Cursor Agent 重建 SQLite：模型组合成本差 15 倍，怎么读这张图

Cursor 用 Agent 团队按 835 页手册把 SQLite 用 Rust 重做并通过留出测试。官方成本图显示不同模型组合最多差约 15 倍——本文拆开 Planner/Worker，顺带讲清模型选不了时怎么排查，并给出日常选型建议。

Cursor Agent 重建 SQLite：模型组合成本差 15 倍，怎么读这张图

Cursor 官方前阵子晒了一组实验：让一队 Agent 对着 SQLite 那本约 835 页的手册，用 Rust 重做一份副本，并在留出（held-out）测试集上拿到 100% 通过。真正扎眼的不是「AI 又写了个大项目」，而是旁边那张成本图：同一个任务，只换模型组合，账单能差到大约 15 倍。

对每天写业务代码的人来说，这张图的价值不在于你也要去重写数据库，而在于它把一件容易被忽略的事摊开了：模型贵不贵，很多时候取决于你怎么拆角色、怎么组队，别只盯着排行榜第一名。

实验在比什么

  • 任务：按手册规格重建 SQLite，用 Rust 实现。
  • 验收：留出测试套件全过，比「看起来能跑」硬一档。
  • 变量：不同 model mix；成本拆成 Planner（灰）和 Worker（橙）两截。
  • 倾向：组合与编排会明显影响总花费，带 Composer 的搭配在这张图里更省。

带 * 的柱子官方注明是 informal run，用于成本校准，不算受控对比的一部分。读图时别把标星数据和正式对比柱混为一谈。

这张成本图怎么读

官方图里几档大致是这样（单位美元，取柱顶标注）：

  • Opus 4.8 + Composer 2.5：约 $1,339，这组里最低
  • Grok 4.5：约 $1,928
  • Fable 5 + Composer 2.5：约 $2,234
  • Opus 4.8*：约 $5,153，非正式
  • GPT 5.5：约 $10,565
  • Fable 5*：约 $20,057，非正式，最高

最低和最高一比，差不多就是官方说的 15 倍量级。得先说死一件事：这是他们那次重建 SQLite 的账单，不是你在本地改个登录页也要花两千刀。数字用来看档位关系，别直接当成个人套餐报价。

Planner 和 Worker，钱花在哪一截

柱子拆成两截很关键：

  • Planner：拆任务、定边界、排步骤，偏「动手前先想清楚」。
  • Worker：真正写代码、改文件、跑迭代，常占大头。

贵的组合里，橙色 Worker 那截经常被拉得特别长：执行阶段反复试错，上下文越堆越长，费用就有种指数往上窜的感觉。更省的组合并不是「完全不规划」，而是规划够用、执行更克制，没让 Worker 在那空转。

这也解释了图里那个反常的地方：强模型单打，不一定打得过强模型 + Composer。编排层要是能砍掉大量无效 Worker 回合，总账能直接低一个数量级。会不会组队，有时候比再买一个更贵的单模型还管用。

日常怎么用这套逻辑

你大概率不会去复现 SQLite，但这套逻辑可以直接变成习惯：

  1. 别默认全程顶配。排错、读栈、改单文件，中上档模型就够；多文件大改再上更强档。
  2. 先把任务切小。官方用 Agent 团队，你这边的等价物是一次只交一个可验收的小目标，而不是「把模块重构完」。
  3. 让规划便宜又清楚。用一小段 Rules 或验收标准当 Planner，减少 Worker 瞎改，这一步几乎不花钱。
  4. 看 Usage，别看感觉。某周账单陡增，先查是不是 Agent 在无关目录空转，再决定换不换模型。

一句话，任务决定用哪档模型，额度只决定你能试几次。可读：Cursor 模型怎么选、Agent / Rules 工作流。

想换更省的模型，却选不了、发不出？

聊完贵不贵，还有个更常见的卡点：模型明明列在下拉里，选中一发送却弹 This model provider doesn't serve your region，或者干脆灰着点不动。先在下拉选中目标模型，发一句最短的话（比如「回个 ok」），三种结果对应三条路：

  1. 报 region / model not available，是区域问题，别卸载重装，先切 Auto 顶一下，细节见区域不可用排查。
  2. 能回但连发几条后转圈限速，更像套餐额度，打开 Usage 看一眼。
  3. 直接灰掉选不了，看当前套餐是否包含该模型。

DeepSeek、Grok 具体给不给、怎么算额度，以你打开定价页当天的文案为准，别信半年前的截图；更细的选型见 在 Cursor 里用 DeepSeek / Grok。

读图时别混进这些结论

  • 不是「某个模型永远最便宜」。换任务、换测试集、换提示词，排序都会重排。
  • 不是「上了 Composer 就免费」。图里最省的组合也要一千刀量级，那是重型工程实验，不是日常报价。
  • 100% 测试通过 ≠ 生产可替换 SQLite。留出测试很硬，但真实数据库还有生态、扩展、性能与运维；把它当成 Agent 能力上限的展示，而不是迁移指南。

用自己的仓库比一周

所有横评帖都替代不了一件事：拿你正在写的这个仓库，让两三个候选模型各跑一遍同一个需求，然后看三点，谁的延迟你能忍，谁没乱改你没让它碰的文件，谁把边界情况也顺手处理了。

务实组合可以长这样：日常问答和小补丁用性价比模型或 Auto；多文件功能用更强模型 + 小步提交 + 人审 diff；大批量样板先用便宜模型铺，关键路径再换强模型复核。

回到那张成本图，它真正想提醒的不是让你去背哪个组合便宜，而是那句藏在两截颜色里的话：Agent 干重活时，怎么拆角色、怎么组队，有时比多花钱买一个更贵的单模型更能打。至于你的项目该配什么，最靠谱的答案不在图上，在账户 Usage 里，对着真实任务跑一周，它自己会告诉你；审 diff 仍然是你的事。