快手 KwaiKAT 發佈 KAT-Coder-Pro V2.5:告別"補代碼"，首個能端到端跑通完整工程的國產 Agentic 編程模型

快手 KwaiKAT 團隊今日正式推出新一代旗艦級 Agentic Coding 模型 KAT-Coder-Pro V2.5，主打從「補代碼」進化為能端到端獨立完成完整軟體工程的 AI Agent。這是國內首個宣稱具備完整工程執行能力的 Agentic 編程模型，目標是徹底解決傳統模型在真實開發環境中「跑分高、落地差」的痛點。 過去多數程式碼生成模型在基準測試中表現優異，但一旦面對需要跨檔案修改、遵循專案規範、自行除錯與測試的實際 Issue，往往難以勝任。KAT-Coder-Pro V2.5 希望填補這道鴻溝，將能力從單點代碼補全，延伸到可獨立承接業務工作流與完整軟體工程任務。 為強化長程工程能力，團隊自研了 AutoBuilder 自動化流水線。這套系統能自動將程式碼倉庫轉換為可運行的環境，成功率高達 57.2%，遠優於業界平均的 16.5%。在此基礎上，KwaiKAT 已累積超過 10 萬個可驗證的真實倉庫環境，橫跨 12 種程式語言；同時回收失敗的建置軌跡，轉化為訓練資料，讓模型逐步學會跨檔案定位問題、遵循專案編碼慣例，並自主進行調試與測試。 在通用 Agentic 能力方面，KwaiKAT 打造了 KwaiClawEnv 體系。它提供動態擴展的工具池，並從真實業務任務中衍生出大量複雜工作流，再經雙重篩選保留高品質的訓練軌跡。涵蓋的情境包括數據分析、跨系統整合、批次文檔處理等，支援超過 10 輪以上的長鏈路任務執行，確保模型在複雜流程中不會「斷電」。 訓練層面，新版模型放棄純監督微調路線，全面轉向大規模 Agentic 強化學習。透過 Harness Scaling 技術，在多種主流 Agent 框架下進行訓練，避免模型過度適應單一互動格式；導入非對稱 PPO 架構，解決長期任務中信用分配的難題；並設計分層獎勵機制，融合核心任務結果、行為規範約束與失敗探索激勵，以求在效果與強固性之間取得平衡。 此外，模型透過 MOPD（多教師在線策略蒸餾）技術，融合長程工程、通用 Agentic、終端使用、前端美學與通用知識五個專家模型的能力。單一模型即可同時勝任撰寫程式碼、執行工作流程、生成前端頁面等多種場景，開發者無須在不同模型之間切換，大幅提升使用效率。 根據官方公布的評測數據，KAT-Coder-Pro V2.5 在程式碼工程方面，SWE-Bench Pro 得分 65.2，內部 KAT Code Bench 得分 53.1，可直接承接完整 Issue 而無需人工拆解；在 Agentic 任務方面，PinchBench 得分 94.2，內部 KAT Claw Bench 得分 85.5，顯示全流程穩定性優異。 目前 KAT-Coder-Pro V2.5 已全面上線於 StreamLake 平台（streamlake.com），開發者可申請 API 權限並查閱完整技術文件。團隊同步公開技術報告與開發者交流群，期望吸引更多開發者實際測試這款國產 Agentic 編程模型的真實能力。 此版本的上線，也標誌著快手 KwaiKAT 在 Agentic Coding 領域邁出重要一步，從過往專注於模型評分競賽，轉向直接回應開發者在真實軟體工程中的痛點。業界關注這款模型能否在複雜的企業級專案中，真正取代人工拆解 Issue 與逐步除錯的傳統開發流程。