El Grok 4.5 de Cursor fue construido por agentes de IA, no por humanos. Esa es la verdadera historia.

El lunes, Cursor anunció el lanzamiento de Grok 4.5, un modelo Mixture-of-Experts que entrenó conjuntamente con SpaceXAI. Pero el titular, un modelo más inteligente con puntajes de referencia más altos, pierde la verdadera historia. El desarrollo más significativo no es el modelo en sí; es cómo se construyó. cognitions-swe-17-pushes-coding-agent-cost-performance-further-with-42-benchmark-score

El bucle de autorrefuerzo

Grok 4.5 es el primer modelo cuyos entornos de entrenamiento fueron construidos a escala por agentes de IA autónomos. Según Cursor, los ingenieros definen un problema y un método de verificación, luego grandes grupos de agentes construyen, prueban y refinan cada entorno de entrenamiento. Algunos de estos problemas, dice la compañía, habrían requerido meses de trabajo de equipos de cientos de ingenieros para crearlos manualmente. why-parallel-agents-are-the-next-battleground-for-ai-orchestration

"Es una de las formas en que utilizamos el modelo anterior para acelerar el progreso del siguiente modelo", escribió la compañía en su anuncio.

Este es un bucle de autorrefuerzo: cada generación de modelos ayuda a construir los entornos que enseñan a la siguiente generación. El resultado es un volante de aceleración de capacidades, donde la tasa de mejora se compone.

Más que un especialista en codificación

A diferencia de Composer 2.5, el modelo anterior de Cursor que estaba optimizado estrechamente para la codificación, Grok 4.5 conserva una mezcla de datos de entrenamiento más amplia. La compañía incluyó deliberadamente tareas STEM de alta calidad, publicaciones de investigación y otras formas de trabajo intelectual. El resultado es un modelo que afirma dominar la ingeniería de software, la ciencia de datos, las finanzas, el derecho y cualquier profesión basada en computadoras. the-frontend-refactor-600-files-at-a-time-what-moonshotais-rebuild-reveals-about-ai-coding-agents-in-production

El entrenamiento de Grok 4.5 comenzó con billones de tokens de los datos de interacción de Cursor, capturando cómo los desarrolladores y agentes trabajan a través de bases de código y herramientas. Luego se sometió a aprendizaje por refuerzo en problemas difíciles en entornos realistas, aprendiendo a analizar, usar herramientas, recuperarse de errores y verificar resultados.

La compañía señala que a medida que los modelos mejoran, las tareas existentes dejan de enseñar algo nuevo; los problemas que una vez requirieron un razonamiento profundo se vuelven triviales. El nuevo proceso de entrenamiento está diseñado para seguir generando problemas suficientemente difíciles.

Puntos de referencia y una advertencia sobre contaminación de datos

Cursor publicó puntajes de referencia para Grok 4.5 en SWE-Bench Pro, Terminal-Bench y un SWE-Bench multilingüe. Pero la compañía también reveló que Grok 4.5 se beneficia de una ventaja en CursorBench: una instantánea anterior de la base de código de Cursor se incluyó accidentalmente en el entrenamiento. "El impacto exacto no está claro", escribe Cursor. Los datos se han eliminado de modelos futuros, y Cursor está trabajando en una actualización más grande de CursorBench. the-benchmark-that-made-language-models-speak-how-2018s-glue-bet-changed-ai-forever

Esta transparencia es rara en una industria que a menudo oculta la contaminación de datos. También significa que los puntajes de CursorBench deben tomarse con pinzas.

Precios y disponibilidad

Grok 4.5 está disponible hoy en el escritorio, web, iOS, CLI y SDK de Cursor. Los planes individuales y de equipo incluyen un uso significativo en el grupo de modelos propietarios, con el uso duplicado durante la primera semana. El precio del modelo base es de $2 por millón de tokens de entrada y $6 por millón de tokens de salida. Una variante más rápida cuesta $4 por millón de entrada y $18 por millón de salida.

Composer 2.5 sigue estando disponible como una clase de peso separada, y Cursor dice que lanzará más modelos en esa clase en el futuro.

El panorama general

El enfoque de Cursor, usar agentes de IA para construir entornos de entrenamiento para la próxima generación de modelos, puede ser más trascendental que cualquier lanzamiento de modelo individual. Si este bucle de autorrefuerzo escala, podría comprimir drásticamente el cronograma para lograr capacidad general en una amplia gama de trabajo intelectual. moonshot-ais-k27-code-is-faster-and-cheaper-but-open-source-coding-models-face-a-new-benchmark-gap

El manual de juego de la compañía es claro: en lugar de competir solo en el tamaño del modelo, compite en la eficiencia de construir mejores modelos utilizando los modelos que ya tienes. Y esa podría ser la lección más importante de Grok 4.5.