Cursor 中的AI模型到底怎么选 ？
最近Cursor发布了最受开发者欢迎的AI模型榜单。
官方数据反映了多数人的选择，其中Claude 3.7 Sonnet稳稳位居榜首，那么是不是就直接无脑选择Claude 3.7 Sonnet就行了？
并不是！
以我个人为例子，使用比例就和官方榜单有很大的出入。
在Cursor中Gemini 2.5 Pro占80%，Claude 3.7 Sonnet占10%，GPT-3.5占5%,最后是GPT-4.1 5%。
在Roo和Cline中，Grok就直接90%，另一个Gemini 2.5 flash占10%，其他模型基本不用。
最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的大模型，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？
与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，整体AI领域2025年预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！
学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】
【2025最新】AI大模型全套学习籽料（可白嫖）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！
这里有哪些考量或者基本原则呢？下面讲讲一些我个人的偏好：
不要使用Auto模式
不使用Auto模式的原因很简单：没有掌控感，官方开设这个选项目的是想让消耗，能力，速度之间达成某种平衡，但实话一分钱一分货，消耗能力和速度本身是不可能三角。
与其让Cursor自动分配到垃圾模型白白浪费点数，还不如手动切换一下选择一个合适的，所以这个选项我基本万年不开。
一定打开Thinking
2025年思维链已经成为顶尖模型的标配开启Thinking模式，除了能力的提升之外，详细的思考过程也能让我们一窥模型处理过程，一来可以学习模型的解决问题的方式积累项目经验，二来能快速判断思考过程方向方案是否正确及时进行调整。
模型切换
项目规划，代码梳理，规则生成使用Gemini 2.5 Pro或者Claude 3.7 Sonnet，优先使用Gemini 2.5 Pro，尤其是那种老的迭代过多次的项目。
原因无它：量大一级压死人。
Gemini 2.5 Pro 目前支持高达 100万个令牌（tokens） 的上下文窗口，并计划在未来扩展到 200万个tokens。一次处理相当于数千页文本、整个代码库或大量多模态数据（如文本、图像、音频和视频）的输入。
相比之下，其他主流模型如 OpenAI 的 o3-mini 和 Anthropic 的 Claude 3.7 Sonnet为20万tokens。
Gemini 2.5 Pro尤其在使用自动生成mdc文件见长，很少会出现明显的幻觉错误问题。
而对于单文件的修改或者模块化开发，建议切换Claude 3.x，Sonnet3.x还是保持了Claude一以贯之的快准狠。
不过这里有个比较两难的问题，到底是选3.7还是选3.5？
其实我个觉得 Claude 3.5 Sonnet 用起来反而比新出的 3.7 Sonnet 更顺手。特别是 3.7 的"思考版"，在处理复杂任务或者聊太久之后，经常会陷入一种"改来改去就是不对"的死循环，挺让人抓狂，所以3.5虽然过了两年依然强悍，大部分场景下我还是偏向于使用3.5。
总结一下，如果把Gemini 2.5 Pro看成是运筹帷幄的军师，Claude 3.7 Sonnet 3.x就是临阵杀敌突袭的先锋。
特定任务
简单 Debug / 小修改： 可考虑使用成本较低或速度较快的模型，比如GPT-4.1 ，目前还处于免费使用的阶段，后期收费后价格将是顶尖模型的1/3点数消耗，小修小补其实完全够用。
比如一个TS的类型不对，这个时候杀猪就完全不需要使用牛刀了（当然土豪这条可以自动跳过）。
多模态任务：比如根据图片生成相关的网页，Claude 3.x Sonnet的审美和生成能力无出其右，Claude也是这些模型里面视觉和界面生成最优秀的。
Roo Cline
和Cursor不一样，在Cline使用Grok3算是没得选择的选择吧，使用其他模型成本太高，根本扛不住，Gemini 系列虽然免费，但是存在速率的限制，多跑几条就会报错，Grok3老马大方的每月提供了近150刀的额度，白嫖的150刀有了着落，Grok 3 API正式上线。
OpenAI开源了命令行版Cursor！Codex CLI配置接入Grok3 使用
另外，我大量的MCP使用场景都是在Cline下进行的，这个时候我会结合使用Gemini-flash版本。义如其名，Flash版本不仅速度快，而且有充足的上下文，对于MCP的理解精准度很高，反应迅速，综合考量下只有这个Flash模型能够在处理MCP任务的时候做到又快又准。
总结下来，最佳实践不是固定使用单一模型，而是在不同场景下动态切换。
在快速请求额度内使用高性能模型（如 Claude 3.7 或 Gemini 2.5 Pro），额度用尽后切换到性价比高的 4.1。手动切换灵活选择灵活性才是比较有效方式 。
当然不管黑猫白猫能抓到老鼠的就是好猫，能解决问题的方案才是好的方案，以上仅仅是个人的体感和观察，仅供参考。
最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的大模型，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？
与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，整体AI领域2025年预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！
学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】
【2025最新】AI大模型全套学习籽料（可白嫖）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！