一言で言うと
Cursorがコード生成に特化した自社開発AIモデル「Composer 2」をリリースし、少なくともコード生成の一部ベンチマークではOpenAIやAnthropicの主力モデルに近い性能を、より低いコストで示しました。総合的に最良とまでは言えないものの、費用対効果の高い選択肢として存在感を強めています。
何が起きているのか
Cursorは、ソフトウェア開発者向けのAIモデル「Composer 2」を発表しました。価格は入力トークンあたり0.50ドル、出力トークンあたり1.50ドルで、競合するAnthropicのClaude Opus 4.6（入力5.00ドル/出力25.00ドル）やOpenAIのGPT-5.4 Thinking（入力2.50ドル/出力15.00ドル）と比較して、大幅に低コストです。
性能面では、Cursor独自のコーディングタスクベンチマーク「CursorBench」において、Composer 2は61.3点を記録しました。これは、前身のComposer 1.5の44.2点から大きく向上しており、Claude Opus 4.6の58.2点やGPT-5.4 Thinkingの63.9点に近い水準です。ただし、これはあくまでCursor側が重視するコード生成タスクでの比較であり、汎用的な文章理解や長い推論を含めて全面的に上回るとまでは言えません。
共同創設者のAman Sanger氏によると、このモデルはコードデータのみで学習されており、その特化性により、より小型でコスト効率の高いモデル構築が可能になったと説明されています。品質向上は、強化学習（RL: Reinforcement Learning）を適用する前の事前学習の強化と、数百もの個別アクションを要する「長期間コーディングタスク（long-horizon coding tasks）」での学習によって達成されました。
AI業界の文脈では
この動きは、特定用途に特化した小規模なAIモデル（スモール言語モデル: SLM）が、汎用的な大規模言語モデル（LLM: Large Language Model）に対して、少なくとも特定用途ではコストと性能のバランスで勝負できることを示しています。
Cursorが自社モデルを開発した背景には、OpenAIやAnthropicといった主要モデルプロバイダーに依存し続けることによる構造的なジレンマがあります。モデルを外部から仕入れて使う会社と、自社でモデルそのものを持つ会社では、価格競争の条件が大きく違うからです。たとえばAnthropicのClaude Codeのような競合製品が月額200ドルで提供される一方で、その裏側ではそれ以上の計算コストがかかっている可能性があります。それでも安く出せるのは、モデル提供企業が短期的な利益をある程度犠牲にしてでも、自社サービスを広げられるからです。Cursorのように他社モデルへの依存が大きいプラットフォームにとっては、これは大きな圧力になります。
つまり今後は、「どのモデルを使うか」だけでなく、「モデルを誰が握っているか」そのものが競争力になっていきます。AI開発ツール市場では、単にAPI（Application Programming Interface: ソフトウェア同士をつなぐ接続仕様）で外部モデルを呼び出して使うだけでなく、モデル開発から製品提供までを一気通貫で持つことで、価格と性能の両方を調整しやすくなるのです。
私の見立て
AI開発ツール市場は、汎用LLMのAPI利用から、特定用途に特化した自社モデル開発へと競争軸がシフトしています。 Cursorの「Composer 2」は、コード生成という明確な領域に焦点を絞り、コストパフォーマンスで大手モデルに挑む戦略です。重要なのは、「新しいモデルが一番強い」と言いたいのではなく、「用途を絞れば、十分に強く、しかも安いモデルを作れる」ことが見えてきた点です。医療分野においても、診断支援や創薬など特定のタスクに特化したAIモデルが、汎用AIよりも高い費用対効果を発揮する可能性があります。
Cursorユーザーの視点で言えば、こうしたモデルは「日常的な実装補助」に向いています。たとえば、定型的なコード補完、小さなバグ修正、テスト生成、既存コードの読み替えのように、回数が多く、1回ごとの厳密な深い推論までは求めない場面では、安く速いコード特化モデルの価値が大きくなります。
一方で、複雑な設計判断、長い仕様書をまたいだ整合確認、曖昧な要件整理、文章品質まで含めた丁寧なレビューのように、広い文脈理解や深い推論が必要な場面では、汎用性の高い上位モデルのほうが適している可能性があります。つまりCursorユーザーにとって大事なのは、「常に最強モデルを選ぶ」ことではなく、日常業務は軽く速いモデル、重要判断はより重いモデル、という使い分けをすることです。
→ 何が変わるか: 特定領域に特化したAIモデルが、汎用LLMのコスト優位性を崩し、より多様なAIソリューションが市場に登場するようになります。
→ 何をすべきか: Cursorユーザーは、日常的な実装補助や反復作業ではコード特化モデルを積極的に使い、設計判断や重要レビューでは汎用LLMへ切り替える、という運用を意識するとよいでしょう。自社の業務でAIを導入する際も、1つのモデルに固定せず、作業内容ごとに費用対効果を見て選ぶことが重要です。