快手 KwaiKAT 團隊今日正式發佈旗艦級 Agentic Coding 模型 KAT-Coder-Pro V2.5。新版本針對傳統編程模型"跑分高但落地差"的痛點，圍繞長程工程能力、通用 Agentic 能力與大規模 Agentic 強化學習體系三大維度系統性升級，目標是從單點代碼補全演進爲可獨立完成完整軟件工程任務和複雜業務工作流的 AI Agent。

QQ20260710-170152.jpg

在長程工程能力上，團隊自研 AutoBuilder 自動化流水線，將可運行倉庫環境構建成功率從行業平均約16.5% 提升至57.2%，沉澱覆蓋12種編程語言、超10萬個可驗證真實倉庫環境;同時回收高價值失敗軌跡轉化爲訓練數據，讓模型掌握跨文件定位、遵循項目規範及自主調試測試的能力。

在通用 Agentic 能力上，KwaiKAT 打造 KwaiClawEnv 體系——動態擴展工具池、以真實業務任務派生海量複雜工作流、經雙重過濾保留高質量訓練軌跡，覆蓋數據分析、跨系統整合、批量文檔處理等場景，支持10輪以上長鏈路任務執行。

QQ20260710-170159.jpg

訓練層面放棄純監督微調路線，採用大規模 Agentic 強化學習:通過 Harness Scaling 在多種主流 Agent 框架下訓練以避免過擬合單一交互格式;引入非對稱 PPO 架構解決長程任務信用分配難題;設計分層獎勵機制（核心任務結果+行爲規範約束+失敗探索激勵）兼顧效果與魯棒性。模型進一步通過 MOPD 多教師在線策略蒸餾，融合長程工程、通用 Agentic、終端使用、前端美學、通用知識五個專家模型能力，單模型即可同時勝任寫代碼、跑工作流、生成前端頁面等多場景需求，無需切換。

官方公佈評測數據顯示:代碼工程方面 SWE-Bench Pro 得分65.2、內部 KAT Code Bench 得分53.1，可直接承接完整 Issue 無需人工拆解;Agentic 任務方面 PinchBench 得分94.2、內部 KAT Claw Bench 得分85.5，全流程穩定性優異。

目前 KAT-Coder-Pro V2.5已全量上線 StreamLake 平臺（streamlake.com），開放 API 申請與技術文檔查閱，同步公開技術報告及開發者交流羣。

地址：https://streamlake.com/product/kat-coder