快手KAT-Coder-Pro V2.5：AI不仅能写代码片段，还能完成整个项目

快手KwaiKAT团队刚刚推出了一款新的AI模型，它不仅仅是代码自动补全工具。认识一下KAT-Coder-Pro V2.5，一个“代理式”编程模型，能够从头到尾接管整个软件项目——无需人工干预。

新特性有哪些？

此次更新聚焦三大领域：长期工程能力、通用代理技能，以及一个先进的强化学习系统。用通俗的话说？该模型现在可以轻松处理复杂、多步骤的任务。

长期工程：构建真实项目

AI编码者最大的痛点之一是搭建可运行环境。大多数模型在这方面表现不佳——行业成功率约为16.5%。但KwaiKAT构建了自己的自动化流水线AutoBuilder，将成功率提升至57.2%。它覆盖12种编程语言和超过10万个真实仓库环境。当模型失败时，这些失败会被回收用于训练数据，教会它处理跨文件依赖、遵循项目规范以及自我调试。

通用代理技能：超越代码

KwaiKAT还开发了KwaiClawEnv，一个动态工具池，能够从真实业务任务中生成复杂工作流。想想数据分析、跨系统集成、批量文档处理——这些任务通常超过10个步骤。该系统会过滤掉低质量的训练轨迹，只保留优质数据。

训练：大规模强化学习

忘掉简单的监督微调。团队全力投入大规模代理式强化学习。他们使用了一种名为Harness Scaling的技术，在多个代理框架上进行训练，避免过拟合于单一交互风格。非对称PPO架构解决了信用分配问题——即找出在长任务中哪些动作导致了成功。分层奖励机制平衡了核心任务结果、行为规范和失败探索激励。

此外，他们使用MOPD多教师在线策略蒸馏，融合了五个专家模型的技能：长期工程、通用代理、终端使用、前端美学和通用知识。结果？一个单一模型可以编写代码、运行工作流和生成前端页面，无需切换模式。

性能数据

官方基准测试结果令人印象深刻：SWE-Bench Pro得分65.2，内部KAT Code Bench得分53.1——无需手动分解即可处理完整问题。在代理任务上，PinchBench得分94.2，内部KAT Claw Bench得分85.5。这显示了稳定的全流程性能。

可用性

KAT-Coder-Pro V2.5现已上线StreamLake平台（streamlake.com）。开发者可以申请API访问并查看技术文档。团队还发布了技术报告和开发者讨论群组。

关键点

• AutoBuilder 将环境搭建成功率从16.5%提升至57.2%
• KwaiClawEnv 处理超过10个步骤的复杂工作流
• 强化学习 采用非对称PPO和分层奖励
• MOPD蒸馏 将五个专家模型融合为一个
• 现已上线 StreamLake平台