CursorBench 3.1

# Cursor · CursorBench 来源：https://cursor.com/evals 我们根据真实的Cursor会话对智能体进行评估，涉及模糊的多文件任务。分数越高越好。 详细了解CursorBench（https://cursor.com/blog/cursorbench）一张散点图与折线图，比较Fable 5、Opus 4.8、Opus 4.7、GPT-5.5、Sonnet 5、Sonnet 4.6、GLM 5.2、Composer 2.5和Composer 2的得分与每个任务的平均成本。75%的CursorBench 3.1得分70%65%60%55%50%45%$20$16$12$8$4$0每任务平均成本Fable 5 高Composer 2.5GPT-5.5 中Gemini 3.5 FlashOpus 4.8 高Sonnet 5 高Kimi K2.7 CodeGLM 5.2 高模型1Fable 5 最大72.9%$18.0263,842762Fable 5 超高72.0%$13.7448,754633Fable 5 高70.6%$10.8137,173544Fable 5 中69.8%$8.2728,507475Opus 4.7 最大64.8%$11.0262,989966GPT-5.5 超高64.3%$4.3717,905467Fable 5 低64.2%$5.7018,882368Opus 4.8 最大63.8%$7.5977,370609Composer 2.563.2%$0.5515,1523710GPT-5.5 高62.6%$3.5913,3294011Opus 4.8 超高62.1%$6.1455,6225412Opus 4.7 超高61.6%$7.1143,9427213Sonnet 5 最大61.2%$6.8793,4859314Opus 4.7 高59.4%$5.0132,2275915GPT-5.5 中59.2%$2.229,0653516Opus 4.8 高58.4%$4.4136,7884517Sonnet 5 超高58.4%$5.2358,2288618Sonnet 5 高57.0%$3.7441,7356619Opus 4.8 中56.6%$3.8331,6844120Sonnet 5 中54.9%$2.5727,4695321GLM 5.2 最大54.6%$3.1151,3128322Opus 4.8 低54.3%$2.9322,7263623Opus 4.7 中52.7%$2.9319,1934124Kimi K2.7 Code52.7%$1.9232,9027025Composer 252.2%$0.5614,1634026GLM 5.2 高50.7%$2.4630,6217627Gemini 3.5 Flash49.8%$1.9435,1057928Sonnet 4.6 最大49.0%$3.0940,2805529GPT-5.5 低48.8%$1.194,9232430Sonnet 4.6 高48.8%$3.0637,3525731Opus 4.7 低48.3%$1.8713,1642932Sonnet 5 低47.7%$1.4617,0283733Kimi 2.647.6%$1.2724,7835634Sonnet 4.6 中46.0%$2.6431,3605035Sonnet 4.6 低41.5%$1.8921,2115036Kimi 2.531.9%$0.879,44630 ## 更新日志 ### CursorBench 3.1 - 引入了侧重于代码理解、缺陷查找、规划和代码审查的问题。 - 改进了部分编辑任务的评分标准。 ### CursorBench 3.0 - 初始任务集侧重于编辑、重构和缺陷修复问题。 每个任务的平均成本是通过将每个模型公布的每百万token定价（https://cursor.com/docs/models-and-pricing）（输入、缓存读取、缓存写入、输出）应用于其在每个CursorBench 3.1任务上使用的token数，然后对任务取平均值计算得出的。结果存在波动；分数上的微小差异可能不具备统计学意义。