快手 KwaiKAT 发布 KAT-Coder-Pro V2.5 模型

快手 KwaiKAT 团队今日发布旗舰级 Agentic Coding 模型 KAT-Coder-Pro V2.5。新版本针对传统编程模型“跑分高但落地差”的问题，把重点放在长程工程能力、通用 Agentic 能力和大规模 Agentic 强化学习上。团队希望它不再只做单点代码补全，而是能独立完成完整的软件工程任务和复杂业务工作流。

长程工程能力方面，团队自研了 AutoBuilder 自动化流水线。这套流水线把可运行仓库环境的构建成功率从行业平均约 16.5% 拉升至 57.2%。目前他们沉淀了超 10 万个可验证的真实仓库环境，覆盖 12 种编程语言。团队还回收高价值失败轨迹作为训练数据，让模型学会跨文件定位、遵循项目规范和自主调试测试。

通用 Agentic 能力上，KwaiKAT 打造了 KwaiClawEnv 体系。该体系动态扩展工具池，从真实业务任务派生出大量复杂工作流，再经双重过滤保留高质量训练轨迹。它覆盖数据分析、跨系统整合和批量文档处理等场景，支持 10 轮以上的长链路任务执行。

训练层面，团队放弃纯监督微调路线，改用大规模 Agentic 强化学习。通过 Harness Scaling 在多种主流 Agent 框架下训练，避免过拟合单一交互格式。他们引入非对称 PPO 架构解决长程任务的信用分配难题，并设计分层奖励机制兼顾核心任务结果、行为规范约束和失败探索激励，让模型兼顾效果与鲁棒性。

模型进一步通过 MOPD 多教师在线策略蒸馏，融合了长程工程、通用 Agentic、终端使用、前端美学和通用知识五个专家模型的能力。单模型就能同时写代码、跑工作流、生成前端页面，不用来回切换。

官方评测数据显示，代码工程方面，KAT-Coder-Pro V2.5 在 SWE-Bench Pro 得分 65.2，内部 KAT Code Bench 得分 53.1，可以直接承接完整的 Issue 不需要人工拆解。Agentic 任务方面，它在 PinchBench 得分 94.2，内部 KAT Claw Bench 得分 85.5，全流程稳定性较高。

KAT-Coder-Pro V2.5 已全量上线 StreamLake 平台（streamlake.com），开放 API 申请和技术文档查阅，技术报告及开发者交流群也同步公开。产品地址：https://streamlake.com/product/kat-coder