1. これは何の話？

Cursorがエージェント型コーディングモデルの新版「Composer 1.5」を発表しました。前バージョン「Composer 1」を基盤に、強化学習（RL）の計算リソースを従来の20倍以上の規模で投入して学習されたモデルです。

最大の特徴は、ユーザーのコードベース全体を考慮して「考える」プロセスを取り入れた点にあります。日常的な軽い修正は素早く、複雑なバグ修正や機能追加には時間をかけて深く推論するよう、速度と知能のバランスが調整されました。

AIによる支援を単なるコード補完から「自律的な問題解決パートナー」へと引き上げる、重要なアップデートです。特に大規模なプロジェクトや複雑な依存関係を持つコードベースを扱う開発者にとって、強力な味方となるでしょう。

2. 何がわかったか

Composer 1.5 Overview

Composer 1.5の進化は大きく3点に集約されます。

まず、強化学習（RL）のスケールアップです。同じ事前学習モデルに対し、従来の20倍以上の計算リソースをRLに投入しました。その結果、実世界のコーディングタスクを用いた社内ベンチマークにおいて、学習が進むにつれて性能が向上し続けることが確認されています。難易度の高いタスクほど、その改善幅は顕著です。

次に、「Thinking」トークンの導入です。モデルは回答を出力する前に、コードベースの構造や依存関係について思考し、次のアクションを計画します。単に確率の高いコードを吐き出すのではなく、論理的に正しい解決策を導き出す能力が高まりました。

最後に、「自己要約（Self-summarize）」機能の実装です。長時間のタスク実行でコンテキスト（記憶容量）が不足しそうになると、モデル自らがこれまでの経緯を要約して保存します。これにより、コンテキスト長が制限される環境でも、精度の低下を防ぎながら探索を継続できるようになりました。

3. 他とどう違うのか

Thinking Process

従来モデルや「Composer 1」との決定的な違いは、「問題の難易度に応じた思考の深さ」を動的に調整できる点です。

多くのモデルはどんな問いにも一定の計算量で即答しようとしますが、Composer 1.5は「簡単な問題は即答、難しい問題は深く考える」という、人間らしい挙動を示します。チャットの応答性を損なうことなく、難解なタスクへの対応力を高めました。

また、RLの学習プロセス自体に「自己要約」が組み込まれている点もユニークです。単にトークン数を増やすのではなく、限られたリソース内で情報を効率的に管理する能力を獲得しており、実用的な強みと言えます。

4. なぜこれが重要か

本質的な価値は、「エージェント型開発」が実験室レベルを超え、実用段階に入ったことを示した点にあります。

AIによる支援を単なるコード補完から「自律的な問題解決パートナー」へと引き上げる、重要なアップデートです。開発プロセスの効率化を意味する、大きな一歩と言えるでしょう。

5. 未来の展開・戦略性

Composer 1.5の登場は、IDE（統合開発環境）の競争軸が「補完精度」から「エージェントの推論能力」へと完全にシフトしたことを示唆しています。

今後はコードを書くだけでなく、テスト実行、エラー修正、仕様書からの実装設計までを自律的にこなすAIが普及していく可能性があります。Cursorチームはこのモデルを「インタラクティブな用途」に推奨しており、開発者とAIが対話しながら作り上げるスタイルを重視しています。

RLのスケーリングが能力向上に直結することが実証されたため、より大規模な計算リソースを投じた次世代モデルの開発も加速すると予想されます。

6. どう考え、どう動くか

AIを「高速なタイプライター」としてではなく、「思考するペアプログラマー」として扱い直す必要があります。

例えば複雑なバグの調査では、「ここを直して」と指示するだけでなく、「なぜこのエラーが起きているか、コードベース全体を見て仮説を立てて」といった、思考を促す依頼が有効になるでしょう。AIが「考えている」時間を許容し、その出力を吟味するスキルが求められます。

指針：

  • 本日より、複雑なリファクタリングやバグ修正タスクでComposer 1.5を積極的に試す。

  • 「自己要約」機能が働くような、長時間のコンテキストを必要とするタスクをあえて投げてみる。

  • AIの提案を鵜呑みにせず、その「思考プロセス（Thinkingトークン）」が論理的かどうかを確認する癖をつける。

  • 今日やること：Cursorの設定を確認し、Composer 1.5が有効になっているかチェックする。

  • 今週やること：普段手こずっている複雑なモジュールの解析をComposer 1.5に依頼し、以前のモデルとの回答の違いを比較する。

7. 限界と未確定

能力の高いComposer 1.5ですが、現時点ではいくつかの不明点や限界も存在します。

  • 未知の思考プロセス: モデルが「何を考えて」結論に至ったのか、ユーザーには完全には見えない場合があります。意図しない前提に基づいた「思考」が行われた際、検証が必要になるでしょう。

  • コストとリソース: RLを強化したモデルは推論コストが高くなる傾向があります。一般ユーザー向けのプランでどの程度制限なく利用できるか、具体的なトークン制限などは使用しながら確認が必要です。

  • 自己要約の精度: 「自己要約」機能が本当に重要な情報を維持できるかは、タスクの性質に依存します。極めて繊細な文脈依存性を持つコードでは、要約によって重要な詳細が失われるリスクも否定できません。

  • 次にどう調べるか：実際のプロジェクトで長時間セッションを行い、コンテキストが長くなった際の挙動変化を検証する。

8. 用語ミニ解説

強化学習（Reinforcement Learning / RL） AIが試行錯誤を通じて、望ましい出力（コード生成の正確性や論理性）を最大化するように学習する手法です。今回のアップデートでは、この学習プロセスに投じる計算量を大幅に拡大しました。

Thinkingトークン モデルが回答を出力する前に、内部的に生成する「思考の断片」のことです。人間が考えをまとめるメモ書きのような役割を果たします。

9. 出典と日付

Cursor Team（2026-02-09）：https://cursor.com/ja/blog/composer-1-5