Cursor AI কোডিংয়ে কম খরচের প্রতিদ্বন্দ্বী হিসেবে Composer 2.5 উন্মোচন করেছে

কোডিং মডেল বাজারে মূল্যযুদ্ধের ইঙ্গিত

Cursor নতুন in-house AI coding model Composer 2.5 চালু করেছে, এবং কোম্পানির দাবি এটি শীর্ষ frontier systems-এর benchmark performance-এর সমান পারফরম্যান্স দিতে পারে, তাও খরচের সামান্য অংশে। যদি এই দাবি বাস্তব developer workflow-এও টিকে যায়, তাহলে generative AI-র সবচেয়ে বাণিজ্যিকভাবে সক্রিয় সেগমেন্টগুলোর একটিতে প্রতিযোগিতা আরও তীব্র হতে পারে।

The Decoder-এর রিপোর্ট অনুযায়ী, Composer 2.5 Moonshot-এর open-source Kimi K2.5 checkpoint-এর ওপর ভিত্তি করে তৈরি এবং Cursor-এর আগের Composer 2 model-এর তুলনায় 25 গুণ বেশি synthetic task-এ প্রশিক্ষিত। Cursor বলছে compute budget-এর 85 শতাংশ অতিরিক্ত training ও reinforcement learning-এ গেছে, যা ইঙ্গিত দেয় এই release-কে তারা কেবল একটি সামান্য finetune হিসেবে দেখেনি।

মূল দাবি হল performance parity। Cursor জানায়, Composer 2.5 SWE-Bench Multilingual-এ 79.8 শতাংশ এবং CursorBench v3.1-এ 63.2 শতাংশ স্কোর করেছে, যা তাদের মতে model-টিকে ওই পরীক্ষাগুলোতে Opus 4.7 এবং GPT-5.5-এর সমকক্ষ করে। coding-model বাজারে benchmark parity গুরুত্বপূর্ণ, কারণ এখন অনেক ক্রেতা broad language fluency-এর চেয়ে software-specific task, যেমন bug fixing, repository navigation এবং নির্ভরযোগ্য code generation-এর ভিত্তিতে পণ্য তুলনা করছেন।

খরচের দাবি স্কোরের চেয়েও বেশি গুরুত্বপূর্ণ হতে পারে

Benchmark নজর কাড়ে, কিন্তু আরও শক্তিশালী বাণিজ্যিক যুক্তি হতে পারে pricing। Cursor বলছে Composer 2.5-এর দাম input tokens প্রতি মিলিয়নে $0.50 এবং output tokens প্রতি মিলিয়নে $2.50। একই reported performance-সহ একটি faster variant-এর দাম input tokens প্রতি মিলিয়নে $3.00 এবং output tokens প্রতি মিলিয়নে $15.00। কোম্পানির দাবি, এতে সাধারণ task cost Anthropic ও OpenAI-র প্রতিদ্বন্দ্বী high-end system-গুলোর তুলনায় উল্লেখযোগ্যভাবে কম থাকে।

এটি গুরুত্বপূর্ণ, কারণ coding assistant-রা inference cost-এর প্রতি অস্বাভাবিকভাবে সংবেদনশীল। তারা প্রায়ই দীর্ঘ context, repeated edits, agentic loop এবং multi-file operation-এ কাজ করে, যা task-প্রতি খরচ দ্রুত বাড়িয়ে দিতে পারে। এমন একটি model যা বাজারের শীর্ষের কাছাকাছি পারফর্ম করে কিন্তু marginal cost স্পষ্টভাবে কমায়, তা কেবল end user নয়, scale-এ টেকসই অর্থনীতি প্রয়োজন এমন platform builder-দের কাছেও আকর্ষণীয় হয়ে ওঠে।

সেই কারণে এই release AI infrastructure-এ গড়ে ওঠা একটি বৃহত্তর pattern-এর সঙ্গে মিলে যায়: প্রতিযোগিতা এখন আর শুধু এই প্রশ্নে সীমাবদ্ধ নয় যে কার model সবচেয়ে ভালো। বরং কে frontier-level performance সবচেয়ে ভালো operating cost-এ দিতে পারে, সেটিও গুরুত্বপূর্ণ। কোডিং-এ, যেখানে user-রা product-এর ভেতরে সরাসরি output তুলনা করতে পারেন, এই tradeoff বিশেষভাবে দৃশ্যমান।

Synthetic training এবং product integration

Composer 2.5 দেখায় কীভাবে specialized AI firms open checkpoints-এর ওপর তৈরি করে training data, reinforcement learning এবং product integration-এর মাধ্যমে নিজেদের আলাদা করছে। Cursor-এর 25 গুণ বেশি synthetic task ব্যবহারের বর্ণনা নির্দেশ করে যে generated বা programmatically constructed workload এখনো coding-model behavior উন্নত করার প্রধান হাতিয়ার। Synthetic training দ্রুত এগোতে চাওয়া দলগুলোর জন্য, proprietary base-model development-এর ওপর পুরোপুরি নির্ভর না করেও, অন্যতম প্রধান lever হয়ে উঠেছে।

মডেলটি ইতিমধ্যেই Cursor-এ live, তাই এটি কেবল research announcement হয়ে থাকে না; সঙ্গে সঙ্গেই distribution পেয়ে যায়। এটি গুরুত্বপূর্ণ পার্থক্য। অনেক model claim আগে paper বা benchmark table-এ ঘোরে, পরে production use-এ পৌঁছায়। Composer 2.5 সরাসরি coding environment-এর ভেতরে আসে, যেখানে ব্যবহারকারীরা পরীক্ষা করতে পারেন benchmark gain বাস্তব সহায়তায় রূপ নেয় কি না।

তবে benchmark comparison পড়ার সময় সতর্ক থাকা উচিত। দেওয়া source text Cursor-এর পরিসংখ্যান এবং named rival system-গুলোর সঙ্গে parity-র দাবি রিপোর্ট করে, কিন্তু বাস্তব মূল্যায়ন নির্ভর করবে model দীর্ঘ session, অস্পষ্ট নির্দেশ, repository-specific reasoning এবং production condition-এ error recovery কীভাবে সামলায় তার ওপর। Coding assistant-দের বিচার প্রায়ই একবারের সঠিকতার চেয়ে অনেক বেশি হয় তারা পুরো development loop জুড়ে কতটা কার্যকর থাকে তা দিয়ে।

রিলিজের পেছনের বড় উচ্চাকাঙ্ক্ষা

এই launch-কে আরও বড় একটি কৌশলগত প্রচেষ্টার অংশ হিসেবেও তুলে ধরা হয়েছে। একই রিপোর্ট অনুযায়ী, Cursor SpaceX এবং xAI-এর সঙ্গে scratch থেকে একটি অনেক বড় successor model প্রশিক্ষণ দিচ্ছে, Colossus-2 cluster-এ দশ গুণ compute এবং এক মিলিয়ন H100 equivalents ব্যবহার করে। এই প্রকল্প ভবিষ্যতমুখী হলেও Composer 2.5-কে একটি বৃহত্তর narrative-এ রাখে: Cursor শুধু editor-এ external model integrate করছে না, নিজস্ব training agenda-সহ model builder-হিসেবেও নিজেকে প্রতিষ্ঠা করতে চাইছে।

বৃহত্তর AI market-এর জন্য এটি গুরুত্বপূর্ণ, কারণ এটি দেখায় application কোম্পানিগুলো কীভাবে model stack-এর নিচের স্তরে নেমে আসছে। যদি একটি product company open foundations, heavy synthetic training এবং aggressive pricing ব্যবহার করে প্রতিযোগিতামূলক specialist model তৈরি করতে পারে, তবে তা বড় model vendor-দের ওপর দুই দিক থেকেই চাপ সৃষ্টি করে: performance expectations উচ্চই থাকে, আবার premium price দিতে willingness দুর্বল হতে পারে।

Composer 2.5 তাই একটি সাধারণ model refresh-এর চেয়ে বেশি কিছু মনে হচ্ছে। এটি পরীক্ষা করছে focused training এবং product-native deployment কীভাবে flagship systems-এর সঙ্গে gap কমাতে পারে, পাশাপাশি AI coding-এর অর্থনীতি নতুন করে লিখতে পারে। যদি developer-রা model-টিকে বিজ্ঞাপিত ক্ষমতা অনুযায়ী কার্যকর পান, তাহলে সবচেয়ে গুরুত্বপূর্ণ benchmark leaderboard score নাও হতে পারে। হতে পারে সেই price point-ই, যা বাজারের বাকি অংশকে সাড়া দিতে বাধ্য করবে।

এই নিবন্ধটি The Decoder-এর রিপোর্টের ভিত্তিতে। মূল নিবন্ধটি পড়ুন.