基准
Cursor Bench
Cursor Bench是一个专门用于评估大型语言模型编码能力的基准测试工具，由Cursor团队开发和维护。该基准通过设计一系列真实的编程任务和代码生成场景，系统性地衡量模型在代码理解、生成、调试及补全等方面的综合表现，常用于比较不同AI模型在实际软件开发场景下的能力差异。
时间轴 (近 90 天)
10月2日
在Cursor Bench上Sonnet 5.5单任务消耗271,920个token，超过Opus的218k和Gemini 3.8 Flash的162k
待验证50%
10月1日
在Cursor Bench上Sonnet 5.5每个任务消耗271,920个token，超过Opus的约218k，约为Gemini 3 Flash的两倍
待验证50%
9月30日
在 Cursor Bench 上，Sonnet 5.5 的最好成绩与 Opus 5.5 只差两分左右
待验证50%