Cursor 推出 CursorBench 4.0：聚焦模型指令遵循与长程复杂任务评估

2026 年 9 月 10 日，Cursor 团队推出了新一代评测基准 CursorBench 4.0，重点转向对 AI 模型在复杂长流程任务与指令遵循能力的测试。

• 评测任务覆盖长程场景：根据 Cursor 官方评测页面于 2026 年 9 月 10 日公布的信息，CursorBench 4.0 引入了涵盖多文件编辑、代码重构、故障排查、意图理解、任务管理与设计规范遵循等长流程问题。
• 整体基准难度有所提高：Cursor 团队成员 Lee Robinson 于 2026 年 9 月 10 日在社交平台表示，4.0 版本相比过往版本更加严格，所有参评模型的得分均有不同程度下滑。
• 紧扣实际开发与成本核算：评测基于真实 Cursor 编程会话中具有歧义性的多文件任务，并依据各模型官方公布的 Token 计费标准计算单任务平均成本。
• 影响/看点：若长程复杂工程与指令遵循成为开发工具评估的核心维度，意味着模型厂商需要从优化短代码补全转向提升跨文件排查与长期任务一致性。
• 资料依据：
• Cursor 官方评测页面（2026-09-10）：https://cursor.com/evals
• X：Lee Robinson (@leerob)（2026-09-10）：https://x.com/leerob/status/2098144600594465148

本内容由 AI 生成，仅供参考，请注意甄别