Ich denke, ich war zu abweisend gegenüber Cursors neuem Composer-1 Coding LLM. Sicher, es ist strikt schlechter als GPT-5 High Effort und GPT-5-Codex, und in diesem Sinne sehe ich keinen Platz dafür in meinen Arbeitsabläufen, wenn ich wichtige Codeprojekte architektonisch plane und implementiere. Andererseits ist es extrem schnell (ich frage mich, wie sie das gemacht haben; verwenden sie Groq oder Cerebras-Hardware? Liegt es daran, dass das Modell so klein und effizient ist? Ich bin mir nicht sicher), und allein das eröffnet viele neue Arbeitsabläufe und Arbeitstechniken, wenn der Code nicht so mission-kritisch ist oder wenn du ein neues Projekt startest und dir keine Sorgen um bestehende Codes machen musst. Es ist auch viel, viel günstiger im Vergleich zu jeder Variante von GPT-5. Die Kombination aus viel schneller und viel günstiger schafft einen qualitativen Unterschied darin, wie du das Modell nutzen kannst, den ich vorher nicht vollständig gewürdigt habe. Wenn die Kosten für Iterationen sowohl in Bezug auf Zeit als auch Geld so niedrig sind, kannst du viel öfter iterieren. Das senkt den Wert von "One-Shot-Korrektheit"; das heißt, die Fähigkeit eines Modells wie GPT-5 Pro, selbst eine komplexe Programmieraufgabe beim ersten Mal ohne Fehler richtig zu machen (obwohl selbst dieses Modell oft bei diesem sehr strengen Test versagt). Aber wenn du den Debugging-Zyklus schließen und die Fehler/Warnungen schnell wieder in das Modell einspeisen kannst, und jede Iterationsrunde 20 Sekunden bis eine Minute dauert (anstatt mindestens 5 bis 10 Mal so lange mit GPT-5 bei hohem Aufwand), dann kannst du alle schlampigen Fehler, die es beim ersten Mal macht (oder sogar beim zweiten, dritten oder vierten Mal), schnell beheben und trotzdem schneller mit funktionierendem Code abschließen, als du es mit GPT-5 könntest. Wenn du etwas im Browser entwickelst, kannst du jetzt wirklich den Zyklus mit Cursors neuem Browser-Tab schließen, der bei weitem die beste Implementierung dieser Art ist, die ich in einem Codierungswerkzeug gesehen habe (es ist meilenweit besser als die Verwendung von Playwright MCP von Codex oder Claude Code!). Ich habe heute diesen Prompt mit großem Erfolg verwendet: "Verwende den Browser-Tab, um diese App systematisch zu erkunden und die Benutzeroberfläche auf natürliche Weise zu nutzen; während das passiert, achte auf ALLE Warnungen oder Fehler in der Entwicklertools-Konsole. Wenn du einen siehst, beginne interaktiv und iterativ, die Fehler und Probleme zu diagnostizieren und zu beheben, und aktualisiere dann die App und überprüfe, ob der Fehler oder die Warnung vollständig behoben ist. Konzentriere dich beim Beheben darauf, die wahre zugrunde liegende Ursache des Fehlers zu bestimmen und keine falschen "Pflaster"-Fixes anzuwenden!" Wo dieser Ansatz jedoch wirklich scheitert, ist in den konzeptionellen und Planungsphasen, in denen du herausfindest, was du machen möchtest und wie du es am besten auf hoher Ebene umsetzen kannst. Dort kann der Mangel an tiefem Denken und Erkundung dich auf einen schlechten Weg bringen, von dem es schwer ist, sich zu erholen. Das wird viel deutlicher, wenn die Aufgabe, an der du arbeitest, weit vom "Datenmanifold" gängiger Programmieraufgaben abweicht. Wenn du eine weitere einfache CRUD-Website erstellst, wirst du wahrscheinlich nicht viel davon bemerken. Wenn du versuchst, Neuland in einer künstlichen Lebenssimulation oder etwas Seltsames wie das zu betreten, wirst du es sehr stark bemerken. Aber es gibt einen schönen hybriden Ansatz, der wirklich gut funktioniert: die klügsten Modelle für die Planung mit diesen schnellen und günstigen Modellen für die Erstellung von Iterationen zu kombinieren. Verwende also GPT-5 Pro in der Browser-App, um deinen Plan und eine erste Implementierung zu entwickeln, kopiere das dann in Cursor und beginne mit dem Iterieren, Beheben und Verbessern. Es ist viel besser darin, eine bestehende starke Grundlage zu modifizieren, als diese Grundlage selbst zu legen. Wo das alles wirklich glänzt, ist, wenn du mit etwas Spaßigem spielst und erkundest, in einem neuen Projekt, in dem es keine Fristen oder Erwartungen gibt. In diesem Kontext ist die Geschwindigkeit ein echter Game-Changer. Es erinnert mich an die alte Forschung von IBM in den frühen 80er Jahren, die die Latenz bei Computersystemen untersuchte und feststellte, dass, wenn die Latenz unter ein gewisses magisches Niveau, wie 50 ms, fällt, sich das Verhalten stark ändert, weil das menschliche Gehirn wahrnimmt, dass es mit einem "Live-System" zu tun hat. Und umgekehrt, wenn die Latenz sogar über ein überraschend bescheidenes Niveau, wie 500 ms, steigt, erhält man viel weniger Engagement, und es ist mental anstrengend und frustrierend. Wenn die Latenz auf einige Sekunden oder mehr ansteigt, neigen die Menschen dazu, mental abzuschalten, und es wird zu einem Kampf, engagiert zu bleiben. Zu sehen, wie das Codierungsmodell innerhalb von Sekunden reagiert und in weniger als 15 Sekunden eine Flut von 10 Änderungen vornimmt, ist einfach eine ganz andere Erfahrung, als 5 Minuten zu warten, während GPT-5 mit hohem Aufwand methodisch etwas abarbeitet. ...