「Cursor Composer 2」対「Claude Opus 4.6」：ベンチマークテストがAIコーディングを巡る新たな議論を巻き起こす

3月19日、Cursorは自社開発のコーディングモデル「Composer 2」を正式にリリースした。 この発表は開発者コミュニティで即座に議論を巻き起こした。Cursorによると、Composer 2はTerminal-Bench 2.0で61.7%のスコアを記録し、同一のテスト条件下でClaude Opus 4.6の58.0%を大幅に上回ったという。

Anthropicのフラッグシップモデルが、自社のIDEに組み込まれたモデルに性能で敗れたのか？このニュースが広まるにつれ、議論が急速に巻き起こった。

3つの主要なベンチマーク結果

Cursorは3つのベンチマーク結果セットを公開し、いずれも一般に公開されています：

ただし、1点注目すべき点がある。Anthropicは以前、最適化された設定下でClaude Opus 4.6がTerminal-Bench 2.0において65.4%のスコアを記録したと報告しており、これはCursorが引用した58.0%を大幅に上回る数値である。 この相違はテスト環境に起因する。CursorはHarborのようなサードパーティ製エージェント環境を使用し、5回の実行結果の平均を算出したのに対し、Anthropicの数値は自社独自の最適化された構成によるものである。これらは異なる基準体系を用いているため、両者の数値を直接比較することはできない。 Cursorはこの点を隠そうとはしなかった。発表文では、「結果はエージェント、ハーネス、および設定に依存する」と明示されていた。

Opus 4.6のわずか10分の1のコスト

コストパフォーマンスこそが、Composer 2の真の隠れた強みです。

入力/出力トークン100万単位あたりの価格が0.50ドル／2.50ドルであるのに対し、Claude Opus 4.6は5ドル／25ドル、GPT-5.4は2.5ドル／15ドルであり、その対比は際立っている。 Cursor社によると、Composer 2は長期的なコーディングタスクのためにゼロから構築され、独自のRL（強化学習）トレーニングと「自己要約」技術を用いて、レイテンシとコストの両方を低減しているとのことです。同社はこれを「フロンティア・インテリジェンス＋極限のスピード」と表現しています。

Composer 2は、Composer 1（2025年10月）およびバージョン1.5（2026年2月）に続く、Cursorの3番目の自社開発モデルです。今回のリリースでは「長期的なタスク」に重点が置かれており、より高速で軽量なバリエーションがCursor IDEのデフォルトモデルとなっています。

この「灰からの復活」が意味するもの

Cursorが自社のモデルをOpus 4.6と直接比較するという決断は、AIコーディングツール業界全体の動向に変化が生じていることを示唆している。

OpenAIやAnthropicが汎用的な最先端機能で競い合う一方、Cursorのような垂直型ツールプロバイダーは異なる道を選んでいます。それは、特定のタスクにおける性能を卓越したレベルまで磨き上げ、価格面での優位性を活かして差別化を図るというものです。 VentureBeatやThe New Stackなどのメディアは、Composer 2が「マルチモデル・ルーティング」の実用化を加速させると指摘しています。これは、複雑な推論にはOpusやGPTを使用し、日常的な高頻度のコーディングにはComposer 2に切り替えることで、双方の利点を享受する手法です。

2月5日にリリースされたClaude Opus 4.6は、Terminal-Bench 2.0、Humanity's Last Exam、GDPval-AAを含む複数のベンチマークで首位を獲得した。Cursorの新たな結果は、少なくともこの専門的なコーディング分野におけるその優位性に疑問を投げかけている。

現時点での開発者の反応は概ね好意的だが、結論を出す前に実際のプロジェクトでのパフォーマンスを確認したいという声も多い。ベンチマークはあくまでベンチマークに過ぎないため、これは妥当な姿勢だ。Cursorはすでに、サブスクリプションユーザー向けにIDE内でComposer 2の無料トライアルを提供している。

データソース：Cursorの公式発表および主要テックメディア（2026年3月20日時点）。現在のランキングはtbench.aiまたはCursorのウェブサイトで確認できます。