Cursor 3 y la nueva disputa de los agentes de IA para desarrolladores
El mercado de IA para programación entró en una fase mucho más competitiva, y Cursor 3 es la apuesta de Cursor para seguir siendo relevante en este escenario. La empresa lanzó una nueva experiencia basada en agentes de IA para desarrollo de software, compitiendo directamente con herramientas como Claude Code, de Anthropic, y soluciones basadas en OpenAI Codex, que ganaron millones de usuarios en los últimos meses.
Según Jonas Nelle, uno de los heads de ingeniería de Cursor, los últimos meses cambiaron por completo la forma en que los devs trabajan. Gran parte del producto que llevó a Cursor al éxito hasta aquí, como la experiencia tradicional de autocompletado y asistencia dentro de la IDE, ya no es el centro de la estrategia. El nuevo foco es claro: un entorno en el que el desarrollador pasa el día conversando con agentes, siguiendo lo que hacen y revisando el resultado, en lugar de escribir cada línea de código manualmente.
Este cambio de postura no ocurre en el vacío. En los últimos 18 meses, tanto OpenAI como Anthropic lanzaron sus propios productos de coding agent, ofreciendo planes de suscripción fuertemente subsidiados. Esto puso presión directa sobre el modelo de negocio de Cursor, que hasta entonces era una de las principales formas de que los devs accedieran a modelos de OpenAI, Anthropic y Google dentro de una IDE especializada.
Qué es Cursor 3 en la práctica
Cursor 3 es descrito por la propia empresa como un producto agent-first. En lugar de solo sugerir código dentro de la IDE, pone a los agentes de IA en el centro de la experiencia.
Todo ocurre dentro de la app de escritorio ya conocida por los usuarios de Cursor, pero ahora con una nueva interfaz dedicada a los agentes. En el centro de la pantalla aparece una caja de texto simple, con cara de chatbot, donde el dev escribe en lenguaje natural la tarea que quiere delegar: crear una nueva feature, refactorizar un módulo, corregir un bug, escribir tests, mejorar performance y mucho más.
Al apretar Enter, el agente empieza a trabajar sin que el dev tenga que escribir una línea de código inicial. La lógica es muy diferente del clásico “sugiéreme aquí un fragmento de función”: la idea es realmente descargar la tarea, no solo ayudar de forma puntual. Mientras tanto, en una barra lateral a la izquierda, el usuario puede ver y gestionar todos los agentes que están corriendo en ese momento, incluso múltiples agentes en paralelo, cada uno a cargo de una parte del trabajo.
El detalle que diferencia a Cursor 3 de muchas experiencias de escritorio de Claude Code y de herramientas basadas en Codex es la integración profunda con la IDE de la propia Cursor. En una demostración, Alexi Robbins, también co-head de ingeniería de Cursor 3, mostró cómo un agente se ejecuta en la nube para construir una nueva funcionalidad, mientras el desarrollador sigue y revisa el código generado localmente, directamente en los archivos del proyecto.
Es decir, no es solo un chat separado: es un flujo donde el agente modifica, crea y sugiere código en el contexto real del repositorio, y el dev valida eso línea por línea, como lo haría al revisar un pull request.
Dev como arquitecto y revisor, no solo digitador
La visión detrás de Cursor 3 es transformar el papel del desarrollador. En lugar de quedarse solo escribiendo código todo el día, el dev pasa a actuar más como arquitecto, revisor y orquestador de las tareas:
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
- Define objetivos y restricciones para el agente.
- Sigue el plan de ejecución.
- Verifica el código generado y decide qué entra o no en el repositorio.
- Combina múltiples agentes para encargarse de partes diferentes del proyecto.
Esto pone a Cursor en la misma línea de evolución de herramientas que están yendo más allá del autocompletado potenciado. El foco deja de ser solo “escribir más rápido” y pasa a ser delegar bloques enteros de trabajo, manteniendo la supervisión humana donde es más relevante: decisiones de arquitectura, experiencia de usuario, calidad técnica y alineación con el producto.
Cómo Cursor intenta competir con los grandes labs de IA
Detrás de este giro hacia un producto agent-first, también existe una dura pelea de negocio. Cursor está disputando el mismo espacio de dev tooling con IA al que apuntan gigantes como OpenAI y Anthropic, con mucho más capital disponible.
La empresa, que comenzó como una forma práctica de programar usando modelos de terceros, se convirtió en uno de los mayores clientes de esos mismos labs. Solo que, a medida que OpenAI y Anthropic empezaron a ofrecer sus propias IDEs y agentes de código con suscripciones agresivamente subsidiadas, la ventaja de Cursor se redujo.
Hoy, los devs pueden, en algunos planes, tener fácilmente más de 1000 dólares de uso de modelo por apenas 200 dólares al mes. Eso hace que soluciones como Claude Code y herramientas basadas en Codex sean extremadamente atractivas en costo-beneficio para quienes usan IA de forma intensiva en el día a día.
Suscripciones, precio y frustración de la comunidad
Hasta mediados de 2025, Cursor también ofrecía un plan bastante subsidiado para su producto principal de AI coding. En junio de 2025, sin embargo, la startup anunció que migraría a un modelo de cobro basado en uso, con tarifas atadas al consumo de IA, cambiando la cuenta para muchos usuarios.
La reacción de la comunidad fue ruidosa, y la propia empresa después reconoció que la comunicación no fue la mejor. La decisión, sin embargo, tenía un motivo claro: mejorar el margen y buscar un camino de sostenibilidad en un mercado donde los rivales pueden quemar mucho más dinero para adquirir clientes.
Mientras tanto, Anthropic ya empezó a apretar un poco algunos límites de uso de la suscripción de Claude Code, señalando que el período de subsidios extremos también puede tener fecha de caducidad. Pero, por ahora, la combinación de límites generosos + producto maduro todavía juega a favor de Claude Code y de las herramientas basadas en Codex, según varios devs que migraron desde Cursor.
Por qué algunos devs migraron
Desarrolladores entrevistados por WIRED relataron que hoy usan Claude Code y Codex para la mayor parte del trabajo con IA en código, dejando a Cursor y herramientas similares en segundo plano. El motivo principal no es solo la calidad del modelo, sino:
- Límites de uso más generosos incluidos en la suscripción.
- Experiencia agent-first bien integrada, con tareas autónomas.
- Buen costo-beneficio considerando el volumen de tokens procesados.
Algunos fundadores y líderes técnicos llegaron a comentar que hoy eligen la herramienta casi exclusivamente en función de quién ofrece el techo de uso más alto dentro del plan, ya que ejecutan muchos experimentos, grandes refactors y tareas intensivas en contexto largo.
Modelos propietarios: la línea Composer entra en escena
Para no depender totalmente de los modelos de terceros, Cursor también empezó a apostar por una línea propia de modelos, llamada Composer. El lanzamiento más reciente es Composer 2, construido a partir de un sistema open source de Moonshot AI, laboratorio chino de IA, que recibió preentrenamiento y posentrenamiento adicionales por parte del equipo de Cursor.
La idea es simple: ofrecer un modelo con un buen equilibrio entre performance, precio y velocidad, que pueda ser servido de forma más económica para la base de clientes. En lugar de pagar siempre las tarifas completas de los modelos externos, Cursor consigue, en muchas situaciones, desviar carga de trabajo hacia Composer 2, manteniendo un costo menor y, al mismo tiempo, ofreciendo una experiencia de AI coding competitiva.
El plan declarado de la empresa es ir más allá de esta adaptación sobre una base open source y, en el futuro, entrenar modelos Composer completamente desde cero. Eso, sin embargo, exige inversiones muy altas en investigación, datos e infraestructura, algo que tradicionalmente está más al alcance de gigantes como OpenAI y Anthropic, que han recaudado decenas de miles de millones de dólares.
Costos de entrenar modelos y el desafío del capital
Entrenar modelos punteros de IA es caro, y eso no es secreto para nadie en el mercado. GPUs de última generación, clusters masivos, ingeniería de datos, equipos de investigación: todo esto pesa fuerte en el balance.
Cursor tiene fama de hacer mucho con pocos recursos, manteniendo un equipo reducido y entregando producto rápido. Pero la disputa actual por agentes de código de alta calidad es probablemente el capítulo más caro en la historia de la empresa. Con OpenAI y Anthropic viendo en este segmento un negocio gigantesco, la presión para que Cursor capte más capital rápidamente aumenta bastante.
No por casualidad, la empresa está en conversaciones para una nueva ronda de inversión con una valoración en el orden de los 50 mil millones de dólares, casi el doble del valor de mercado recibido en el funding de la serie D del año anterior. El crecimiento rápido, incluso físico, es visible: la oficina en San Francisco creció tanto que hoy ocupa incluso un antiguo cine de la región, con filas organizadas de zapateras en la entrada, en lugar de la pila caótica de tenis que marcaba la fase inicial de la startup.
El mundo agent-first y el lugar de Cursor en él
Con todo el mundo corriendo hacia el modelo agent-first, lo que antes era un diferencial se volvió prácticamente un requisito básico. Las herramientas serias de AI coding hoy necesitan lidiar con:
- Contexto largo entre múltiples archivos y carpetas.
- Refactors complejos guiados por el propio agente.
- Explicación de fragmentos de código en lenguaje sencillo.
- Generación y mantenimiento de tests automatizados.
Encima de este paquete mínimo, cada player agrega su propia estrategia: agentes más autónomos, integraciones fuertes con CI/CD, foco en seguridad, soporte amplio a stacks específicos o planes de uso agresivos con suscripción fija.
Herramientas que usamos a diario
Cursor 3 intenta diferenciarse en dos puntos principales:
- Integración profunda entre agente en la nube e IDE local, con flujo continuo de generación y revisión.
- Apuesta por un hub de agentes, donde el dev puede ver, gestionar y seguir múltiples agentes lado a lado.
En la visión de los heads de ingeniería, poco importa si el dev va a pasar más tiempo en la ventana de chat con agentes o directamente en la IDE. Lo importante es que permanezca dentro del ecosistema de Cursor, usando ambas experiencias de forma complementaria.
Equipos híbridos: devs + agentes
El movimiento que empieza a quedar claro es la transición de asistentes de código hacia equipos híbridos. En lugar de solo acelerar lo que ya existía, los agentes comienzan a asumir responsabilidades mayores:
- Encargarse de correcciones de bugs repetitivos.
- Realizar refactors de código legado largo y tedioso.
- Generar documentación inicial en base al código.
- Actualizar dependencias y adaptar APIs antiguas a nuevas versiones.
El desarrollador sigue teniendo el control, pero gasta menos energía en las tareas mecánicas y más en las decisiones que exigen visión de producto, experiencia de usuario, diseño de sistema y entendimiento del contexto de negocio. Herramientas como Cursor 3, Claude Code y stacks que utilizan Codex se convierten, en la práctica, en un panel de control para este conjunto de agentes.
Qué esperar del desarrollo de software en los próximos años
Si 2023 y 2024 fueron los años en que los devs probaron si la IA realmente ayudaba a escribir código, 2025 y 2026 se están dibujando como el período en que la IA pasa a asumir una parte concreta de la carga de trabajo. La discusión deja de ser “¿funciona o no funciona?” y pasa a ser:
- ¿Cuánto trabajo tiene sentido delegar a un agente?
- ¿Cómo garantizar calidad, seguridad y mantenibilidad?
- ¿Cuál es el equilibrio correcto entre autonomía de la IA y revisión humana?
Herramientas como Cursor 3 entran exactamente en este punto: no solo muestran que un agente de código puede entregar una feature, sino que ofrecen mecanismos de supervisión, transparencia y control dentro del flujo de desarrollo. Logs detallados, visión clara de los cambios, facilidad para revertir decisiones malas y reorientar agentes se vuelven parte importante de la experiencia.
En este escenario, la elección entre Cursor, Claude Code, Codex y otros productos deja de ser solo una preferencia de modelo y pasa a involucrar también cultura de equipo, estructura del proyecto, límites de uso, costo total e incluso la forma en que la empresa organiza sus procesos de revisión y deploy.
Hay algo, sin embargo, que está quedando muy nítido: la forma de escribir software en 2026 es muy diferente de la que la mayoría de los devs aprendió en la época en que todo se hacía línea a línea, a pulso. Quien sepa aprovechar bien esta ola de agentes de código, usando herramientas como Cursor 3 de forma consciente y estratégica, tiende a ganar una ventaja real en productividad y calidad técnica, especialmente en sistemas grandes, complejos y en constante evolución.
