Wie dagelijks met AI-coding tools werkt, kent het patroon: elk verzoek gaat naar hetzelfde dure model. Cursor pakt dit probleem aan met Cursor Router, een intelligente modelrouter die per verzoek beslist welk model het meest geschikt is. Volgens interne A/B-tests over miljoenen live requests levert dat frontier-kwaliteit op tegen ongeveer 60% lagere kosten.

Ongeveer 60% van de Cursor-gebruikers kiest één model als vaste dagelijkse tool. Het gevolg is dat routineklussen dezelfde prijs krijgen als zware taken, terwijl de kwaliteitswinst beperkt is. Cursor Router lost dat op door elk verzoek eerst te classificeren en vervolgens door te sturen naar het model dat de klus efficiënt afhandelt.

Hoe Cursor Router werkt onder de motorkap

De kern van Cursor Router is een classifier die getraind is op meer dan 600.000 live requests en geëvalueerd via online A/B-tests op miljoenen echte verzoeken. Als beloningssignaal koos het team voor gebruikerstevredenheid, gemeten via wat zij Agent Feedback Classification noemen. De router analyseert vier signalen voordat een model draait:

  • Query: wat vraagt de gebruiker precies?
  • Context: welke bestanden en geschiedenis horen erbij?
  • Taakcomplexiteit: gaat het om een eenvoudige edit of langlopend redeneerwerk?
  • Domein: UI-werk, back-end logica, data of iets anders?

Op basis daarvan matcht de router het verzoek met het profiel van beschikbare modellen. Simpel werk gaat naar prijs-efficiënte modellen, UI-aanpassingen naar het model met de beste smaak voor visuele output, en zware redeneertaken naar frontier-modellen. Zodra er nieuwe modellen verschijnen, kan Cursor de router bijwerken zonder dat gebruikers hun workflow moeten aanpassen.

Cache-bewust ontworpen

Elke keer dat je van model wisselt, verlies je je prompt cache. Die cache-misses kosten geld en tijd. Cursor Router is daarom expliciet cache-aware getraind en geëvalueerd. De gerapporteerde kostenbesparingen omvatten al de extra kosten van cache-misses die routing veroorzaakt.

Drie modi voor drie prioriteiten

Cursor Router werkt met drie standen die je op de cost-intelligence Pareto frontier plaatst. Je kiest zelf waar je zit, per team of per gebruiker.

  • Intelligence: maximale kwaliteit, vergelijkbaar met de duurste frontier-modellen, maar tegen ongeveer 60% lagere kosten dan bijvoorbeeld Fable draaien op alles.
  • Balance: sterke kwaliteit die matcht met de frontier-modellen die de meeste developers dagelijks gebruiken, tegen ongeveer 36% lagere kosten dan Opus 4.8.
  • Cost: goede kwaliteit met de hoogste beschikbare intelligentie binnen een strak tokenbudget.

Admins bepalen hoe de router uitrolt. Ze kunnen hem per team activeren, kiezen welke modi beschikbaar zijn, een default instellen en specifieke modellen toestaan of blokkeren. Die controle is belangrijk voor organisaties waar bepaalde taken altijd op frontier-niveau moeten blijven draaien, zoals compliance- of finance-gerelateerde code.

Wat de cijfers laten zien

Tijdens de early access-periode werd Cursor Router uitgerold bij tientallen enterprise-klanten. Drie accounts met duizenden gebruikers bespaarden 30% tot 50% op auto-routed requests. En dat zonder kwaliteitsverlies.

Interessanter dan cost per request is cost per commit. Dat cijfer meet wat het kost om daadwerkelijk werk te leveren dat in de codebase blijft staan. In de metingen kwam Cursor Router uit op $6,76 per commit in Intelligence mode en $4,63 in Balance mode. Ter vergelijking: Fable 5 zat op $12,69 en Opus 4.8 op $7,34. GPT-5.6 Sol matchte de kost van Intelligence mode, maar scoorde lager op gebruikerstevredenheid.

Cursor koos bewust voor online A/B-tests boven offline evals. Offline benchmarks zijn nuttige indicatoren, maar ze missen de realiteit van een conversatie waarin developers doorwerken, fouten fixen en van context wisselen over honderden requests per week. Precies onder die omstandigheden moet een router presteren.

Waarom modelrouting werkt

De besparing zit in gewogen gemiddelden. Als je 70% van je verzoeken naar een budgetmodel stuurt, 25% naar een mid-tier model en slechts 5% naar een frontier-model, daalt de gemiddelde kost per request drastisch. Het prijsverschil tussen tiers is groot genoeg om zelfs imperfecte routing lonend te maken.

Een concreet voorbeeld: 1 miljoen requests per maand op één frontier-model kost ongeveer $20.000. Met een tiered routing setup kan dat tot $8.000 zakken. De kwaliteit blijft op peil omdat zwakke outputs een retry krijgen, en pas na een tweede mislukking escaleren naar een hoger tier.

Meten wat er echt gebeurt

Cursor gebruikt twee metrics om de kwaliteit te bewaken:

  • User satisfaction: doorgaan naar de volgende feature is een positief signaal, de agent corrigeren een negatief.
  • Keep rate: hoeveel van de gegenereerde code blijft over tijd in de codebase staan?

Deze twee metrics gebruikt Cursor al negen maanden om elke modellaunch en harness-update te evalueren. Ze vangen iets wat benchmarks missen: leverde het werk daadwerkelijk resultaat op dat de developer wilde behouden?

Meer dan alleen routing

Cursor Router is één onderdeel van een bredere aanpak rond token-efficiëntie. Ook de agent zelf wordt lichter gemaakt. Dynamic tool calling laadt bijvoorbeeld niet meer alle native tool-beschrijvingen in elke prompt. Modellen zoeken die pas op wanneer ze een tool nodig hebben, volgens hetzelfde patroon dat al voor MCPs geldt. Veelgebruikte tools zoals read en edit blijven hot, minder gebruikte tools komen pas de prompt binnen als ze effectief worden aangeroepen.

Daarnaast groeit de modelpool waaruit de router kan kiezen. Grok 4.5 verbreedt de opties voor zwaardere taken, en Composer wordt steeds beter op de dagelijkse workload. Zo blijven lagere-kost keuzes dicht bij frontier-kwaliteit zonder frontier-prijzen.

Voor wie is dit relevant

Cursor Router is beschikbaar voor Teams en Enterprise plannen, voor desktop, web, iOS, CLI en de SDK. De doelgroep is duidelijk: engineering-teams waar AI-uitgaven uit de pan swingen en waar het onderscheid tussen routine en complex werk merkbaar effect heeft op de maandelijkse factuur.

Voor solo-developers is de winst kleiner, omdat individuele workflows meestal minder variatie kennen.