Cursor モデル最適運用設計（7モデル構成）

CC BY 4.0
https://creativecommons.org/licenses/by/4.0/

利点：
・モデル切替によりコスト最適化が可能
・Composerによるエージェント実行が強力
・推論レベル制御で精度調整可能

問題点：
・モデル選択が複雑化しやすい
・Fastモードによるコスト増加リスク
・Reasoning過剰で無駄な推論が発生
・Context過剰でノイズ増加

総評：
運用設計を明確にしないとコスト・精度ともに不安定になる。
適切なモデル分担が必須。

開発ツール

・複数LLMの統合利用（GPT / Claude / Gemini 等）
・コード生成・修正・リファクタリング
・エージェント実行（Composer）
・コンテキスト管理（最大1M tokens対応）
・推論制御（Reasoning / Thinking）
・ツール連携（MCP / 外部API）
・モデル切替によるコスト最適化

用途：
・ソフトウェア開発支援
・LLM運用設計
・エージェント構築
・実験・検証環境

モデル構成（最適化済）：
- GPT-5.4 Nano（軽量処理）
- Composer 2（標準作業）
- GPT-5.4 Mini（主力）
- Codex 5.3（コード特化）
- Sonnet 4.6（設計・推論）
- Gemini 2.5 Flash（長文処理）
- GPT-5.5（最終判断）

推論制御：
Reasoningレベル（None, Low, Medium, High, Extra High）

推論コストモデル：
C ∝ B × D

None : Low : Medium : High : Extra High
= 1 : 2 : 4 : 9 : 16

コンテキスト：
200K〜300K（通常）
1M（長文処理時のみ）

Fastモード：
約3倍コスト（高速化オプション）

基本戦略：
小さいモデル → 主力 → 上位モデルへ段階的にエスカレーション

運用フロー：
1. Nano → 整形・要約
2. Mini / Composer → 実装
3. Codex → コード特化処理
4. Sonnet → 設計・バグ分析
5. Gemini → 長文処理
6. GPT-5.5 → 最終確認

制約：
・Fast常用禁止
・Extra High常用禁止
・1M context常用禁止
・Nanoに設計させない
・Codexに意思決定させない

・Cursor IDE
・OpenAI API系モデル
・Anthropic Claude系モデル
・Google Gemini系モデル
・MCPツール連携（fetch等）

・OpenAI API
・Anthropic Claude
・Google Gemini
・Ollama（ローカルLLM）
・LangChain / LlamaIndex（エージェント構築）