Cursor trenuje własny model AI o 1,5 biliona parametrów

Cursor, znane narzędzie programistyczne wspomagane sztuczną inteligencją, przechodzi strategiczną transformację. Podczas konferencji Compile 16 czerwca 2026 roku współzałożyciel Michael Truell ogłosił trzy przełomowe produkty: pierwszy w pełni autorski model AI, platformę Git dedykowaną agentom oraz aplikację mobilną do zdalnego zarządzania kodem. Firma, która dotychczas opierała się na dostrajaniu modeli zewnętrznych, postanowiła zbudować własny fundament – i to w skali, która stawia ją w jednym rzędzie z największymi laboratoriami AI na świecie.

Nowy model: od zera do 1,5 biliona parametrów

Sercem zapowiedzi jest model o 1,5 biliona parametrów, trenowany od podstaw – czyli od przypadkowej inicjalizacji wag, a nie na bazie istniejącego kodu open source. To fundamentalna zmiana w porównaniu do poprzednich wersji (Composer 2 i 2.5), które bazowały na modelu Kimi K2.5 od Moonshot AI. Cursor poddawał go co prawda dalszemu uczeniu ciągłemu i wzmacnianiu, ale architektura – od wyboru danych treningowych po strukturę wag – była dziedziczona. Teraz firma kontroluje cały łańcuch: od surowych tokenów po finalną inferencję.

Skala trenowania – 100 tysięcy GPU i tygodnie obliczeń

Trening odbywa się na klastrze Colossus firmy xAI w Memphis, z użyciem ponad 100 tysięcy akceleratorów Nvidia (głównie H100 i ich odpowiedników). Cały klaster liczy dziś około 200 tysięcy jednostek. Tak duża skala wymaga zestawów danych sięgających bilionów tokenów oraz wielu tygodni nieprzerwanych obliczeń. Truell podkreślił, że moc obliczeniowa przeznaczona na ten projekt jest od dziesięciu do dwudziestu razy większa niż wszystko, co Cursor wykorzystał wcześniej.

Jak model wypada na tle konkurencji

Według Truella nowy model dorównuje rozmiarem takim gigantom jak Claude Opus od Anthropic czy modele z serii GPT-5.x od OpenAI. Co ciekawe, w szczerym wyznaniu przyznał, że obie te rodziny modeli mają obecnie poniżej dwóch bilionów parametrów. To pokazuje, że przepaść między wyspecjalizowanymi laboratoriami AI a firmą aplikacyjną mającą dostęp do takiej mocy obliczeniowej jak Colossus – jest dziś mniejsza niż kiedykolwiek.

Ekonomia własnego modelu

Dotychczas Cursor działał jako reseller API – pobierał opłaty od subskrybentów, a następnie płacił Anthropicowi, OpenAI i innym dostawcom za inferencję. Marża była stale ściskana. Własny model, trenowany na danych z przepływów pracy deweloperów, usuwa to ograniczenie. Jeśli model sprawdzi się w praktyce, koszty inferencji zmienią się z opłat za tokeny w koszt kapitałowy (capex) poniesiony na trening – zupełnie inna struktura kosztów. Model ma być też uniwersalny – nie tylko do kodowania, ale jako konkurencja dla ogólnych fundamentów AI.

Origin – Git zaprojektowany dla agentów, nie dla ludzi

Drugim wielkim ogłoszeniem jest platforma Origin: hosting Git i współpraca nad kodem, która ma być dostępna publicznie od jesieni 2026 roku. Już teraz można zapisać się na listę oczekujących. Origin powstał na bazie Graphite – startupu do przeglądu kodu, który Cursor przejął w grudniu 2025 roku. Współzałożyciel Graphite, Tomas Reimers, poprowadził demo, w którym pokazano imponujące liczby: około 296 tysięcy klonów repozytorium na godzinę, 81 tysięcy pushy na godzinę i 22,6 commita na sekundę w pojedynczym repozytorium, z globalnym opóźnieniem synchronizacji poniżej 400 milisekund i automatycznym przełączaniem awaryjnym poniżej 10 ms.

Oczywiście to dane demonstracyjne, a nie niezależne benchmarki, a Cursor nie opublikował jeszcze cen ani szczegółowej dokumentacji. Niemniej inżynieryjne wyzwanie, które rozwiązują, jest realne.

Dlaczego GitHub sobie nie radzi

GitHub obsługuje dziś około 275 milionów commitów od agentów AI tygodniowo – to mniej więcej czternastokrotność całkowitego wolumenu commitów na tej platformie w całym 2025 roku. Infrastruktura zaprojektowana dla ludzkiego tempa pracy (wolne, sekwencyjne commity i pull requesty) zaczyna się dusić. W maju 2026 GitHub doświadczył dziewięciu awarii i nie spełniał swojego korporacyjnego SLA (99,9% dostępności). Co więcej, GitHub przeniósł część infrastruktury na AWS zamiast własnego Microsoft Azure – co pokazuje skalę problemu.

Jak Origin rozwiązuje problem mergowania konfliktów

Kiedy agenci AI piszą kod równolegle – dziesiątki sesji jednoczesnego klonowania, tworzenia gałęzi, commitów i pull requestów – konflikty scalania narastają lawinowo. Origin podchodzi do tego inaczej: zamiast znaczników diff na poziomie linii, jego silnik konfliktów analizuje intencję semantyczną każdej gałęzi. Innymi słowy, stara się zrozumieć, co agent chciał osiągnąć, i na tej podstawie automatycznie rozwiązywać kolizje. Format diff, interfejs przeglądu i logika stanu mergowania są od początku zaprojektowane jako odczytywalne i wykonywalne przez maszyny – a nie dostosowywane do ludzkiego wzorca po fakcie.

Ryzyka dla deweloperów – dane i własność

Dla programistów, którzy już teraz obawiają się powierzania kodu platformie kontrolowanej przez SpaceX (przez planowane przejęcie Anysphere), kwestia danych pozostaje otwarta. Cursor nie opublikował dotąd zasad przechowywania danych Origin. Dopóki to się nie zmieni, obowiązuje ta sama ostrożność, co w przypadku edytora Cursor – warto sprawdzić ustawienia Privacy Mode i upewnić się, jakie dane są przesyłane i przechowywane.

Cursor Mobile – zdalne dowodzenie agentami z telefonu

Trzecim ogłoszeniem jest Cursor Mobile – publiczna beta na iOS dostępna przez TestFlight. To nie jest środowisko programistyczne dla telefonu, ale warstwa zdalnego nadzoru nad agentami. Użytkownik może sprawdzić, co robią jego agenci, odblokować zadania oczekujące na dane wejściowe, przeglądać i komentować zrzuty ekranu generowane przez agentów. Funkcja zdalnego dostępu pozwala też połączyć się z agentami działającymi na lokalnym komputerze.

Ta aplikacja wpisuje się w szerszą zmianę definicji produktu Cursor: edytor nie jest już całym produktem, ale środowiskiem wykonawczym. Cursor Mobile zakłada, że deweloper zlecił pracę agentom i potrzebuje sposobu, by nadzorować to zlecenie z dowolnego miejsca – nie tylko z biurka, na którym otwarte jest IDE.

Co to oznacza dla programistów – szanse i zagrożenia

Trzy ogłoszenia z Compile rysują obraz firmy, która próbuje przesunąć się z warstwy aplikacyjnej AI aż do samego fundamentu – przejmując kontrolę nad architekturą pre-treningu, infrastrukturą kontroli wersji i mobilnym interfejsem nadzoru, oprócz samego edytora.

Ta wertykalna integracja ma realne przewagi konkurencyjne. Własny model trenowany na danych z przepływów pracy deweloperów tworzy koło zamachowe, którego konkurenci opierający się na API nie są w stanie odtworzyć: więcej użycia generuje więcej sygnałów treningowych, co poprawia model, co przyciąga więcej użytkowników. To ten sam mechanizm, który daje Microsoftowi Copilot przewagę dzięki 26 milionom użytkowników GitHub – ale osiągnięty inną ścieżką.

Są jednak realne ryzyka. Cursor dotychczas oferował agnostycyzm modelowy – możliwość kierowania zadań do Claude, GPT lub własnego Composer. Analityk Jason Andersen z Moor Insights and Strategy zwrócił uwagę, że nie wiadomo, czy po przejęciu przez SpaceX Cursor nadal pozwoli użytkownikom wybierać alternatywy dla Grok. xAI poniosło w 2025 roku stratę operacyjną w wysokości 6,35 miliarda dolarów, więc SpaceX ma bezpośredni finansowy motyw do zwiększenia użycia Grok. Żadne publiczne zobowiązanie do utrzymania dostępu do wielu modeli nie padło. Programiści z umowami korporacyjnymi opartymi na dostępie do Claude wewnątrz Cursor powinni bacznie obserwować komunikację SpaceX po finalizacji fuzji.

Czy nowy model Cursor dorówna jakością dedykowanym laboratoriom AI? Tego nie wiemy – nie opublikowano żadnych benchmarków przed premierą. Jeśli jednak sprawdzi się w takiej skali, Cursor wejdzie do bardzo wąskiego grona firm, które budują narzędzie deweloperskie, trenują model od podstaw, posiadają własną infrastrukturę obliczeniową i kontrolują warstwę hostingu kodu swoich agentów. Dla programistów oznacza to jednocześnie większą wydajność i większą zależność od jednego dostawcy – odwieczny kompromis w świecie narzędzi programistycznych.