LLM 评测

本文深度分析了 Cursor 最新发布的 Composer 2 编码模型，探讨其在持续预训练、长程任务强化学习以及价格策略上的核心优势，并对比了其与 Claude 3.5 Sonnet 和 DeepSeek-V3 的差异。

深入探讨如何为 Claude Code 和 DeepSeek 等编程代理评估“技能”，重点分析 LangChain 集成与 LangSmith 评测框架。本文为开发者提供了一套完整的技能评测方法论。