Myślę, że byłem zbyt lekceważący wobec nowego modelu kodowania Composer-1 od Cursor. Oczywiście, jest on zdecydowanie gorszy od GPT-5 High Effort i GPT-5-Codex, więc w tym sensie, gdy projektuję i wdrażam ważne projekty kodowe, nie widzę dla niego miejsca w moich procesach roboczych. Z drugiej strony, jest niezwykle szybki (ciekawi mnie, jak to zrobili; czy używają sprzętu Groq lub Cerebras? czy to dlatego, że model jest tak mały i wydajny? nie jestem pewien), a to samo w sobie otwiera wiele nowych procesów roboczych i technik pracy, gdy kod nie jest tak krytyczny dla misji, lub gdy zaczynasz nowy projekt i nie musisz martwić się o łamanie istniejącego kodu. Jest też znacznie, znacznie tańszy w porównaniu do jakiejkolwiek wersji GPT-5. Połączenie znacznie szybszego i znacznie tańszego tworzy pewną jakościową różnicę w tym, jak można używać modelu, której wcześniej nie doceniałem. Gdy koszt iteracji jest tak niski zarówno pod względem czasu, jak i pieniędzy, możesz iterować znacznie więcej razy. To obniża wartość "jedno-strzałowej poprawności"; to znaczy, zdolności modelu takiego jak GPT-5 Pro do poprawnego wykonania nawet skomplikowanego zadania kodowania za pierwszym razem bez błędów (chociaż nawet ten model często nie przechodzi tego bardzo rygorystycznego testu). Ale jeśli możesz zamknąć pętlę debugowania i szybko wprowadzać błędy/ostrzeżenia z powrotem do modelu, a każda runda iteracji zajmuje 20 sekund do minuty (zamiast co najmniej 5 do 10 razy dłużej przy użyciu GPT-5 z dużym wysiłkiem), to możesz szybko rozwiązać wszystkie niedbałe błędy, które popełnia za pierwszym razem (lub nawet za drugim, trzecim czy czwartym razem) i nadal skończyć z działającym kodem szybciej niż z GPT-5. Jeśli rozwijasz coś w przeglądarce, możesz teraz naprawdę zamknąć pętlę całkowicie, używając nowej zakładki przeglądarki Cursor, która jest zdecydowanie najlepszą implementacją tego typu rzeczy, jaką widziałem w jakimkolwiek narzędziu do kodowania (jest o wiele lepsza niż używanie Playwright MCP z Codex lub Claude Code!). Używałem dzisiaj tego promptu z dużym efektem: "Użyj zakładki przeglądarki, aby systematycznie eksplorować tę aplikację i korzystać z interfejsu w naturalny sposób; podczas gdy to się dzieje, obserwuj WSZYSTKIE ostrzeżenia lub błędy w konsoli dewelopera. Kiedy je zobaczysz, zacznij interaktywnie i iteracyjnie diagnozować i naprawiać błędy i problemy, a następnie odśwież aplikację i zweryfikuj, że błąd lub ostrzeżenie zostało całkowicie rozwiązane. Podczas naprawiania rzeczy, skup się na określeniu prawdziwej podstawowej przyczyny błędu, a nie na stosowaniu fałszywych "plasterków" naprawczych!" Gdzie to podejście naprawdę się załamuje, to w fazach koncepcyjnych i planistycznych, gdzie ustalasz, co stworzyć i najlepszy sposób na wdrożenie tego na wysokim poziomie. Tam brak głębokiego myślenia i eksploracji może zaprowadzić cię na złą ścieżkę, z której trudno się wydostać. To jest znacznie bardziej widoczne, gdy zadanie, nad którym pracujesz, odbiega daleko od "manifoldu danych" typowych zadań kodowania. Jeśli tworzysz kolejną prostą stronę CRUD, to prawdopodobnie nie zauważysz tego zbytnio. Jeśli próbujesz stąpać po nowym gruncie w symulacji życia sztucznego lub czymś dziwnym, zauważysz to bardzo wyraźnie. Ale jest ładne podejście hybrydowe, które działa naprawdę dobrze: łączenie najinteligentniejszego modelu do planowania z tymi szybkimi i tanimi modelami do generowania iteracji. Więc użyj GPT-5 Pro w aplikacji przeglądarkowej, aby stworzyć swój plan i początkową implementację, a następnie wklej to do Cursor i zacznij iterować, naprawiać i poprawiać. Jest znacznie lepszy w modyfikowaniu istniejącej silnej podstawy niż w układaniu tej podstawy samodzielnie. Gdzie to wszystko naprawdę błyszczy, to gdy bawisz się i eksplorujesz coś zabawnego, w nowym projekcie, gdzie nie ma terminów ani oczekiwań. W tym kontekście, prędkość jest prawdziwą zmianą w grze. Przypomina mi to stare badania prowadzone przez IBM na początku lat 80., które badały opóźnienia w systemach komputerowych, które wykazały, że gdy opóźnienie spada poniżej pewnego magicznego poziomu, jak 50 ms, następuje duża zmiana w zachowaniu, ponieważ ludzki mózg postrzega, że ma do czynienia z "żywym systemem." I odwrotnie, gdy opóźnienie wzrasta powyżej nawet zaskakująco skromnego poziomu, jak 500 ms, zaangażowanie znacznie maleje, a to jest mentalnie męczące i frustrujące. Gdy opóźnienia wzrastają do kilku sekund lub więcej, ludzie mają tendencję do mentalnego wycofywania się i staje się to walką, aby pozostać zaangażowanym. Widzenie modelu kodowania reagującego w ciągu kilku sekund i dokonującego serii 10 edycji w mniej niż 15 sekund to zupełnie inne doświadczenie niż czekanie 5 minut, aby GPT-5 z dużym wysiłkiem metodycznie przetworzył coś. ...