DataLearner 标志

Composer 2.5 评测详情

Composer 2.5 当前已收录的代表性评测结果包括 Terminal Bench 2.0(7 / 51,得分 69.30)、SWE-bench Multilingual(11 / 42,得分 79.80)、Vibe Code Bench v1.1(63 / 119,得分 49.61)。本页还提供与 3 个竞品模型及 3 个前代或同系列模型的对比,在有数据时会展示性能和价格视图。并附有 1 个数据来源链接供参考。

评测结果

Composer 2.5

评测结果

思考模式
工具使用

自主开发与终端任务

共 2 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
思考模式
69.30
7 / 51
CursorBench 4.0
unknown工具
27.70
78 / 86

仓库修复与多文件工程

共 2 项评测
评测名称 / 模式
得分
排名/总数
79.80
11 / 42
FrontierSWE v1
常规模式
33.82
12 / 17

跨应用与工具编排

共 1 项评测
评测名称 / 模式
得分
排名/总数
20.40
52 / 70

程序生成与编辑

共 2 项评测
评测名称 / 模式
得分
排名/总数
49.61
63 / 119
FrontierCode 1.1 Main
常规模式工具
25.60
88 / 109

竞品对比

Composer 2.5 与同类主流模型的评测得分对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

6 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。

评测项Composer 2.5当前Opus 4.7GPT-5.5Kimi K2.6
Terminal Bench 2.0
Accuracy
自主开发与终端任务
69.30开启思考
69.40扩展思考 | 工具
82.70思考水平·高 | 工具
66.70开启思考 | 工具
FrontierSWE v1
Mean@5 dominance score (%)
仓库修复与多文件工程
33.82常规模式
56.25常规模式
64.52常规模式
22.24常规模式
SWE-bench Multilingual
Accuracy
仓库修复与多文件工程
79.80开启思考
--
--
76.70开启思考 | 工具
Agents' Last Exam v1.0
Pass rate; Score
跨应用与工具编排
20.40开启思考 | 工具
21.10思考水平·高 | 工具
26.60思考水平·极高 | 工具
9.20开启思考 | 工具
FrontierCode 1.1 Main
Score (%)
程序生成与编辑
25.60常规模式 | 工具
38.54思考水平·高 | 工具
42.96思考水平·极高 | 工具
--
Vibe Code Bench v1.1
Pass rate (%)
程序生成与编辑
49.61开启思考 | 工具
71.00思考水平·高 | 工具
69.85思考水平·极高 | 工具
37.89开启思考 | 工具

Composer 2.5 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。

这些模型的价格币种或计费单位不一致,暂不直接绘制统一柱状图,以下展示原始价格。

Composer 2.5
供应商: Cursor
标准输入: $0.5 / 1M tokens
标准输出: $2.5 / 1M tokens
Opus 4.7
供应商: Anthropic
标准输入: $5 / 1M tokens
标准输出: $25 / 1M tokens
GPT-5.5
供应商: OpenAI
标准输入: $5 / 1M tokens
标准输出: $30 / 1M tokens
标准价适用于 <= 272000
Kimi K2.6
供应商: Moonshot AI
标准输入: ¥6.5 / 1M tokens
标准输出: ¥27 / 1M tokens
模型供应商标准输入标准输出标准价适用于
Composer 2.5
Cursor$0.5 / 1M tokens$2.5 / 1M tokens—
Opus 4.7
Anthropic$5 / 1M tokens$25 / 1M tokens—
GPT-5.5
OpenAI$5 / 1M tokens$30 / 1M tokens<= 272000
Kimi K2.6
Moonshot AI¥6.5 / 1M tokens¥27 / 1M tokens—

历代版本对比

Composer 2.5 代际各版本的评测成绩纵向对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

2 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项Composer 2.5当前Composer 2Composer 1.5Composer 1
Terminal Bench 2.0
Accuracy
自主开发与终端任务
69.30开启思考
61.70开启思考
47.90开启思考
40.00开启思考
SWE-bench Multilingual
Accuracy
仓库修复与多文件工程
79.80开启思考
73.70开启思考
65.90开启思考
56.90开启思考

单评测历史趋势图

当前查看:Terminal Bench 2.0 · 自主开发与终端任务

选择评测
常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间,纵轴为分数;同一模式会用实线串起版本变化,同代不同模式继续用虚线辅助对齐。

Composer 2.5 所在代际的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

模型供应商标准输入标准输出标准价适用于
Composer 2.5
Cursor$0.5 / 1M tokens$2.5 / 1M tokens—

数据来源