CursorBench(カーソルベンチ)とは

CursorBenchとは、Cursor社のエンジニアが実際に出した依頼をもとに、AIがソフトウェアをどれだけ適切に修正できるかを測るCursorの評価試験です。短い指示から直す場所を見つけ、複数のファイルにまたがる修正を進める力を比べます。2026年11月21日時点の公開スコア表は4.1版。

英語表記:CursorBench

どんな仕事が試験に出る?

開発現場では「検索画面の並び順が変だ」のように、症状だけ伝えて原因と直す場所は任せることがあります。このベンチマークも短い指示を使い、コーディングエージェントが調査から複数ファイルの変更まで進める試験です。問題の多くはCursor社内のコードから採った社内用のもので、測定と順位表の公開はCursor自身が行います。

Cursorは評価の観点として、答えの正しさ、コードの品質、効率、やり取りのふるまいを挙げています。公開スコア表で見られるのは、得点のほか、1課題当たりの費用、AIが処理した量、作業の手数。

順位表を見るときに揃えたい条件

4.1は2026年11月18日の更新で、指示に従う問題が変更され、AIに与える制限時間も延長されました。以前の版と点が違っても、モデルの実力差とは言い切れません。

同じ版の表でも、設定が違えば別の行です。2026年11月21日確認の4.1版では、同じGemini 4 NeonでもLowの45.5%からExtra Highの65.4%まで開き、1課題当たりの費用も約1.26〜10.67米ドルと違いました。版と設定を揃えたうえで、得点と1課題当たりの費用を見比べましょう。

自社で使う候補を絞ったら、過去に人が直した軽めの案件を試験にし、直した内容とレビューに要した時間を記録しましょう。公開表の小差より、現場で人の手戻りが減ったかを測る方法です。Cursor自身も、小さな点差は統計的に意味がない場合があると注記しています。

Topic以前の修正を生んだ依頼を、後からたどる

2026年3月の公式記事によると、CursorはCursor Blameという履歴機能を使い、保存されたコードの変更と、その変更のきっかけになったAIへの依頼を対応させて課題を集めました。課題のために新しく依頼文を書くだけでは出にくい、現場の短い指示を持ち込める仕掛けです。なおCursor Blameは、Enterpriseプランで使える機能。

CursorBenchに関するよくある質問

表の費用はCursorの月額料金ですか?
1課題で使った情報量に、モデルごとの公開単価を当てはめた平均額です。Cursorの月額料金や、自社開発で1件を処理する総費用とは計算の対象が異なります。
Cursorが開発したモデルだけが載っていますか?
載っていません。2026年11月21日に確認した4.1版の表に並ぶのは、Google、Anthropic、OpenAI、xAI、Metaなど他社のモデルで、Cursor自社のComposerの行はありませんでした。モデルによっては設定違いで複数の行があるため、導入候補を絞るときはモデル名と設定を組で控えると比較できます。

CursorBenchに関連する記事