快手新AI模型可独立构建完整软件项目

快手的KwaiKAT团队刚刚在AI编程领域投下了一枚重磅炸弹。他们最新的模型KAT-Coder-Pro V2.5不仅仅是另一个自动补全工具——它是一个能够从头到尾承担整个软件项目的AI代理。想象一下，一个永不休息、从不抱怨、并且真正能完成工作的初级开发者。

从代码片段到完整项目

如今大多数编程助手擅长补全一两行代码，但在面对真实世界的代码库时却会出错。KAT-Coder-Pro V2.5旨在改变这一点。该团队构建了一个名为AutoBuilder的自定义管道，能够以57.2%的成功率设置可运行的仓库环境——这比行业平均水平16.5%有了巨大飞跃。它支持12种编程语言，并已在超过10万个真实仓库上进行了测试。

但关键在于：该模型不仅仅编写代码。它能够跨文件导航，遵循项目约定，甚至在出错时自我调试。团队为其提供了来自失败尝试的高质量训练数据，将错误转化为学习机会。

不断增长的工具箱

KwaiKAT还引入了KwaiClawEnv，这是一个动态系统，可以即时扩展模型的工具集。它从实际业务任务中生成复杂的工作流程——比如数据分析、集成不同系统或批量处理文档。系统过滤掉低质量的轨迹，只保留最佳示例用于训练。结果呢？该模型可以轻松处理超过10个步骤的任务。

打破常规的训练

团队放弃了通常的监督微调方法，转而采用大规模强化学习。他们在多个代理框架上训练模型，以避免其陷入单一交互风格。一种非对称PPO架构解决了信用分配问题——基本上，就是找出在长序列多步骤任务中哪些动作导致了成功。一个分层奖励系统平衡了核心任务结果、行为规范和探索激励。

更妙的是，他们使用MOPD（多教师在线策略蒸馏）融合了五个专家模型的能力：长期工程、通用代理技能、终端使用、前端美学和通用知识。因此，单个模型现在可以编写代码、运行工作流程和生成前端页面，而无需切换上下文。

数据说明一切

数字令人印象深刻：在标准编程基准测试SWE-Bench Pro上，该模型得分65.2。在他们内部的KAT Code Bench上，得分53.1——无需手动分解即可处理完整问题。对于代理任务，PinchBench得分为94.2，他们自己的KAT Claw Bench得分为85.5。这些不仅仅是渐进式的改进；它们代表了AI在软件开发中能力的真正转变。

这对开发者意味着什么

KAT-Coder-Pro V2.5现已在StreamLake平台（streamlake.com）上提供，配有API访问和技术文档。团队还发布了技术报告并设立了开发者讨论群组。目前，它是一个自动化重复性编程任务的强大工具，但长期愿景很明确：AI能够管理从概念到部署的整个软件项目。

关键点

• KAT-Coder-Pro V2.5可以端到端处理完整的软件工程任务，而不仅仅是代码补全。
• AutoBuilder管道将仓库环境设置成功率从16.5%提升至57.2%。
• KwaiClawEnv动态扩展工具能力，用于复杂的多步骤工作流程。
• 采用大规模强化学习，结合非对称PPO和分层奖励。
• MOPD蒸馏将五个专家模型融合为一个多功能代理。
• 现已在StreamLake平台提供，配有API访问。