知识卡片：Cursor Router 如何为任务选择合适模型

英文标题： How Cursor Router chooses the right model for the task

英文关键词： Cursor Router; Auto Intelligence; Auto Balance; Compass; task router; model routing; cost-performance; real developer traffic

一句话结论

Cursor Router 不依赖基准分数，而是从真实开发者流量中学习模型选择：先用 Compass 预测任务复杂度，再用任务分类器挑选最合适的前沿模型。发布后持续改进，目前 Auto Intelligence 达到超过 Fable 的用户满意度且成本低 68%；Auto Balance 优于 Opus 4.8，成本低 41%。

事件概述或研究问题

2026 年 7 月 22 日，Cursor 推出 Router 的两种新配置：Auto Intelligence 和 Auto Balance。8 月 6 日，Cursor 发布技术博文解释其工作原理，核心问题是：如何根据真实开发者工作，而不是 benchmark 分数，为每个任务选择成本与质量最优的模型。

方法/产品要点

数据来源：使用来自 Cursor 真实流量的数十万次会话轮次构建数据集，保留任务分布、上下文和模型切换的影响，并遵守用户隐私模式和数据保留设置。
信号特征：路由决策使用当前轮次和近期对话状态，包括任务类别、最近工具调用和更广泛的工作上下文。
Compass 复杂度预测器：通过预测用户是否对响应满意来估计任务复杂度。分数越高，代表用户越可能满意；简单任务很少被用户纠正，复杂任务更可能引发后续请求。
路由算法：Compass 分数高于阈值时，走价格更高效的模型；低于阈值时，交给任务路由器选择前沿模型。
任务分类体系：从真实流量中学习，包含三个维度：
- Domains：backend、database schemas、frontend 等；
- Tasks：fixing bugs、running commands、writing tests 等；
- Modifiers：bounded edits、product questions、visual-heavy changes 等。
任务路由规则：
- 只有候选模型在某个任务标签上的表现明显更好时才路由，要求单侧 75% 的提升阈值，约等于需要 75% 置信度认为改进真实存在；
- 在预算内选择预期质量提升最大、平均每次成本不超预算的流量加权组合。
两种模式：Auto Balance 让更多流量留在性价比路径，并给任务路由器较小预算；Auto Intelligence 给任务路由器更大空间，在预期收益合理时选择前沿模型。

主要结果或产业意义

Auto Intelligence：用户满意度超过 Fable 水平，成本低 68%；自上线以来成本进一步降低 18%。
Auto Balance：表现优于 Opus 4.8，成本低 41%；同期成本再降 8%，用户满意度进一步提高 3%。
Compass 在线验证：被 Compass 评为最可能成功的轮次中，96% 收到正向性能信号；评为最不可能成功的轮次中，该比例为 71%。
模型优势差异：材料认为没有任何模型在所有任务上都占优。
- Grok：适合广泛、常规的工作，成本低，尤其适合 Git 命令和通用数据库操作；
- Sol：在规划和代码库理解上表现好，某些实现任务上也以更低成本取得强结果；
- Opus：适合执行密集型工作，如 devops、数据库查询、性能优化；
- Fable：擅长调试和视觉实现，在复杂任务上质量优势值得更高成本。
持续演进：上线后已将 Opus 5 加入路由池，并改进了 Compass 预测；长期目标是让路由系统根据生产结果持续更新。

为什么重要

Cursor Router 展示了一种不同于“单一最强模型”的工程思路：用真实开发者行为信号训练模型选择器，而不是仅看 benchmark。它把成本控制放在与质量同等重要的位置，并尝试在每一次任务上动态组合多个前沿模型。对行业而言，这意味着模型能力的竞争之外，还出现了“模型路由”这一层新的系统级优化空间。

与既有脉络的关系

本条是 Cursor Router 的机制说明，与已有“Grok 4.5”卡片相关但不重复。增量信息在于：Grok 4.5 卡片介绍模型本身，本条则说明 Cursor 如何在生产环境中把 Grok、Sol、Opus、Fable 等模型放进统一路由系统，并用 Compass 和任务分类器决定何时使用哪个模型。材料还披露了各模型在不同类别任务上的相对优势。

局限与不确定性

性能信号来自用户后续行为，例如继续下一个任务或纠正智能体，属于间接推断，不是直接满意度测量。
离线评估和 benchmark 都不能完全预测线上表现；真实流量仍是最具代表性的测试环境。
具体 Compass 阈值、各模式成本预算、75% 置信度计算细节未在材料中完全展开。
文中“68% 更低成本”的比较对象在文字中不够明确，图表说明以 Opus 4.8 为相对基准；如需引用，具体口径待核实。
以上收益数据来自 Cursor 自述，尚未提供独立第三方验证。

可用于图书/PPT/简报的角度

“模型路由”作为 LLM 成本优化层：不是所有任务都需要最贵的模型。
用真实用户行为信号代替 benchmark 来做模型选择。
Cursor Router 的两阶段决策：先判复杂度，再选模型。
模型没有全能冠军：路由系统可以利用不同模型的相对优势。
从“上线后继续降低成本”看生产环境中持续评估的重要性。

原始材料

原文标题：How Cursor Router chooses the right model for the task · Cursor
作者：Connor O'Keefe & Yuri Volkov
发布日期：Aug 6, 2026
来源：https://cursor.com/blog/how-cursor-router-works