更关键的是prototyping能力。Cursor强调它可以从high-level idea出发，研究陌生领域、设计application structure、实现核心功能，再根据反馈连续迭代。被压缩的不只是“写代码”的时间，而是idea→working prototype整条链路。过去需要产品、领域专家和工程师多轮协作的第一版产品，现在越来越可能由一个人加AI完成。
价格同样值得关注。标准版为$2/M input tokens、$6/M output tokens，Cursor称其能够以约三分之一的单任务成本达到Opus 5级别表现。如果真实工作流验证这一点，未来最重要的指标可能不是谁benchmark最高，而是intelligence-per-dollar-per-task。企业真正购买的不是token，而是完成任务的能力。
对药物研发也是如此。真正有价值的benchmark，不应该只测试AI会不会写R或Python，而应该测试完整链路：literature review→hypothesis→analysis plan→数据分析→debug→visualization→interpretation→report。能够稳定完成整个闭环的模型，才可能真正改变计算生物学和数据科学团队的生产方式。
AI Coding最终争夺的可能不是IDE，而是整个knowledge work的execution layer。当执行越来越便宜，人真正稀缺的能力将变成problem definition、judgment和system design。未来最有价值的人，不一定是执行最快的人，而是最会定义问题、设计系统和判断结果的人。
