Cursor Composer 2 vs. Claude Opus 4.6: Benchmark-Test entfacht neue Debatte über KI-Programmierung

Am 19. März veröffentlichte Cursor offiziell sein hauseigenes Programmiermodell Composer 2. Die Ankündigung löste in der Entwickler-Community sofort Diskussionen aus – laut Cursor erzielte Composer 2 bei Terminal-Bench 2.0 eine Punktzahl von 61,7 % und übertraf damit deutlich die 58,0 % von Claude Opus 4.6 unter identischen Testbedingungen.

Wurde das Flaggschiff-Modell von Anthropic von einem Modell übertroffen, das in die eigene IDE integriert ist? Als sich die Nachricht verbreitete, entbrannten schnell Debatten.

Drei wichtige Benchmark-Ergebnisse

Cursor veröffentlichte drei Sätze von Benchmark-Ergebnissen, die alle öffentlich zugänglich sind:

Ein Detail ist jedoch erwähnenswert: Anthropic berichtete zuvor, dass Claude Opus 4.6 unter optimierten Einstellungen 65,4 % auf Terminal-Bench 2.0 erzielte, was deutlich über den von Cursor genannten 58,0 % liegt. Die Diskrepanz rührt vom Testframework her – Cursor verwendete Agent-Umgebungen von Drittanbietern wie Harbor und mittelte die Ergebnisse aus fünf Durchläufen, während die Zahlen von Anthropic aus der eigenen optimierten Konfiguration stammten. Diese beiden Zahlenreihen sind nicht direkt vergleichbar, da sie unterschiedliche Referenzsysteme verwenden. Cursor hat dies nicht verschwiegen; in der Ankündigung wurde ausdrücklich darauf hingewiesen, dass „die Ergebnisse vom Agenten, dem Test-Harness und den Einstellungen abhängen“.

Kosten bei nur einem Zehntel von Opus 4.6

Die Kosteneffizienz ist der wahre versteckte Vorteil von Composer 2.

Mit einem Preis von 0,50 $ / 2,50 $ pro Million Input-/Output-Token im Vergleich zu 5 $ / 25 $ bei Claude Opus 4.6 und 2,5 $ / 15 $ bei GPT-5.4 ist der Kontrast eklatant. Cursor erklärt, dass Composer 2 von Grund auf für Codierungsaufgaben mit langfristigem Horizont entwickelt wurde und dabei seine proprietäre RL-Trainings- und „Selbstzusammenfassungs“-Technologie nutzt, um sowohl Latenz als auch Kosten zu senken – was sie als „Frontier Intelligence + extreme Geschwindigkeit“ bezeichnen.

Composer 2 ist das dritte hauseigene Modell von Cursor und folgt auf Composer 1 (Oktober 2025) und Version 1.5 (Februar 2026). Diese Version legt den Schwerpunkt auf „langfristige Aufgaben“ und macht eine schnellere, schlankere Variante zum Standardmodell in der Cursor-IDE.

Was dieser „Aufstieg aus der Asche“ bedeutet

Die Entscheidung von Cursor, sein Modell direkt mit Opus 4.6 zu vergleichen, signalisiert eine Verschiebung in der breiteren Landschaft der KI-Codierungstools.

OpenAI und Anthropic konkurrieren um allgemeine Spitzenleistungen, während vertikale Tool-Anbieter wie Cursor einen anderen Weg eingeschlagen haben: Sie optimieren die Leistung bei spezifischen Aufgaben auf ein außergewöhnliches Niveau und nutzen dann Preisvorteile, um sich abzuheben. Medien wie VentureBeat und The New Stack stellten fest, dass Composer 2 die praktische Einführung von „Multi-Model-Routing“ beschleunigen wird – wobei Opus oder GPT für komplexe Schlussfolgerungen genutzt werden und für alltägliche, hochfrequente Programmieraufgaben auf Composer 2 umgeschaltet wird, um so Vorteile auf beiden Seiten zu erzielen.

Claude Opus 4.6 wurde am 5. Februar veröffentlicht und führte in mehreren Benchmarks, darunter Terminal-Bench 2.0, Humanity’s Last Exam und GDPval-AA. Die neuen Ergebnisse von Cursor werfen zumindest Fragen hinsichtlich dieser Dominanz im spezialisierten Programmierbereich auf.

Die Reaktionen der Entwickler waren bisher überwiegend positiv, doch viele geben an, dass sie erst die Leistung in realen Projekten sehen wollen, bevor sie Schlussfolgerungen ziehen – eine berechtigte Haltung, da Benchmarks eben nur Benchmarks sind. Cursor hat Composer 2 für Abonnenten bereits als kostenlose Testversion innerhalb der IDE zur Verfügung gestellt.

Datenquelle: Offizielle Ankündigungen von Cursor und führende Tech-Medien, Stand: 20. März 2026. Aktuelle Ranglisten können unter tbench.ai oder auf der Website von Cursor eingesehen werden.