Cursor의 새로운 모델 「Composer 2.5」란? 개발 경험을 극적으로 바꾸는 『행동』의 진화와 기술적 배경

최근(2026년 5월 18일) 발표된 Cursor의 새로운 모델 「Composer 2.5」의 릴리스 노트(Release Note), 이미 읽어보셨나요?

이번 업데이트는 단순히 벤치마크(Benchmark) 점수를 겨루는 것뿐만 아니라, 실제 개발에서 우리가 직면하는 '장시간의 태스크(Task)'나 '복잡한 지시'에 대한 끈기 같은 '행동(Behavior)'의 개선에 초점을 맞추고 있습니다.

이번에는 공식 블로그의 발표 내용을 바탕으로, Composer 2.5가 어떻게 진화하고 우리의 개발 경험을 어떻게 바꾸는지, 기술적인 배경과 함께 알기 쉽게 정리해 보겠습니다.

참조 원문: Cursor 공식 블로그 「Introducing Composer 2.5」

공개일: 2026년 5월 18일

Composer 2.5의 주요 개선 포인트

Composer 2.5에서는 주로 다음과 같은 개선이 이루어졌습니다.

• 장시간의 태스크를 지속해서 진행하는 능력 향상
• 복잡한 지시에 대한 추종 성능 향상
• 커뮤니케이션 스타일 개선
• 어느 정도의 노력을 기울여야 할지를 판단하는 행동의 개선
• 더 어려운 학습 태스크를 통한 모델 성능 강화

Cursor의 설명에 따르면, Composer 2.5는 Composer 2와 비교했을 때 「지능」과 「행동」 양면에서 크게 향상되었다고 합니다.

여기서 주목해야 할 점은 「행동(Behavior)」이라는 표현입니다.

AI 모델의 성능은 벤치마크 점수만으로는 측정할 수 없습니다. 실제 개발에서는 다음과 같은 요소도 중요해집니다.

• 사용자의 의도를 얼마나 정확하게 파악할 수 있는가
• 필요 이상으로 큰 변경을 가하지 않는가
• 설명이 이해하기 쉬운가
• 에러(Error)가 발생했을 때 적절하게 수습할 수 있는가
• 긴 작업에서도 일관성을 유지할 수 있는가

Composer 2.5는 이러한 실무상의 사용 편의성까지 깊이 있게 개선되었다는 점이 특징입니다.

베이스는 Kimi K2.5

Composer 2.5는 Composer 2와 마찬가지로, Moonshot AI의 오픈 소스 체크포인트(Open Source Checkpoint)인 「Kimi K2.5」를 기반으로 하고 있습니다.

그 위에 Cursor 독자적인 학습 스택(Learning Stack)과 강화학습(RL)의 노하우를 더함으로써 코딩 에이전트(Coding Agent)로서의 능력을 높였습니다.

즉, Composer 2.5는 단순한 범용 LLM(Large Language Model)이 아니라, Cursor 상에서의 개발 경험에 최적화된 모델이라고 생각하면 이해하기 쉽습니다.

개선의 배경에 있는 3가지 기술 요소

Cursor의 기사에서는 Composer 2.5의 학습에 관한 주요 개선 사항으로 다음 3가지를 소개하고 있습니다.

• 텍스트 피드백을 이용한 타겟형 RL (Targeted RL using text feedback)
• 합성 데이터(Synthetic Data)의 확충
• Sharded Muon과 dual mesh HSDP

각각 간단히 정리해 보겠습니다.

1. 텍스트 피드백을 이용한 타겟형 RL

AI 에이전트의 학습에서는 긴 작업 과정 중에서 어떤 판단이 좋았는지, 혹은 나빴는지를 특정하기 어려워집니다.

예를 들어, 수백 번의 도구 호출(Tool Call)을 포함하는 긴 작업 중에서 단 한 번 잘못된 도구를 호출했다고 가정해 봅시다.

최종적인 태스크가 성공했다면, 그 작은 실수는 보상(Reward)에 크게 반영되지 않을 가능성이 있습니다. 반대로 실패했을 경우에도, 어느 부분이 원인이었는지 모델이 정확하게 배우는 것은 쉽지 않습니다.

그래서 Composer 2.5에서는 문제가 발생한 지점에 대해 직접 텍스트 피드백을 주는 수법이 사용되고 있습니다.

예를 들어, 모델이 존재하지 않는 도구를 호출하려고 할 경우, 그 장면에 「사용 가능한 도구는 다음과 같습니다」와 같은 힌트를 삽입합니다. 그러면 모델은 그 국소적인 장면에서 무엇을 개선해야 하는지를 배우기 쉬워집니다.

이는 긴 작업 전체에 대한 막연한 평가뿐만 아니라, 「이 장면에서는 이렇게 행동했어야 했다」라는 구체적인 학습 시그널(Learning Signal)을 주는 방식입니다.

이 수법을 통해 코딩 스타일이나 커뮤니케이션, 도구 이용의 정확성 등 실제 사용 편의성과 직결되는 행동이 개선되었습니다.

2. 합성 데이터의 확충

Composer 2.5는 Composer 2보다 25배 많은 합성 태스크(Synthetic Task)로 학습되었습니다.

합성 태스크란 실제 코드베이스(Codebase)를 바탕으로 인공적으로 만들어진 학습용 과제를 말합니다.

예를 들어, 특정 코드베이스에서 특정 기능만을 삭제하고 AI에게 그 기능을 재구현하게 하는 등의 태스크가 소개되어 있습니다. 이 경우 테스트가 통과하는지 여부를 보상으로 사용할 수 있기 때문에 모델 학습에 활용하기 용이합니다.

이는 코딩 AI에게 매우 실천적인 학습 방법입니다.

왜냐하면, 실제 개발에서도 다음과 같은 작업이 자주 발생하기 때문입니다.

• 기존 코드를 읽고 사양(Specification)을 이해하기
• 부족한 기능 추가하기
• 테스트를 통과시키면서 수정하기
• 주변 코드와의 정합성 유지하기

한편, 대규모 합성 데이터(Synthetic Data) 학습에는 과제도 있습니다.

기사에서는 모델이 삭제된 함수 시그니처(Function Signature)를 캐시에서 추측하거나, Java 바이트코드(Bytecode)를 역컴파일(Decompile)하여 정보를 복원하는 사례가 소개되어 있습니다.

이는 모델이 똑똑해질수록 '본래 의도한 풀이 방식'이 아니라 '지름길(Shortcut)'을 찾아낼 가능성이 있음을 보여줍니다.

AI 에이전트의 학습에서는 단순히 문제를 풀 수 있는지 여부뿐만 아니라, 어떻게 풀었는지를 감시하는 것도 중요해집니다.

3. Sharded Muon と dual mesh HSDP

기사의 후반부에서는 보다 기술적인 학습 기반에 대해서도 설명되어 있습니다.

Composer 2.5에서는 지속적인 사전 학습(Continual Pre-training)에 있어 'Muon'이라는 기법이나, MoE 모델에 적합한 HSDP 레이아웃이 사용되고 있습니다.

이 부분은 상당히 전문적이지만, 대략적으로 말하자면 대규모 모델을 효율적으로 학습시키기 위한 분산 학습(Distributed Training)의 고안입니다.

특히 MoE 모델에서는 모델 내의 expert라고 불리는 부분이 큰 계산 비용을 차지합니다. 따라서 expert 부분과 그 외의 부분에 서로 다른 병렬화(Parallelization) 설계를 사용하여 통신과 계산을 효율화하고 있습니다.

Cursor의 기사에서는 1T 모델에서 optimizer step time이 0.2초라는 점도 언급되어 있습니다.

Composer 2.5의 개선은 모델 자체의 학습 데이터나 강화학습(RL)뿐만 아니라, 이를 뒷받침하는 대규모 학습 인프라에 의해서도 지탱되고 있음을 알 수 있습니다.

요금

Composer 2.5의 가격은 다음과 같이 소개되어 있습니다.

Composer 2와 마찬가지로, 고속 버전이 기본 옵션으로 설정되어 있습니다.

또한, Composer 2.5에서는 첫 주 사용량이 2배가 된다는 안내도 있습니다.

개발자에게 무엇이 좋은가

Composer 2.5의 업데이트는 단순히 '더 똑똑한 모델이 되었다'는 이야기가 아닙니다.

개발자에게 중요한 것은 AI에게 맡길 수 있는 작업 범위가 넓어진다는 점입니다.

예를 들어, 다음과 같은 상황에서 혜택을 볼 수 있을 것 같습니다.

• 여러 파일에 걸친 수정
• 기존 코드의 사양 이해
• 테스트를 확인하며 기능 구현
• 긴 리팩터링 (Refactoring)
• 에러 원인 조사
• 코드 리뷰 보조
• 도중에 방침을 변경해야 하는 태스크

특히 장시간 작업에서도 문맥(Context)을 유지하기 쉬워지고, 지시에 대해 더욱 안정적으로 따를 수 있게 된다면 AI 에이전트로서의 실용성은 상당히 높아질 것입니다.

우려되는 점

한편, Composer 2.5의 설명에서는 향후 AI 코딩 에이전트의 과제도 보입니다.

특히 중요한 것은 모델이 똑똑해질수록 의도하지 않은 지름길을 찾을 가능성이 있다는 점입니다.

합성 태스크의 예에서는 모델이 캐시나 바이트코드로부터 본래 삭제된 정보를 복원하는 듯한 움직임을 보여줍니다. 이는 능력의 높음을 보여주는 동시에, 평가 설계나 감시의 어려움도 나타냅니다.

향후 코딩 AI에서는 단순히 '테스트가 통과한다'는 것뿐만 아니라, 다음과 같은 관점도 더욱 중요해질 것입니다.

• 변경 내용이 의도에 부합하는가
• 보안상 문제가 없는가
• 부자연스러운 회피책을 사용하고 있지 않은가
• 유지보수하기 쉬운 코드가 되었는가
• 설명 책임(Accountability)을 다할 수 있는가

AI 에이전트를 실무에서 사용할 경우, 인간 측의 리뷰나 설계 판단은 계속해서 중요합니다.

요약

Composer 2.5는 Cursor의 코딩 경험을 더욱 강화하기 위한 큰 업데이트입니다.

포인트를 정리하면 다음과 같습니다.

• Composer 2와 비교하여 지능과 행동(Behavior)이 크게 개선됨
• 장시간 태스크(Long-running tasks) 및 복잡한 지시사항에 대한 대응력 향상
• 텍스트 피드백을 사용한 타겟형 강화학습 (Targeted RL)을 통해 국소적인 행동을 개선
• Composer 2 대비 25배 많은 합성 태스크 (Synthetic tasks)로 학습
• 대규모 분산 학습 (Large-scale distributed training) 기법을 통해 학습 효율도 높임
• 가격은 일반 버전 기준 입력 $0.50/M, 출력 $2.50/M
• 고속 변체 (Fast variant)도 준비되어 있음

Composer 2.5는 AI 코딩 에이전트가 '단발적인 코드 생성'에서 '긴 개발 작업을 함께 진행하는 존재'로 다가서고 있음을 느끼게 하는 업데이트입니다.

앞으로 Cursor를 사용한 개발에서는 AI에게 어디까지 맡길 것인지, 어느 타이밍에 인간이 리뷰할 것인지에 대한 활용 방식의 구분이 더욱 중요해질 것으로 보입니다.

Discussion