快手新AI模型能写代码，不只是补全

快手的KwaiKAT团队刚刚发布了他们AI编码模型的新版本KAT-Coder-Pro V2.5，这可不是普通的自动补全工具。它的目标是完成整个工作——从阅读错误报告到编写修复代码、运行测试并确保一切正常。可以把它看作一个能够端到端处理软件项目的AI，而不仅仅是填充几行代码。

引擎盖下有什么新东西？

团队专注于三个主要领域：长期工程技能、通用代理能力以及大规模强化学习系统。结果呢？一个能够处理跨多个文件、需要理解整个项目结构的复杂任务的模型。

AI编码工具最大的痛点之一是设置一个可工作的开发环境。团队构建了自己的自动化管道AutoBuilder，将创建可运行环境的成功率从行业平均约16.5%提升到了惊人的57.2%。它支持12种编程语言，并已验证了超过10万个真实仓库设置。这意味着AI可以实际运行并测试它编写的代码。

团队不仅训练成功代码，还向模型输入高价值的失败轨迹——即代码无法工作的情况。这有助于模型学习自我调试、遵循项目约定并在文件间导航。这就像从错误中学习，但规模更大。

该模型不仅用于编码。KwaiKAT开发了KwaiClawEnv系统，这是一个动态工具池，可以从真实业务任务中生成复杂工作流。它涵盖数据分析、跨系统集成、批量文档处理等。系统使用双重过滤来只保留最高质量的训练轨迹，确保模型能够处理超过10个步骤的任务。

团队放弃了纯监督微调，采用了大规模代理强化学习。他们使用一种称为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架构有助于解决长任务中的信用分配问题——确定哪些动作导致了成功或失败。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。

该模型还使用MOPD多教师在线策略蒸馏来整合五个专家模型的能力：长期工程、通用代理、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、运行工作流和生成前端页面，而无需在不同工具之间切换。

在SWE-Bench Pro基准测试中，模型得分为65.2，在内部KAT Code Bench上得分为53.1。这些测试涉及处理完整问题而无需手动分解。对于代理任务，它在PinchBench上得分为94.2，在内部KAT Claw Bench上得分为85.5，显示出跨完整流程的强大稳定性。

KAT-Coder-Pro V2.5现已在StreamLake平台（streamlake.com）上可用，提供API访问和技术文档。团队还发布了技术报告并建立了开发者讨论群。