Я думаю, что я был слишком пренебрежителен к новому LLM для кодирования Composer-1 от Cursor. Конечно, он строго хуже GPT-5 High Effort и GPT-5-Codex, и в этом смысле, когда я проектирую и реализую важные кодовые проекты, я не вижу для него места в своих рабочих процессах. С другой стороны, он чрезвычайно быстрый (интересно, как они это сделали; используют ли они оборудование Groq или Cerebras? Или это потому, что модель такая маленькая и эффективная? Не уверен), и это само по себе открывает много новых рабочих процессов и техник работы, когда код не так критичен для миссии, или когда вы начинаете новый проект и вам не нужно беспокоиться о том, чтобы сломать существующий код. Он также намного, намного дешевле по сравнению с любой версией GPT-5. Сочетание гораздо большей скорости и гораздо меньшей цены создает качественное различие в том, как вы можете использовать модель, которое я не полностью оценивал раньше. Когда стоимость итерации так низка как по времени, так и по деньгам, вы можете итеративно работать гораздо больше раз. Это снижает ценность "однократной корректности"; то есть, способность модели, такой как GPT-5 Pro, получить даже сложное задание по кодированию правильно с первого раза без ошибок (хотя даже эта модель часто не справляется с этим очень строгим тестом). Но если вы можете закрыть цикл отладки и быстро передавать ошибки/предупреждения обратно в модель, и каждый раунд итерации занимает 20 секунд до минуты (вместо 5 до 10 раз дольше, по крайней мере, используя GPT-5 с высокой нагрузкой), тогда вы можете быстро исправить все небрежные ошибки, которые она делает с первого раза (или даже со второго, третьего или четвертого разов) и все равно закончить с рабочим кодом быстрее, чем вы могли бы с GPT-5. Если вы разрабатываете что-то в браузере, вы теперь действительно можете закрыть цикл полностью, используя новую вкладку браузера Cursor, которая является, безусловно, лучшей реализацией такого рода вещей, которую я видел в любом инструменте для кодирования (она на много миль впереди использования Playwright MCP от Codex или Claude Code!). Я использовал этот запрос с большим успехом сегодня: "Используйте вкладку браузера, чтобы систематически исследовать это приложение и использовать интерфейс естественным образом; пока это происходит, следите за ЛЮБЫМИ предупреждениями или ошибками в консоли разработчика. Когда вы видите одно, начните интерактивно и итеративно диагностировать и исправлять ошибки и проблемы, а затем обновите приложение и проверьте, что ошибка или предупреждение полностью устранены. При исправлении сосредоточьтесь на определении истинной основной причины ошибки, а не на применении фальшивых "пластырей"!" Где этот подход действительно дает сбой, так это на концептуальных и планировочных этапах, когда вы пытаетесь выяснить, что сделать и как лучше всего это реализовать на высоком уровне. Там отсутствие глубокого мышления и исследования может начать вести вас по плохому пути, от которого трудно восстановиться. Это гораздо более очевидно, когда задача, над которой вы работаете, уходит далеко от "мантифолда данных" общих задач кодирования. Если вы создаете еще один простой CRUD-сайт, то, вероятно, вы этого не заметите. Если вы пытаетесь прокладывать новый путь в симуляции искусственной жизни или чем-то странным, вы это заметите очень сильно. Но есть хороший гибридный подход, который работает очень хорошо: сочетание самой умной модели для планирования с этими быстрыми и дешевыми моделями для создания итераций. Итак, используйте GPT-5 Pro в браузерном приложении, чтобы разработать свой план и начальную реализацию, затем вставьте это в Cursor и начните итерации, исправления и улучшения. Он гораздо лучше в модификации существующей сильной основы, чем в создании этой основы. Где это все действительно сияет, так это когда вы играете и исследуете что-то веселое, в новом проекте, где нет сроков или ожиданий. В этом контексте скорость является настоящим изменением игры. Это напоминает мне то старое исследование, проведенное IBM в начале 80-х, которое изучало задержку в компьютерных системах, которое показало, что когда задержка опускается ниже некого магического уровня, например, 50 мс, вы получаете это большое изменение в поведении, потому что человеческий мозг воспринимает, что он имеет дело с "живой системой". И, наоборот, когда задержка превышает даже удивительно скромный уровень, например, 500 мс, вы получаете гораздо меньше вовлеченности, и это умственно утомительно и разочаровывающе. Когда задержка подскакивает до нескольких секунд или более, люди, как правило, теряют интерес и становится трудно оставаться вовлеченными. Видеть, как модель кодирования реагирует в течение секунд и делает целую кучу из 10 правок за менее чем 15 секунд, это совершенно другой опыт, чем ждать 5 минут, пока GPT-5 с высокой нагрузкой методично прорабатывает что-то. ...