# Cursor 发布 CursorBench 3.1，用真实用户的多文件编程任务给代码智能体打分

> 原标题：CursorBench 3.1

- 来源：Hacker News 首页
- 发布时间：2026-07-02T05:19:34.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/41901
- 原文：https://cursor.com/evals

## 摘要

Cursor 新出的这个评测基准，题目不是人造的，而是直接从真实用户会话里扒出来的——需求模糊、要改多个文件的那种。3.1 版还加了理解代码库、找 bug、做计划和代码审查这几类题。目前榜首是 Fable 5 Max，得分 72.9%，但每跑一个任务平均要花 18 美元、用掉 6.3 万个 token、执行 76 步，成本不低。

## 推荐理由

Cursor 将评测基准从人造题换成真实用户会话，3.1 版新增理解代码库、找 bug、做计划和代码审查题型，更贴近日常多文件开发任务。

## 锐评

18 美元跑一个任务，这个数字比 72.9% 的得分有意思多了。6.3 万 token、76 步，榜首那个模型是靠堆步数硬磨出来的，单任务成本已经超过不少外包时薪。Cursor 拿真实用户会话当题，方向对，但榜单这么贵，普通团队根本没法拿它做日常回归，只能当个参考。样本量和难度分布都没说，72.9% 这个数先看着。
