# Cursor 发布智能模型路由系统 Cursor Router - 来源：Cursor Blog - 作者：Cursor Team - 发布时间：2026-07-22 08:00 - AIHOT 分数：70 - AIHOT 标记：精选 - AIHOT 链接：https://aihot.news/items/cmrwer0kl0127roj0zluq7yeh - 原文链接：https://cursor.com/blog/router ## 精选理由 Cursor Router 把模型路由从个人选择变成团队策略，实测成本降低 30-50% 且满意度不降，对管理 AI 预算的工程 Leader 来说是个值得立刻试点的新功能。 ## AI 摘要 Cursor 推出 Cursor Router，可自动将每个编码请求分配给最合适的模型。在线 A/B 测试显示，Auto Intelligence 模式在用户满意度接近 Fable 的同时，成本降低约 60%；Auto Balance 模式满意度超过 Opus 4.8，成本降低约 36%。 ## 正文 今天我们正式推出 Cursor Router，这是我们面向团队和企业打造的智能模型路由器。 Cursor Router 让团队能够自动将每一个请求路由到最适合该任务的最强模型，以更低的成本获得前沿智能。 我们在数千名企业开发者的生产流量中观察到了极其出色的结果。在面向数十家企业的早期访问阶段，客户以大约低 30–50% 的成本获得了前沿性能。 在覆盖数百万次请求的在线 A/B 测试中，Cursor Router 以节省 60% 的成本实现了前沿级别的性能。 Cursor 每周跨所有模型和提供商路由数亿次编码请求，对用户喜欢什么、什么会留在代码库中拥有独特的洞察。模型中立一直是 Cursor 运作方式的核心，而今天，我们正将这一数据和专业能力用于为你的团队服务。 借助 Cursor Router，我们的目标是为团队在每一项任务上提供最佳性能和体验，同时不让花费超出任务本身所需。 工作原理 大约 60% 使用 Cursor 的开发者会选择单一模型作为日常主力。这导致日常工作以最前沿模型的价格完成，AI 支出增长速度远超产出质量的提升。Cursor Router 通过在模型运行前对每个请求进行分类来解决这一问题。 从本质上讲，Cursor Router 是一个分类器，它根据用户的查询将其路由到最佳的模型选项。我们基于 60 万多条线上请求训练了 Cursor Router，并在由 Cursor Router 路由的数百万条线上请求上通过在线 A/B 测试评估其表现，以用户满意度（AFC）作为奖励进行优化。 Cursor Router 会从查询、上下文、任务复杂度和领域几个方面分析每一条请求，并结合我们对每个模型行为的了解。我们学习每个模型最擅长什么，然后路由到最有效的选项。简单的工作交给最具价格效率的模型，UI 更新交给最有品味的模型，而更复杂、长跨度的问题则交给前沿推理模型。 我们设计这套路由分类器时，所面向的是一个更新模型会早早且频繁发布的世界。这样一来，随着更新、更强大的模型发布，我们可以轻松更新 Cursor Router，让体验持续提升。 Cursor Router 在训练和评估两方面都具备缓存感知能力。它的训练数据集是路由会导致缓存未命中的场景，而评估则在生产环境中进行，我们报告的节省成本中包含了路由决策所导致的缓存未命中成本。 以更低成本获得前沿智能 Cursor Router 有三种模式：Intelligence、Balance 和 Cost，让你可以调整自己在成本-智能帕累托前沿上的位置。 我们发现，Auto Intelligence 模式在输出用户满意度上接近 Fable，而团队成本降低约 60%，同时在几乎相同的成本下，将满意度较 Opus 4.8 提升约 15%。 类似地，Auto Balance 在结果用户满意度上高于 Opus 4.8，而成本降低约 36%。相较 GPT-5.6 Sol，Auto Balance 以更低的支出率提供相当的满意度。 我们选择使用大规模在线 A/B 测试而非离线评测来衡量路由器的效果。虽然离线评测是有用的质量代理指标，但它们受限于规模较小、与真实使用场景存在距离，以及难以将成功归结为评分标准。 离线评测还忽略了因切换模型而产生的额外缓存未命中成本。真正的路由发生在整个对话过程中：选择哪个模型，以及何时切换。 在线 A/B 测试将 Cursor Router 置于真实世界中，在数百万个任务和对话中进行检验。工程师编写代码、提出追问、遇到错误，然后继续推进，通常一周内会有数百次请求。这些正是模型路由器需要表现良好的条件。 在输出质量方面，我们衡量了： 用户满意度，根据用户响应将智能体的成功进行分类。继续下一个功能是强烈的正面信号，而纠正智能体则是强烈的负面信号。 保留率，即智能体生成的代码随时间推移有多少仍留在代码库中。 在过去九个月里，我们一直依赖这些指标来评估每一次模型发布和 harness 改进。 客户的实际体验 在过去两周里，Cursor Router 已面向部分企业客户开放早期访问。我们将他们实际支付的费用与相同流量完全按 Opus 4.8 API 费率计价的情况进行了对比。 在早期访问中，三个拥有数千名用户的高用量账户，在 Auto 路由请求上相比将所有请求都路由到 Opus 4.8 节省了 30%–50%，且质量没有下降。 每次请求的成本只是故事的一半。工程负责人关心的是这些节省能否体现在真正交付的工作中，因此我们考察了每次提交的成本，这一规律依然成立。 对于单次提交，我们观察到Cursor Router 的每次提交成本更低，Intelligence 模式为 $6.76，Balance 模式为 $4.63。 GPT-5.6 Sol 的成本与 Intelligence 相当，但用户对输出的满意度更低。与此同时，Fable 5 和 Opus 4.8 产生提交的成本高于 Cursor Router，分别为 $12.69 和 $7.34。 这一差距正是路由的实际意义所在。Cursor Router 将困难任务保留在能力最强的模型上，同时把日常性工作从前沿定价的模型上转移出去。 由你来选择权衡取舍 Cursor 在设计路由器时充分考虑了团队和大型组织。该路由器采用数据驱动的分类体系，同时管理员和终端用户仍可选择它位于成本-智能帕累托前沿上的哪个位置。 在模型选择器中选择 Auto 模式，并从三种优化模式中选择，它们会让你沿着前沿移动： 智能：前沿质量，性能可媲美那些最昂贵、最强大、日常使用可能难以企及的模型。 平衡：出色质量，性能可媲美大多数人日常使用所青睐的前沿模型。 成本：良好质量，在优化 token 开销的同时达到可获得的最高智能水平。 管理员可以决定 Cursor Router 如何在各团队中推行。你可以按团队或群组启用它，选择成员可以选用的模式，设置默认模式，并允许或阻止特定模型。 接下来是什么 Cursor Router 是 Cursor 提升 token 效率的方式之一。选对模型只有在智能体本身保持精简时才有意义，因此我们持续削减其周围 harness 中的浪费。 动态工具调用是另一个明显的例子，大多数原生工具描述不再被加载到每个提示词中。模型在首次需要它们时才会查找，遵循我们已用于 MCP 的相同模式。这让 read 和 edit 等常用工具保持热加载，而不太常用的工具只有在智能体实际调用它们时才进入提示词。 除了 Cursor Router，我们还在不断提升模型池的下限和上限：Grok 4.5 拓宽了 Cursor Router 在更难、成本更高的工作上可以调用的范围。Composer 在日常路径上持续进步，因此低成本轮次也能接近前沿质量，而无需支付前沿价格。 Cursor Router 即日起面向 Teams 和 Enterprise 套餐开放，覆盖桌面端、网页端、iOS、CLI 以及我们的 SDK。 更多内容请参阅我们的 文档和 更新日志。