据 动察 Beating 监测,Cursor 让一群 AI Agent 只看 835 页 SQLite 手册,用 Rust 重写一个兼容数据库。它们拿不到 SQLite 源码、程序、测试集和互联网。新版系统的 4 种正式配置,最终都通过了全部未公开 SQL 测试。
正式测试包括 4 种组合。GPT-5.5 和 Grok 4.5 分别包办规划与执行。另两组让 Opus 4.8 或 Fable 5 负责规划,再让便宜的 Composer 2.5 执行。
四组成本分别为 10565 美元、1928 美元、1339 美元和 2234 美元。最低方案是 Opus 4.8 规划、Composer 2.5 执行。执行 Agent 消耗了大部分 Token,换用便宜模型后,成本明显下降。
Cursor 还补跑了 Opus 4.8 和 Fable 5 包办全部工作的方案,成本分别为 5153 美元和 20057 美元。这两组只做了非正式评分,没有纳入质量对比。若只看花费,最高约为最低正式方案的 15 倍。
把强模型留给规划,再让便宜模型执行,可能比全程使用最强模型更划算。