Cursor agent, NVIDIA Blackwell CUDA kernel을 3주 만에 38% 가속

Cursor의 4월 14일 X 게시물은 agentic coding의 성능 주장을 비교적 검증 가능한 영역으로 가져왔다. 회사는 NVIDIA와 협력해 CUDA kernel 최적화에 multi-agent system을 적용했고, 결과가 "38% geomean speedup across 235 problems"였다고 썼다. 게시 시각은 2026년 4월 14일 19:33:22 UTC로 cutoff 이후이며, 단순 product teaser가 아니라 benchmark가 붙은 material post다.

연결된 tweet 자체에는 외부 URL 대신 이미지가 붙어 있지만, Cursor는 같은 결과를 공식 블로그 글로 자세히 설명했다. 글에 따르면 multi-agent harness는 NVIDIA Blackwell 200 GPU용 CUDA kernel 235개를 대상으로 3주간 작동했고, 149개 문제에서 baseline을 앞섰다. 전체 geometric mean ratio는 1.38x였고, 19%의 최적화는 2x 이상의 개선을 냈다.

Cursor 계정은 보통 editor 기능, coding agent, enterprise workflow를 다루지만, 이번 건은 제품 기능 홍보보다 연구 성격이 강하다. CUDA kernel은 LLM 학습과 추론 비용을 좌우하는 핵심 소프트웨어 계층이다. 사람이 수작업으로 kernel을 쪼개고 튜닝하는 방식에는 시간이 많이 들고, 전체 시스템 차원의 탐색 공간을 충분히 보지 못하는 한계가 있다. Cursor와 NVIDIA의 실험은 agent가 benchmark loop를 돌며 여러 worker로 병렬 탐색을 수행할 수 있는지 시험한 사례다.

다음 관전점은 production 적용이다. 38% geomean speedup은 눈에 띄지만, 블로그는 median SOL score가 0.56으로 아직 theoretical hardware limit과 차이가 있다고 적었다. 더 많은 GPU, 더 긴 실행 시간, 다른 model architecture에서도 같은 방식이 통할지 지켜봐야 한다. source tweet은 여기에서 확인할 수 있다.