Cursor viser bagsiden af billig kode-AI

Cursor har lanceret Composer 2 som sin nye model til softwareudvikling, men kort efter kom det frem, at modellen bygger oven på den kinesiske open source-model Kimi K2.5. Sagen er interessant, fordi den rammer noget, mange danske udviklingsteams allerede bokser med: Man kan godt få høj fart og lavere pris med finjustering af åbne modeller, men kun hvis leverandøren er helt tydelig om modelgrundlag, licenser og drift.

💡 Det nye ved sagen
Cursor oplyser nu, at omtrent en fjerdedel af pretrainingen kommer fra Kimi K2.5, mens resten er finjustering og videre træning. Samtidig fremhæver selskabet, at Composer 2 ligger langt over forgængeren på CursorBench og tæt på de bedste proprietære kodemodeller.

Der er i sig selv ikke noget suspekt i at bygge oven på open source. Det gør mange dygtige teams, og ofte er det den mest fornuftige vej. Problemet opstår, når oprindelsen først bliver klar bagefter. Så flytter diskussionen sig fra produktkvalitet til tillid. Hvis en leverandør ikke er tydelig om, hvad der ligger under motorhjelmen, bliver det svært for kunderne at vurdere sikkerhed, kontraktvilkår og fremtidig risiko.

For danske virksomheder betyder det, at AI-produkter til udvikling skal behandles som almindelige leverandørkæder. Det er ikke nok at spørge, om værktøjet kan skrive kode. Man bør også spørge, hvilken basemodel der bruges, hvem der hoster inferensen, hvilke logs der gemmes, hvilke licenser der gælder, og om kode eller prompts kan indgå i videre træning. I denne sag peger Cursor også på Fireworks som inferencepartner. Det er nyttig viden, fordi driftspartneren ofte er lige så vigtig som selve modelnavnet.

For et dansk team kan samme værktøj se ens ud i editoren, men have meget forskellige konsekvenser for databehandling, eksportkontrol, support og kontraktansvar alt efter hvem der leverer de underliggende lag. Det er præcis den slags forskel, der først opdages for sent, hvis man nøjes med salgsmaterialet.

🔐 Praktisk konsekvens
Offentlig sektor og leverandører til kritiske systemer bør føre spørgsmål om modeloprindelse ind i deres normale sikkerheds- og indkøbsproces, på linje med open source-komponenter og cloud-underleverandører.

Den brede læring er egentlig positiv. Denne sag viser, at små teams kan løfte en åben model langt med målrettet træning og komme tæt på de store laboratorier på pris og kvalitet. Det er godt nyt for markedet. Men billigere AI er kun et klart plus, hvis gennemsigtigheden følger med. Derfor er det kloge skridt nu at kræve dokumentation, ikke at afvise open source. Den leverandør, der kan vise modeloprindelse, dataveje og kontraktforhold uden at blinke, står stærkest.