CursorとGrok、エージェントハーネス、ルーティング、モデル経済学

Cursorは、60万以上の実リクエストで学習されたリクエストレベル分類器「Cursor Router」を導入した。これはタスクごとにモデルを選択し、品質を維持しながらコストを30~60%削減する。単純なタスクは安価なモデルに、UI変更は美的に最適なモデルに、複雑な問題は最先端モデルにルーティングし、キャッシュミスも考慮する。3つのモード(Intelligence:Fableと同等の満足度で60%安価、Balance:Opus 4.8より高い満足度で36%安価、Cost)を備える。また、Cursorは再帰的モデル改善の詳細を公開。ユーザーフィードバックの外部ループと、より優れたRL環境の内部ループにより、エージェントが研究タスクを自動化する。SpaceXAIと共同トレーニングされたGrok 4.5はCursor最強のモデル。ツリー構造(プランナー+ワーカー)を用いたエージェントスワームアーキテクチャは、SQLite再実装タスクで100%の成功率を達成し、コストは1,339ドル(Opusプランナー+Composerワーカー)から20,057ドル(全てFable 5)まで変動。主な発見:最先端モデルは高エントロピー決定にのみ必要、ワーカーのトークンが支配的だがプランナーコストが過半数となる場合あり、ハーネス品質がモデル構成よりも重要。SpaceXAIはGrok Buildのエージェントハーネスをオープンソース化。7層アーキテクチャ、ローカルファースト対応、2パスコンテキスト圧縮、目標検出、ドゥームループ防止を備える。
Key insights
Cursor Routerはリクエストごとにモデルをインテリジェントに選択し、コストを30~60%削減
実際のユーザートラフィックでトレーニングされ、満足度を報酬とするルーターは、クエリ内容、コンテキスト、複雑性、ドメインに加え、キャッシュ認識を考慮する。IntelligenceモードではFableと同等の満足度を60%低コストで達成。BalanceモードではOpus 4.8を約15%上回る満足度を同程度のコストで実現。エンタープライズの早期導入企業は30~50%のコスト削減を達成した。
再帰的モデル改善は実世界のエージェントデータを活用しトレーニングを加速
Cursorの外部ループはユーザーフィードバックとA/Bテスト結果を収集し、内部ループはRL環境とトレーニング手法を改善する。エージェント群が実験管理を自動化し、行き詰まった場合のみ人間に通知。このループによりComposer 2.5が生成され、ソフトウェア工学とより広範な知識作業をカバーする初のモデルであるGrok 4.5の開発に貢献した。
エージェントスワームアーキテクチャにより大規模タスク処理が可能となり、コスト変動は劇的
強力なプランナーと安価なワーカーからなるツリー構造のスワームが、ドキュメントからSQLiteを再実装した。モデル構成に応じてコストは1,339ドルから20,057ドルまで変動したが、品質は同等。最先端モデルはルート分解と設計判断にのみ必要で、ワーカーがほとんどのトークンを消費したが、ドルコストではプランナーが過半数を占めた。
スワームの信頼性にはモデル選択よりもハーネス工学が重要
新しいハーネスにより、コミット数は68Kから1K未満、コンフリクトは70K以上から1K未満、コードベースサイズは64K行から4.6K行に削減され、タスク完了率は100%を達成。5つの障害モード(スプリットブレイン、プランナー競合、マージコンフリクト、メガファイル、硬直化)が特定された。レビューレンズと共有フィールドガイドにより品質が向上した。
Grok Buildハーネスのオープンソース化により透明性とローカルファースト展開を促進
SpaceXAIはエージェントハーネス全体を7層アーキテクチャ(リーダー、セッションアクター、AgentActivity、ターン、サンプラー、サブエージェントコーディネーター、ツールインデックス)で公開。ローカルコンパイル、カスタム推論バックエンド、クライアントごとの機能ルーティングをサポート。2パスコンテキスト圧縮、目標停止検出、二重のドゥームループ防御を備える。