Anysphere च्या स्थापनेपासून, कर्सरने कर्सर 2.0 प्लॅटफॉर्म अपडेटचा भाग म्हणून कंपोजर, त्याचे पहिले इन-हाउस लार्ज कोडिंग लँग्वेज मॉडेल (LLM) सादर केले आहे.
एआय-सहाय्यित प्रोग्रामिंगमधील नवीन पायरीचे प्रतिनिधित्व करून, उत्पादन वातावरणात प्रोग्रामिंग कार्ये जलद आणि अचूकपणे कार्यान्वित करण्यासाठी संगीतकार डिझाइन केले आहे. हे आधीच कर्सरच्या स्वतःच्या अभियांत्रिकी कार्यसंघाद्वारे दैनंदिन विकासामध्ये वापरले जात आहे – परिपक्वता आणि स्थिरता दर्शविते.
निर्देशकानुसार, संगीतकार सर्वात जास्त संवाद पूर्ण करतो 30 सेकंदांपेक्षा कमी मोठ्या आणि जटिल कोड बेसमध्ये तर्क करण्याची उच्च पातळीची क्षमता राखताना.
मॉडेलचे वर्णन तत्सम बुद्धिमान प्रणालींपेक्षा चारपट वेगवान असे केले जाते आणि “एजंट” वर्कफ्लोवर प्रशिक्षित केले जाते – जेथे स्वतंत्र कोडिंग एजंट सहकार्याने कोडची योजना, लिहिणे, चाचणी आणि पुनरावलोकन करतात.
पूर्वी, निर्देशक समर्थित होता "वातावरण कोडिंग" – वापरकर्त्याच्या नैसर्गिक भाषेच्या सूचनांवर आधारित कोड लिहिण्यासाठी किंवा पूर्ण करण्यासाठी AI वापरणे, अगदी विकासात प्रशिक्षित नसलेले देखील – तसेच OpenAI, Anthropic, Google आणि xAI कडून इतर आघाडीची LLM प्रमाणपत्रे. हे पर्याय अजूनही वापरकर्त्यांसाठी उपलब्ध आहेत.
मानक परिणाम
वापरून संगीतकाराची क्षमता मोजली जाते "सूचक आसन," रिअल डेव्हलपर एजंटच्या विनंत्यांमधून घेतलेला अंतर्गत मूल्यमापन सेट. मानक उपाय केवळ शुद्धताच नाही तर मॉडेलचे वर्तमान अमूर्तता, शैली परंपरा आणि अभियांत्रिकी पद्धतींचे पालन देखील करतात.
या बेंचमार्कनुसार, कंपोजर प्रति सेकंद 250 टोकन्स व्युत्पन्न करताना फ्रंटियर-स्तरीय कोडिंग बुद्धिमत्ता प्राप्त करतो – आघाडीच्या वेगवान अनुमान मॉडेल्सपेक्षा सुमारे दुप्पट आणि तुलनात्मक फ्रंटियर सिस्टमपेक्षा चारपट वेगवान.
कर्सरचे प्रकाशित तुलना मॉडेल अनेक श्रेणींमध्ये मॉडेल्सची विभागणी करतात: “बेस्ट ओपन” (उदा., क्वेन कोडर, GLM 4.6), “फास्ट फ्रंटियर” (हायकू 4.5, जेमिनी फ्लॅश 2.5), “फ्रंटियर 7/2025” (सर्वात मजबूत मिड-इयर मॉडेल आणि “पीटी-पीटी) उपलब्ध आणि “पीटी-5 मॉडेल उपलब्ध” क्लॉड सॉनेट 4.5). चाचणी केलेल्या सर्व वर्गांमध्ये रेकॉर्ड केलेली सर्वोच्च जनरेशन गती प्रदान करताना संगीतकार मध्यम-श्रेणी प्रणालीच्या बुद्धिमत्तेशी जुळतो.
मजबुतीकरण शिक्षण आणि तज्ञ मिश्रण आर्किटेक्चरवर आधारित मॉडेल
संशोधन शास्त्रज्ञ साशा रश ऑफ कर्सर यांनी सोशल नेटवर्कवरील पोस्टमध्ये मॉडेलच्या विकासाची अंतर्दृष्टी प्रदान केली
“आम्ही RL चा वापर मोठ्या MOE मॉडेलला वास्तविक-जागतिक प्रोग्रामिंगमध्ये चांगले आणि जलद होण्यासाठी प्रशिक्षित करण्यासाठी केला.”
रशने स्पष्ट केले की मॉडेलला उत्पादन स्तरावर कार्यक्षमतेने चालवण्यास अनुमती देण्यासाठी संघाने संगीतकार आणि कर्सर दोन्ही वातावरणाची सह-डिझाइन केली आहे:
“इतर मशीन लर्निंग सिस्टीमच्या विपरीत, तुम्ही मोठ्या प्रमाणावरील प्रणालीमधून जास्त काही काढू शकत नाही. एजंटला आवश्यक प्रमाणात चालवता यावे यासाठी आम्ही हा प्रकल्प आणि इंडिकेटर एकत्रितपणे डिझाइन केले आहे.”
संगीतकाराला स्थिर डेटासेट ऐवजी वास्तविक सॉफ्टवेअर अभियांत्रिकी कार्यांवर प्रशिक्षण दिले जाते. प्रशिक्षणादरम्यान, जटिल अभियांत्रिकी समस्यांचे निराकरण करण्यासाठी फाइल संपादन, सिमेंटिक शोध आणि टर्मिनल कमांड्ससह उत्पादन साधनांच्या श्रेणीचा वापर करून मॉडेल पूर्ण कोडबेसमध्ये चालले. प्रत्येक प्रशिक्षण पुनरावृत्तीमध्ये एक ठोस आव्हान सोडवणे समाविष्ट असते, जसे की कोड बदल करणे, योजना तयार करणे किंवा लक्ष्यित स्पष्टीकरण तयार करणे.
मजबुतीकरण रिंगने आरोग्य आणि कार्यक्षमता सुधारली. संगीतकाराने प्रभावी साधन निवडी कशी करायची, समांतरता कशी वापरायची आणि अनावश्यक किंवा सट्टा प्रतिसाद टाळायचा हे शिकले आहे. कालांतराने, मॉडेलने आपत्कालीन वर्तन विकसित केले जसे की युनिट चाचण्या चालवणे, लिंटर बगचे निराकरण करणे आणि स्वतंत्रपणे मल्टी-स्टेप कोड शोध करणे.
हे डिझाइन कंपोझरला शेवटच्या वापरकर्त्याप्रमाणेच रनटाइम संदर्भात ऑपरेट करण्यास सक्षम करते, ज्यामुळे ते वास्तविक-जागतिक प्रोग्रामिंग परिस्थितींशी अधिक सुसंगत बनते – आवृत्ती नियंत्रण, अवलंबित्व व्यवस्थापन आणि पुनरावृत्ती चाचणी.
प्रोटोटाइपपासून उत्पादनापर्यंत
संगीतकाराचा विकास पूर्वीच्या अंतर्गत प्रोटोटाइप म्हणून ओळखला जातो चित्ताज्याचा उपयोग इंडेक्सने प्रोग्रामिंग कार्यांसाठी कमी-विलंबता हेरिस्टिक्स एक्सप्लोर करण्यासाठी केला आहे.
“चित्ता ही या मॉडेलची आवृत्ती 0 होती मुख्यत्वेकरून स्पीड टेस्टिंगसाठी,” Rush X वर म्हणाला. “आमचे मेट्रिक्स सूचित करतात की तो (संगीतकार) तितकाच वेगवान, पण खूप हुशार आहे.”
लेटन्सी कमी करण्यात चीताच्या यशामुळे कर्सरला विकासकाचा आत्मविश्वास आणि वापर सुलभतेचा महत्त्वाचा घटक म्हणून गती ओळखण्यात मदत झाली आहे.
अनुमान आणि कार्य सामान्यीकरण लक्षणीयरीत्या सुधारत असताना संगीतकार ती प्रतिसादशीलता राखतो.
सुरुवातीच्या चाचणीदरम्यान चीता वापरणाऱ्या विकसकांनी नोंदवले की त्याच्या गतीने त्यांनी काम करण्याची पद्धत बदलली. “हे इतके जलद होते की मी त्यावर काम करताना अद्ययावत राहू शकलो,” एका वापरकर्त्याने टिप्पणी दिली.
संगीतकार हा वेग कायम ठेवतो परंतु मल्टी-स्टेप कोडिंग, रिफॅक्टरिंग आणि चाचणी कार्यांसाठी क्षमता वाढवतो.
इंडिकेटर 2.0 सह एकत्रीकरण
कंपोझरला कर्सर 2.0 मध्ये पूर्णपणे समाकलित केले गेले आहे, हे कंपनीच्या एजंट डेव्हलपमेंट वातावरणातील एक प्रमुख अपडेट आहे.
प्लॅटफॉर्म एक मल्टी-एजंट इंटरफेस देते, परवानगी देते समांतरपणे काम करण्यासाठी आठ एजंटांपर्यंत, गिट वर्क ट्री किंवा रिमोट मशीन वापरून प्रत्येक वेगळ्या कार्यक्षेत्रात आहे.
या प्रणालीमध्ये, संगीतकार यापैकी एक किंवा अधिक एजंट म्हणून कार्य करू शकतो, स्वतंत्रपणे किंवा सहकार्याने कार्य करू शकतो. डेव्हलपर समवर्ती एजंट चालवलेल्या अनेक परिणामांची तुलना करू शकतात आणि सर्वोत्तम निवडू शकतात.
कर्सर 2.0 मध्ये संगीतकार परिणामकारकता सुधारणारी समर्थन वैशिष्ट्ये देखील समाविष्ट आहेत:
-
ब्राउझर अंतर्गत संपादक (GA) – एजंटना त्यांचा कोड थेट IDE मध्ये चालवण्यास आणि चाचणी करण्यास सक्षम करते, DOM माहिती फॉर्मवर पुनर्निर्देशित करते.
-
कोड पुनरावलोकन सुधारा – मॉडेलद्वारे व्युत्पन्न केलेल्या बदलांच्या जलद तपासणीसाठी एकाधिक फाइल्समधील एकूण फरक.
-
संरक्षण मोड टर्मिनल्स (GA) – सुरक्षित स्थानिक अंमलबजावणीसाठी एजंट-व्यवस्थापित शेल कमांड अलग करा.
-
ध्वनी मोड – एजंट सत्र सुरू करण्यासाठी किंवा व्यवस्थापित करण्यासाठी स्पीच-टू-टेक्स्ट कंट्रोल्स जोडते.
ही प्लॅटफॉर्म अद्यतने संपूर्ण कर्सर अनुभवाचा विस्तार करत असताना, संगीतकार हे तांत्रिक केंद्र म्हणून स्थानबद्ध आहे जे जलद आणि विश्वासार्ह प्रॉक्सी एन्क्रिप्शन सक्षम करते.
पायाभूत सुविधा आणि प्रशिक्षण प्रणाली
कम्पोझरला मोठ्या प्रमाणावर प्रशिक्षण देण्यासाठी, कर्सरने हजारो NVIDIA GPU मध्ये असिंक्रोनस प्रशिक्षणासाठी PyTorch आणि Ray यांना जोडणारी सानुकूल मजबुतीकरण शिक्षण पायाभूत सुविधा तयार केली.
संघाने एक विशेष MXFP8 MoE कर्नल विकसित केला आणि मिश्रित हॅश डेटाला समांतर केले, कमीत कमी संप्रेषण ओव्हरहेडसह मोठ्या प्रमाणात मॉडेल अद्यतने सक्षम केली.
हे कॉन्फिगरेशन कर्सरला प्रशिक्षणोत्तर परिमाणीकरण, अनुमान गती आणि कार्यक्षमतेत सुधारणा न करता स्थानिक पातळीवर मॉडेल्सना कमी अचूकतेवर प्रशिक्षित करण्यास अनुमती देते.
संगीतकाराचे प्रशिक्षण शेकडो हजारो समवर्ती सँडबॉक्स वातावरणावर अवलंबून होते – प्रत्येक एक स्वयंपूर्ण प्रोग्रामिंग कार्यक्षेत्र – क्लाउडमध्ये चालते. कंपनीने या व्हर्च्युअल मशीन्सचे डायनॅमिकपणे शेड्यूल करण्यासाठी बॅक-एंड एजंट इन्फ्रास्ट्रक्चरला अनुकूल केले आहे, जे मोठ्या RL धावांच्या स्फोटक स्वरूपाचे समर्थन करते.
एंटरप्राइझ वापर
कर्सरच्या कोड इंटेलिजन्स स्टॅकद्वारे इन्फ्रास्ट्रक्चर-स्तरीय बदलांद्वारे संगीतकाराच्या कार्यप्रदर्शन सुधारणांना समर्थन दिले जाते.
कंपनीने जलद डायग्नोस्टिक्स आणि नेव्हिगेशनसाठी, विशेषतः पायथन आणि टाइपस्क्रिप्ट प्रोजेक्ट्ससाठी तिचे भाषा सर्व्हर प्रोटोकॉल (LSPs) ऑप्टिमाइझ केले आहेत. जेव्हा संगीतकार मोठ्या रिपॉझिटरीजशी संवाद साधतो किंवा मल्टी-फाइल अपडेट्स तयार करतो तेव्हा हे बदल विलंबता कमी करतात.
एंटरप्राइझ वापरकर्त्यांचे संघ नियम, ऑडिट लॉग आणि सँडबॉक्स अनुप्रयोगाद्वारे संगीतकार आणि इतर एजंट्सवर प्रशासकीय नियंत्रण असते. कर्सरच्या टीम्स आणि एंटरप्राइझ लेयर्स बॅच फॉर्म, SAML/OIDC प्रमाणीकरण, आणि ॲनालिटिक्सच्या वापरास समर्थन देतात आणि संस्थांमध्ये एजंटच्या कामगिरीचे परीक्षण करतात.
प्रो+ आणि अल्ट्रा सदस्यांसाठी विस्तारित वापर मर्यादेसह वैयक्तिक वापरकर्त्यांसाठी किंमती विनामूल्य (हॉबी) पासून अल्ट्रा ($200 प्रति महिना) पर्यंत आहेत.
एंटरप्राइझ करार सानुकूल वापर आणि अनुपालन पर्याय ऑफर करून, टीम्ससाठी प्रति वापरकर्ता प्रति महिना $40 पासून व्यवसाय किंमत सुरू होते.
विकसित होत असलेल्या एआय प्रोग्रामिंग लँडस्केपमध्ये संगीतकाराची भूमिका
स्पीड, मजबुतीकरण शिक्षण आणि थेट कोडिंग वर्कफ्लोसह एकत्रीकरणावर संगीतकाराचे लक्ष हे GitHub Copilot किंवा Replit’s Agent सारख्या इतर AI डेव्हलपमेंट सहाय्यकांपेक्षा वेगळे करते.
निष्क्रिय सूचना इंजिन म्हणून काम करण्याऐवजी, संगीतकार सतत एजंट-आधारित सहयोगासाठी डिझाइन केलेले आहे, जिथे एकाधिक स्वतंत्र प्रणाली प्रकल्पाच्या कोड बेसशी थेट संवाद साधतात.
हे मॉडेल-स्तरीय स्पेशलायझेशन—एआयला प्रत्यक्ष वातावरणात ऑपरेट करण्यासाठी प्रशिक्षण देणे—प्रॅक्टिकल, स्वायत्त सॉफ्टवेअर विकसित करण्याच्या दिशेने एक महत्त्वाचे पाऊल दर्शवते. संगीतकाराला केवळ मजकूर डेटा किंवा स्टॅटिक कोडवरच प्रशिक्षित केले जात नाही तर उत्पादन परिस्थिती प्रतिबिंबित करणाऱ्या डायनॅमिक IDE मध्ये.
रॅशने या दृष्टिकोनाचे वास्तविक-जगातील विश्वासार्हता साध्य करण्यासाठी आवश्यक असल्याचे वर्णन केले: मॉडेल केवळ कोड कसे तयार करायचे हे शिकत नाही, तर ते समाकलित कसे करावे, चाचणी आणि संदर्भात सुधारणा कशी करावी हे शिकते.
एंटरप्राइझ डेव्हलपर आणि डायनॅमिक प्रोग्रामिंगसाठी याचा अर्थ काय आहे
कंपोझरसह, कर्सर केवळ द्रुत मॉडेलपेक्षा बरेच काही ऑफर करतो, ते वास्तविक-जागतिक वापरासाठी ऑप्टिमाइझ केलेली AI प्रणाली तैनात करते, ज्या विकसक आधीपासून अवलंबून आहेत त्याच साधनांमध्ये कार्य करण्यासाठी डिझाइन केलेले आहे.
मजबुतीकरण शिक्षण, तज्ज्ञ मिक्स डिझाइन आणि घट्ट उत्पादन एकत्रीकरण यांचे संयोजन संगीतकाराला वेग आणि प्रतिसादात व्यावहारिक फायदा देते जे सामान्य-उद्देशीय भाषा मॉडेल्सपासून वेगळे करते.
कर्सर 2.0 एकाधिक एजंट्समधील सहकार्यासाठी पायाभूत सुविधा प्रदान करते, तर संगीतकार हा मुख्य नवकल्पना आहे जो कार्यप्रवाह व्यवहार्य बनवतो.
विशेषत: उत्पादन-स्तरीय प्रॉक्सी कोडिंगसाठी डिझाइन केलेले हे पहिले कोडिंग मॉडेल आहे — आणि जेव्हा मानवी विकासक आणि फ्रीलांसर समान कार्यक्षेत्र सामायिक करतात तेव्हा दररोजचे प्रोग्रामिंग कसे दिसू शकते याची प्रारंभिक झलक.
