Myslím, že jsem byl příliš odmítavý k novému kódování LLM Composer-1 od Cursoru. Jistě, je to striktně horší než GPT-5 High Effort a GPT-5-Codex, a tak v tomto smyslu, když navrhuji a implementuji důležité projekty kódu, nevidím pro to ve svých pracovních postupech místo. Na druhou stranu je extrémně rychlý (zajímalo by mě, jak to udělali; používají hardware Groq nebo Cerebras? je to proto, že model je tak malý a efektivní? nejsem si jistý) a to samo o sobě odemyká spoustu nových pracovních postupů a pracovních technik pro případy, kdy kód není tak kritický, nebo když začínáte nový projekt a nemusíte se bát, že rozbijete stávající kód. Je to také mnohem, mnohem levnější ve srovnání s jakoukoli příchutí GPT-5. Kombinace mnohem rychlejšího a mnohem levnějšího vytváří určitý kvalitativní rozdíl v tom, jak můžete model používat, který jsem dříve plně nedocenil. Když jsou náklady na iteraci tak nízké z hlediska času i peněz, můžete iterovat mnohem vícekrát. To snižuje hodnotu "jednorázové správnosti"; tedy schopnost modelu, jako je GPT-5 Pro, zvládnout i složitý kódovací úkol správně hned napoprvé bez chyb (i když i tento model v tomto velmi přísném testu často selhává). Pokud však dokážete uzavřít ladicí smyčku a rychle vrátit chyby/varování zpět do modelu a každé iterační kolo trvá 20 sekund až minutu (namísto 5 až 10krát tak dlouhého alespoň při použití GPT-5 s velkým úsilím), pak můžete rychle vyřešit všechny nedbalé chyby, které dělá napoprvé (nebo dokonce podruhé, potřetí, nebo počtvrté) a stále skončíte s funkčním kódem dříve, než byste mohli s GPT-5. Pokud něco vyvíjíte v prohlížeči, můžete nyní skutečně uzavřít smyčku úplně pomocí nové karty prohlížeče Cursoru, což je zdaleka nejlepší implementace tohoto druhu věcí, kterou jsem viděl v jakémkoli kódovacím nástroji (je to na míle daleko před použitím Playwright MCP z Codexu nebo Claude Code!). Dnes jsem s velkým efektem použil tuto výzvu: "Pomocí karty prohlížeče můžete systematicky prozkoumávat tuto aplikaci a používat rozhraní přirozeným způsobem; zatímco se to děje, sledujte PŘÍPADNÁ varování nebo chyby v konzoli pro vývojáře. Když se zobrazí, začněte interaktivně a iterativně diagnostikovat a opravovat chyby a problémy a poté aplikaci aktualizujte a ověřte, zda je chyba nebo upozornění zcela vyřešeno. Při opravě věcí se zaměřte na určení skutečné základní hlavní příčiny chyby a neaplikujte falešné "náplasti"! Kde se však tento přístup skutečně rozpadá, jsou koncepční a plánovací fáze, kdy zjišťujete, co udělat a jaký je nejlepší způsob, jak to implementovat na vysoké úrovni. Tam vás nedostatek hlubokého přemýšlení a zkoumání může nasměrovat na špatnou cestu, ze které je těžké se vzpamatovat. To je mnohem patrnější, když se úloha, na které pracujete, odklání daleko od "datové rozmanitosti" běžných kódovacích úloh. Pokud vytváříte další jednoduchý web CRUD, pak si toho pravděpodobně moc nevšimnete. Pokud se snažíte vstoupit na novou půdu v umělé simulaci života nebo něčem podobném, hodně si toho všimnete. Existuje však pěkný hybridní přístup, který funguje opravdu dobře: kombinace nejchytřejšího modelu pro plánování s těmito rychlými a levnými modely pro vytváření iterací. Použijte tedy GPT-5 Pro v aplikaci prohlížeče, abyste přišli se svým plánem a počáteční implementací, poté je vložte do Kurzoru a začněte iterovat, opravovat a vylepšovat. Je mnohem lepší v modifikaci existujícího pevného základu, než v položení samotného základu. To vše skutečně září, když si hrajete a objevujete s něčím zábavným, v novém projektu, kde nejsou žádné termíny ani očekávání. V tomto kontextu je rychlost skutečnou změnou hry. Připomíná mi to starý výzkum provedený společností IBM na počátku 80. let, který se zabýval latencí počítačových systémů a zjistil, že když se latence dostane pod nějakou magickou úroveň, například 50 ms, dojde k velké změně v chování, protože lidský mozek vnímá, že má co do činění s "živým systémem". A naopak, když latence překročí i překvapivě skromnou úroveň, jako je 500 ms, získáte mnohem menší zapojení a je to psychicky náročné a frustrující. Když se latence zvýší na několik sekund nebo více, lidé mají tendenci se mentálně odhlásit a je obtížné zůstat zapojeni. Vidět, jak kódovací model reaguje během několika sekund a provede smršť 10 úprav za méně než 15 sekund, je úplně jiný zážitek, než čekat 5 minut, než GPT-5 s vysokým úsilím něco metodicky prorazí. ...