Cursor Composer 2.5: 순위보다 중요한 것은 '긴 작업을 끝내는 힘'

AI 생성 이미지

AI 코딩 도구의 경쟁 기준이 바뀌고 있습니다. 단순히 한 번의 질문에 좋은 답을 내는 모델보다, 여러 파일을 읽고 수정하며 테스트까지 이어가는 작업 지속력이 더 중요해졌습니다. Cursor의 새 모델 Composer 2.5를 볼 때도 핵심은 “얼마나 똑똑한가”보다 “얼마나 끝까지 맡길 수 있는가”입니다.

Composer 2.5는 무엇인가

Composer 2.5는 Cursor 개발사 Anysphere가 발표한 코딩 에이전트용 모델입니다. Cursor IDE 안에서 사용할 수 있으며, 파일 탐색, 코드 수정, 터미널 실행처럼 개발자가 실제로 반복하는 작업을 이어서 처리하는 데 초점을 둡니다.¹

기반은 이전 모델인 Composer 2와 같습니다. 둘 다 Moonshot AI의 오픈소스 체크포인트 Kimi K2.5를 바탕으로 합니다. 차이는 후처리와 학습 방식에 있습니다. Cursor는 Composer 2.5에 사용된 계산 자원의 85%가 추가 학습과 강화학습에 쓰였다고 설명했습니다.¹ 즉, 기반 모델을 그대로 쓰는 것이 아니라 코딩 에이전트로서 더 안정적으로 행동하도록 다듬은 업데이트에 가깝습니다.

이번 업데이트의 핵심: 긴 작업과 복잡한 지시

Composer 2.5에서 강조되는 변화는 두 가지입니다.

첫째, Composer 2보다 장시간 작업을 지속하는 능력이 개선됐습니다.¹ 코딩 에이전트는 짧은 코드 조각을 만드는 것보다, 여러 단계의 작업을 무너지지 않고 이어가는 능력이 중요합니다. 요구사항을 기억하고, 관련 파일을 찾고, 수정한 뒤, 실패한 테스트를 다시 해석하는 과정이 모두 연결돼야 합니다.

둘째, 복잡한 지시를 따르는 능력이 개선됐습니다.¹ 실제 개발 요청은 “이 함수 고쳐줘”처럼 단순하지 않습니다. 기존 설계를 유지해야 하고, 특정 파일은 건드리지 말아야 하며, 테스트 스타일이나 팀 규칙도 따라야 합니다. 이런 조건을 중간에 잊지 않는지가 에이전트 품질을 가릅니다.

벤치마크는 참고하되, 그대로 믿지는 말 것

공개된 수치도 Composer 2.5의 방향을 보여줍니다. Composer 2.5는 Terminal-Bench 2.0에서 69.3%, SWE-Bench Multilingual에서 79.8%, CursorBench 3.1에서 63.2%를 기록했습니다.¹

다만 벤치마크는 “모델이 내 팀의 코드베이스에서 얼마나 유용한가”를 그대로 보장하지 않습니다. 최근 CursorBench와 다른 평가 지표의 상관관계를 둘러싼 논의에서도 IFBench와 tau2 벤치마크가 CursorBench와 거의 0에 가까운 상관관계를 보인다는 내용이 언급됐습니다. 이는 코딩 에이전트 평가에서 어떤 벤치마크를 보느냐에 따라 인상이 달라질 수 있다는 뜻입니다.

그래서 Composer 2.5를 볼 때는 순위 하나보다 평가 기준을 분리해서 보는 편이 낫습니다.

• 긴 작업을 중간에 놓치지 않는가

• 복잡한 요구사항을 끝까지 유지하는가

• 잘못된 수정 후 스스로 회복할 수 있는가

• 테스트와 터미널 결과를 제대로 반영하는가

• 개발자의 재지시와 되돌리기 비용을 줄이는가

이 기준이 실제 생산성과 더 가깝습니다.

개발자가 실제로 확인해야 할 것

Composer 2.5의 가치는 벤치마크보다 실제 작업에서 드러납니다. 특히 다음과 같은 작업에 적용해보면 차이를 판단하기 쉽습니다.

• 오래된 코드 리팩터링

• 여러 파일에 걸친 버그 수정

• 테스트 실패 원인 추적

• 반복적인 타입·인터페이스 정리

• 작은 PR 단위의 기능 구현

이때 중요한 지표는 “정답률”만이 아닙니다. 에이전트가 만든 결과를 리뷰하는 데 걸린 시간, 되돌린 수정의 양, 추가 지시 횟수까지 함께 봐야 합니다. 코딩 에이전트의 비용은 토큰 가격뿐 아니라 실패한 수정과 사람의 개입 시간까지 포함하기 때문입니다.

가격도 관찰할 만한 요소입니다. Composer 2.5는 일반형 기준 입력 100만 토큰당 0.50달러, 출력 100만 토큰당 2.50달러로 제시됐습니다.¹ 성능이 충분하다면 긴 리팩터링이나 반복 테스트 작업에서 경제성이 커질 수 있습니다.

결론

Composer 2.5는 “가장 똑똑한 모델”을 내세우는 업데이트라기보다, Cursor가 코딩 에이전트를 더 오래, 더 안정적으로, 더 낮은 비용으로 굴리기 위한 시도에 가깝습니다.

따라서 도입 여부를 판단할 때는 벤치마크 순위만 보지 않는 것이 좋습니다. 실제 코드베이스에서 PR 단위로 테스트하고, 개발자의 개입이 얼마나 줄어드는지 확인하는 것이 가장 실용적인 평가 방법입니다.

¹Cursor新モデル「Composer 2.5」はGPT-5.5級のコーディング性能を低コストで狙うAIエージェント - GIGAZINE