Cursor 智能体集群新架构：前沿模型规划任务，廉价模型执行代码，效率提升显著

一句话看懂

Cursor 新 agent swarm 将规划与执行分离，用前沿模型做架构设计、便宜模型写代码，成功重写 SQLite 为 Rust 并通过全部测试。

详细发生了什么

Cursor 团队让升级后的 agent swarm 和旧版分别尝试仅凭文档（无源码、无网络）将 SQLite 用 Rust 重写。新系统采用“规划者-工作者”分离架构：一个前沿模型（如 GPT-5 或 Claude 4.5）负责拆解任务、制定文件结构和接口，然后多个廉价模型（如 GPT-4o mini 或 Claude Haiku）并行编码。所有配置下的新系统最终都在测试套件中拿到 100% 通过率，而旧版 swarm 则因自身产生的 merge conflict 而崩溃。

这个实验表明，当由强模型主导规划时，大部分编码工作可以交给成本更低的模型完成，从而大幅降低总费用和延迟。Cursor 尚未公布具体模型组合和定价，但该方向可能改变 AI 辅助编程的经济模型。

中文圈视角

对中文开发者来说，这个方案有几点值得关注：

1. 使用门槛：Cursor 本身需要订阅（$20/month），且依赖 OpenAI/Anthropic 的 API，国内用户需解决网络问题。目前没有官方中文版或国内镜像。

2. 国产平替：国内类似产品如 通义灵码（阿里）、CodeGeeX（智谱）、Fitten Code（非十科技）尚未推出 agent swarm 功能。但理论上，可以用 DeepSeek-V3 做规划、DeepSeek-Coder-V2 做执行，实现类似效果。不过目前缺乏现成框架。

3. 成本优势：对于预算有限的个人开发者或小团队，这种“强模型规划+弱模型执行”模式能显著降低 API 开销。国内模型定价更低（如 DeepSeek 的 API 价格约为 GPT-4 的 1/10），组合使用可能更具性价比。

4. 盲点：中文社区较少讨论 agent 间的 merge conflict 问题——旧版 swarm 正是因此失败。新版通过分离职责避免了冲突，但多 agent 协作的代码一致性仍是难题。

几条值得记住的细节

• 实验任务：仅凭文档将 SQLite 重写为 Rust，无源码无网络
• 新架构：前沿模型（规划者）+ 廉价模型（工作者）分离
• 结果：所有配置下测试通过率 100%，旧版因 merge conflict 失败
• 潜在成本节省：规划任务仅占少量 token，执行任务使用低价模型
• 目前 Cursor 未公开具体模型组合和定价细节

一句话总结

Cursor 证明了“强脑力规划、弱算力执行”的编程模式可行，中文开发者可关注国产模型组合实现类似效果。