2026-07-27 · 6 min čtení
Vývojářský nástroj Cursor zkusil rozdělit programování mezi víc AI modelů — jeden drahý jako plánovač a několik levnějších jako vykonavatele. Podle zveřejněného testu dokázala tato kombinace přepsat databázi SQLite do jazyka Rust bez chyb.
Cursor, jeden z nejpoužívanějších AI nástrojů pro psaní kódu, zveřejnil výsledky testu nového přístupu k automatizovanému programování. Místo jednoho výkonného (a drahého) modelu, který dělá úplně vše, nasadil takzvaný „agent swarm" — skupinu AI agentů s jasně rozdělenými rolemi. Jeden model plánuje, ostatní pak podle plánu píšou kód. Situace k 2026-07-27: jde o test, který Cursor sám popsal na svém blogu a převzal ho server The Decoder, nejde tedy o nezávisle ověřenou akademickou studii.
Cursor nechal svůj systém agentů splnit náročný úkol: přepsat databázový engine SQLite do programovacího jazyka Rust, a to pouze na základě dokumentace — bez přístupu ke zdrojovému kódu originálu a bez připojení k internetu. SQLite je dlouhodobě prověřený a komplexní software, takže jde o test, který má prokázat, jestli AI zvládne i skutečně náročnou práci, ne jen učebnicové příklady.
Podstata nové architektury: takzvaný „frontier model" (nejsilnější a nejdražší kategorie modelů, jaké dnes nabízí například Anthropic nebo OpenAI) dostane na starost rozdělení úkolu na menší kroky a kontrolu postupu. Samotné psaní kódu pak přebírají menší a levnější modely. Podle Cursoru dosáhla tato kombinace ve všech testovaných konfiguracích 100% úspěšnosti na jejich testovací sadě pro přepsané SQLite. Přesný počet testovaných konfigurací ani velikost testovací sady Cursor veřejně nespecifikoval, jde tedy o číslo, které si zatím nelze nezávisle ověřit. Starší uspořádání, kde agenti pracovali bez rozdělení na plánovače a vykonavatele, se podle stejného zdroje na 100 % nedostalo a v části úkolů se zasekávalo.
Agent swarm je součástí placených plánů Cursoru (aplikace i editor založený na VS Code). Funkci najdete v nastavení agentů v postranním panelu — v části, kde se volí model a chování agenta při delší úloze. Cursor přesné názvy modelů použitých v testu nezveřejnil, takže si architekturu musíte poskládat sami: jeden výkonnější model necháte psát zadání a rozdělovat práci, druhý (levnější) necháte kód skutečně psát.
Prakticky to vypadá tak, že v chatu Cursoru zadáte úkol formou, která agenta nutí nejdřív naplánovat a až pak vykonávat. Příklad promptu, který můžete použít jako výchozí bod:
Nejdřív rozděl tento úkol na menší, samostatně testovatelné kroky
a napiš mi je jako číslovaný seznam. Neimplementuj nic, dokud plán
neschválím. Úkol: přepiš modul pro validaci vstupních dat z Pythonu
do TypeScriptu tak, aby zachoval stejné chování a všechny testy
z původního souboru prošly i po přepisu.Po schválení plánu necháte jednotlivé kroky provádět agenta v „execute" režimu — u větších projektů to Cursor umožňuje zadat jako sérii navazujících úkolů.
Přístup „drahý plánovač, levní vykonavatelé" má smysl u úkolů, které lze rozdělit na jasně ohraničené kroky — přepisy kódu mezi jazyky, refaktoring, psaní testů podle specifikace. Nehodí se ale všude. U úloh, kde je potřeba průběžně měnit celkovou strategii podle nečekaných zjištění (třeba ladění záhadné chyby v produkčním systému), levnější model bez kontextu často dělá rozhodnutí, která plánovač nepředvídal, a výsledek pak musí opravovat člověk. Test navíc probíhal v izolovaném prostředí bez přístupu k internetu a bez originálního zdrojového kódu SQLite — u projektů, kde agent potřebuje hledat aktuální dokumentaci knihoven nebo řešit verzové konflikty, se podmínky liší a výsledky nemusí být stejně dobré. Také jde o číslo z jednoho konkrétního testu jednoho dodavatele, ne o nezávisle replikovaný výzkum.
Pro běžného uživatele, i toho, kdo sám neprogramuje, je důležité hlavně jedno: pokud rutinní části kódu skutečně zvládnou levnější modely, nástroje jako Cursor mohou zlevnit provoz i předplatné, protože firma neplatí za nejdražší model při každém kroku. Druhý dopad je spolehlivost — jasně naplánovaný postup snižuje riziko, že AI „vymyslí" nefunkční řešení, protože se drží zadaného plánu. Stejný princip — silnější model jako plánovač, levnější jako vykonavatel — se začíná objevovat i mimo programování, například v automatizaci firemních procesů nebo zpracování dokumentů.
Cursor nezveřejnil konkrétní názvy ani ceny modelů použitých v testu, takže přesnou technickou konfiguraci nelze ověřit. Obecně platí, že dnešní „frontier" modely (např. GPT-5.6 Sol nebo Claude Opus 5, který vyšel 24. 7. 2026) stojí řádově víc za milion tokenů než lehčí varianty stejné rodiny (např. GPT-5.6 Luna nebo Claude Haiku 4.5). Redakčně by mělo smysl podobnou architekturu vyzkoušet s kombinací dražšího modelu jako plánovače a levnějšího jako vykonavatele — jde ale o náš vlastní tip k otestování, ne o kombinaci, kterou Cursor ve svém testu potvrdil. Cursor nabízí bezplatnou variantu (Hobby) i placené plány (Pro a firemní Business), přičemž agent swarm je dostupný jen v placených úrovních — přesné ceny plánů Cursor uvádí na svém webu.
Zdroj informací: The Decoder (https://the-decoder.com/cursors-agent-swarm-suggests-cheaper-models-can-handle-most-coding-when-frontier-models-plan-the-work/)
Téma: Automatizace a AI agenti · Kódování s AI