CursorBench 3.1
CursorBench 3.1は、Cursorが提供するベンチマーク評価フレームワークの最新バージョンです。コード生成エージェントの性能を測定するための標準化された評価環境を提供し、開発者がAIコーディングアシスタントの能力を客観的に比較・分析することを可能にします。
背景メモ
カーソル（Cursor）は、AIを統合したコードエディタとして急速に普及している企業。VS Codeをベースに、コード補完や対話型リファクタリングなど、開発生産性を向上させる機能を提供している。
- CursorBench 3.1は、Cursorが公開したAIコードエディタの性能評価ベンチマーク。従来のSWE-bench（ソフトウェア工学ベンチマーク）を拡張し、より実用的なタスクでモデルを評価することを目的としている。
- 評価は、Cursorのエディタ上でAIが実際にコードを編集・生成するタスク（新機能追加、バグ修正、リファクタリングなど）の成功率で測定される。同社は自社プロダクトの優位性を示す狙いがある。
- この分野では、コード生成AI（GitHub Copilot、Amazon Q Developer、Codeiumなど）が競争を激化させており、各社が独自のベンチマークを発表して自社の性能をアピールする傾向が強まっている。CursorBenchはその流れの一つ。