roku firma Cursor ogłosiła z wielką pompą nowy model do generowania kodu, Composer 2. Przedstawiano go jako własny, zaawansowany produkt, który ma zaoferować „frontier-level coding intelligence” za bezprecedensowo niską cenę. Już dzień później społeczność odkryła jednak prawdę: sercem rzekomo autorskiego modelu jest chiński, open-source'owy Kimi K2.5 od Moonshot AI. Ta historia to coś więcej niż tylko wpadka marketingowa. To studium przypadku pokazujące, jak dziś naprawdę buduje się sztuczną inteligencję, jak rozmywają się granice własności intelektualnej i jak wyglądają geopolityczne zależności w świecie AI.
Od premiery do demaskacji: krótka historia ujawnienia
19 marca 2026 roku Cursor wypuścił Composer 2. Model był natychmiast dostępny w ich edytorze oraz w wersji alfa interfejsu „Glass”. Ceny brzmiały rewolucyjnie: 0,50 dolara za milion tokenów wejściowych i 2,50 za milion wyjściowych w wariancie standardowym. Szybsza wersja kosztowała odpowiednio 1,50 i 7,50 dolara. Blog firmowy opisywał model jako przełomowy, skupiając się na wynikach benchmarków i korzyściach dla deweloperów.
Sielanka nie trwała długo. Już 20 marca użytkownik X o nicku Fynn opublikował zrzut ekranu odpowiedzi API, w której jawnie widniał identyfikator modelu kimi-k2.5. Było to bezpośrednie odwołanie do otwartego modelu Moonshot AI, chińskiej firmy wspieranej przez Alibabę i HongShan. Fynn stwierdził wprost, że Composer 2 to „po prostu Kimi 2.5” z dodanym uczeniem ze wzmocnieniem (reinforcement learning – RL).
Pod presją społeczności, w dniach 21–22 marca, kierownictwo Cursora zaczęło się tłumaczyć. Aman Sanger, współzałożyciel, przyznał: „Przetestowaliśmy wiele modeli bazowych… Kimi K2.5 okazał się najsilniejszy! To był błąd, że nie wspomnieliśmy o bazie Kimi w naszym wpisie na blogu od razu”. Lee Robinson, wiceprezes, dodał szczegóły techniczne, twierdząc, że tylko około 1/4 mocy obliczeniowej zużytej na finalny model pochodziła z bazy Kimi, a reszta z treningu Cursora (w tym fine-tuningu i RL).
Co właściwie zbudował Cursor? Fine-tuning kontra „autorski model”
Aby zrozumieć skalę zamieszania, trzeba rozróżnić pojęcia. Kimi K2.5 to gigantyczny model typu Mixture of Experts (MoE) o około bilionie parametrów, którego wagi Moonshot AI otwarcie udostępniło na platformach takich jak Hugging Face. Jest on tani w inferencji – mówi się, że nawet ośmiokrotnie tańszy od Claude Opus.
Cursor wziął ten otwarty model bazowy i poddał go intensywnemu procesowi dostrajania (fine-tuning) oraz uczenia ze wzmocnieniem (RL), prawdopodobnie na własnych, specjalistycznych danych dotyczących kodowania. Efekt? Model, który w wewnętrznym benchmarku CursorBench osiągnął znacząco lepsze wyniki, wyraźnie przebijając poprzednią wersję i dorównując czołowym modelom.
Czy to więc „autorski” model? Z technicznego punktu widzenia ogromna praca i koszty obliczeniowe leżały po stronie Cursora. To ich know-how i dane ukształtowały model w kierunku specjalizacji programistycznej. Jednocześnie fundament, architektura i początkowa „wiedza ogólna” modelu pochodzą z chińskiego projektu. To właśnie ta zależność od bazy sprawiła, że pierwotne, czysto własnościowe narracje Cursora brzmiały naciąganie.
Otwarte źródła, chińskie moce i amerykańskie narzędzia
Sprawa Composer 2 świetnie ilustruje jeden z kluczowych trendów w dzisiejszym AI: fine-tuning otwartych, potężnych modeli bazowych do specjalistycznych zastosowań. Dla firmy takiej jak Cursor, która wcześniej była zależna od API konkurentów typu OpenAI czy Anthropic, posiadanie własnego, kontrolowanego modelu to gra o niezależność i marże. Budowanie go od zera (full pretraining) to jednak koszty rzędu setek milionów dolarów.
Chińskie modele open-source, takie jak Kimi K2.5, Qwen czy DeepSeek, stały się więc atrakcyjnym fundamentem. Są technicznie zaawansowane, tanie w obsłudze dzięki swojej architekturze i – co kluczowe – legalnie dostępne do użytku komercyjnego. Cursor korzystał z Kimi w ramach partnerstwa z Moonshot AI i dostawcą infrastruktury Fireworks, dbając o zgodność z licencją.
Tworzy to ciekawą, nieco ironiczną dynamikę. W tle trwa technologiczny wyścig zbrojeń między USA a Chinami, z oskarżeniami o nieautoryzowane wykorzystywanie danych (jak niedawne zarzuty Anthropic wobec chińskich firm). Jednocześnie amerykańskie narzędzia dla deweloperów budują swoją przewagę konkurencyjną na chińskich, otwartych fundamentach. Globalny ekosystem open source ponownie okazuje się silniejszy niż geopolityczne podziały, przynajmniej na poziomie technicznym.
Licencja, pieniądze i (nie)jawność
Licencja modelu Kimi K2.5 zawiera ciekawe zapisy. Wymaga ona wyraźnego oznaczenia „Kimi K2.5” w produktach, które osiągną próg 100 milionów aktywnych użytkowników miesięcznie (MAU) lub 20 milionów dolarów miesięcznego przychodu. Sugeruje to, że Moonshot AI, podobnie jak Meta z modelem Llama, chce budować rozpoznawalność marki poprzez adopcję swojego otwartego modelu.
W świetle tych licencji pełna transparentność co do użycia Kimi K2.5 nie była jedynie kwestią dobrych manier, ale mogła być także długoterminowym wymogiem prawnym. Wcześniejsze pominięcie tej informacji postawiło firmę w złym świetle i podważyło zaufanie w środowisku, które ceni techniczną szczerość.
Co ciekawe, deweloperzy i tak mieli alternatywę. Model Kimi K2.5 jest dostępny dla nich bezpośrednio w Cursorze poprzez API Moonshot AI. Różnica polega na tym, że nie byłby on wtedy dostrojony przez Cursora pod konkretne zadania programistyczne. Composer 2 to oferta „pudełkowa” – gotowy, zoptymalizowany produkt.
Wnioski: nowa rzeczywistość budowania AI
Afera wokół Cursor Composer 2 to sygnał dla całej branży narzędzi programistycznych i nie tylko. Po pierwsze, era czysto „autorskich” modeli budowanych od zera przez małe i średnie firmy prawdopodobnie się kończy. Ekonomia przemawia za budowaniem na solidnych, otwartych fundamentach. Sukces będzie zależał od jakości danych, fine-tuningu i specjalistycznego know-how, a nie tylko od posiadania własnego bilionowego modelu.
Po drugie, transparentność staje się walutą. Społeczność techniczna jest zbyt bystra, by dać się długo zwodzić przez odpowiedzi API czy ukryte metadane. Próby przedstawiania zaawansowanych fine-tunów jako całkowicie własnej magii kończą się utratą wiarygodności.
Po trzecie, powstaje nowa mapa zależności. Dla deweloperów korzystających z „vibe coding” w Cursorze to dobra wiadomość – tańsze, wysokiej jakości alternatywy dla GPT czy Claude’a. Jednak zależność od łańcucha dostaw, który obejmuje chińskie modele bazowe i globalną infrastrukturę inferencyjną, rodzi pytania o długoterminową stabilność, szczególnie w kontekście potencjalnych restrykcji eksportowych czy napięć geopolitycznych.
Cursor Composer 2, mimo początkowego zamieszania, pozostaje potężnym narzędziem. Jego historia uczy jednak, że w dzisiejszym świecie AI prawdziwa innowacja często leży w umiejętnym łączeniu, dostrajaniu i adaptacji, a nie w samotnym budowaniu wszystkiego od podstaw. I że nawet w świecie sztucznej inteligencji szczerość jest najlepszą polityką.
Dodaj komentarz