近日，KwaiKAT 团队正式发布旗舰级 Agentic Coding 模型 KAT-Coder-Pro V2.5。
近日，KwaiKAT 团队正式发布旗舰级 Agentic Coding 模型 KAT-Coder-Pro V2.5。据介绍，自 KAT-Coder-Pro V2 上线以来，KwaiKAT 团队持续收到一线开发者的真实反馈：能不能把一个完整的 issue 直接交给模型，让它自己在仓库里定位、修改、跑通测试？能不能把一整段业务工作流交给它，而不只是帮忙做其中一步？围绕「更长的任务链路、更复杂的业务工作流」这一核心目标，KwaiKAT 团队对模型进行了系统性升级，在长程工程能力、通用 Agentic 能力和大规模 Agentic 强化学习体系三大维度实现全面突破。
长程工程能力：从「补代码」到「跑项目」
真实的软件工程从来不是「补一段函数」这么简单——开发者需要模型读懂模糊的自然语言需求，在几十上百个文件的仓库中定位改动位置，遵循项目既有规范给出最小改动，并通过测试验证。为此，KwaiKAT 团队建设了 AutoBuilder 自动化环境构建流水线。据官方披露，这套流水线将可运行仓库环境的构建成功率从业界约 16.5% 大幅提升至 57.2%，累计沉淀出覆盖 12 种编程语言、超过 10 万个可运行、可验证的真实「训练车间」，让模型能够在真实项目环境中完成迭代训练。
通用 Agentic 能力：从「能调工具」到「驾驭真实业务」
真实业务工作流平均需要 10 轮以上工具交互，还伴随大量隐含的格式约束与指令遵循要求。KwaiKAT 团队打造了 KwaiClawEnv 环境体系，通过动态扩展工具池、以真实业务任务为种子派生海量任务变种，并结合双重质量过滤，产出覆盖数据分析、跨系统整合、批量文档处理、报告生成等真实业务场景的高质量训练数据。这些高质量训练数据使模型在真实、复杂的多轮工具调用场景中不断打磨任务规划、状态追踪与错误恢复能力，从而将从具体业务场景中习得的经验泛化为可迁移的通用 Agentic 能力，使模型在面对未见过的新任务、新工具组合时依然能够保持稳定的长程推理与执行表现。
大规模 Agentic 强化学习：让模型自己学会「怎么干活」
监督微调擅长让模型「照着范文抄」，但面对陌生项目结构和意外报错时鲁棒性会显著下降。据官方披露，KAT-Coder-Pro V2.5 在 mini-swe-agent、Claude Code、Codex、OpenClaw 等多种主流 Agent 框架下反复实战训练，学会的是「如何解决任务」本身，而非死记某种交互格式；同时，团队引入了精细化的信用分配机制和分层奖励体系，让模型不仅学会「怎么做对」，也学会「错在哪里、如何拉回来」。
多专家融合，一个模型承载全部能力
据介绍，KwaiKAT 团队在长程仓库工程、通用 Agentic、终端使用、前端美学生成、通用知识五个方向分别训练了专家模型，并通过 MOPD（多教师在线策略蒸馏）技术将五个专家的能力融合到一个统一模型中，有效避免了「提升一个能力就牺牲另一个」的「跷跷板效应」。一个 KAT-Coder-Pro V2.5 模型，即可支撑写代码、跑工作流、做页面等多类任务，无需在部署时切换。
评测成绩亮眼，真实场景稳定交付
官方公布的评测结果显示，KAT-Coder-Pro V2.5 在多项 Coding 与 Agentic 评测中表现稳定：
长程工程能力方面，KAT-Coder-Pro V2.5 在 SWE-Bench Pro 上取得 65.2 分，在快手内部真实工程任务评测集 KAT Code Bench 上取得 53.1 分。据官方表示，这意味着开发者可以把一个完整的 issue 直接交给模型，而不必先拆成一个个小改动。
通用 Agentic 能力方面，KAT-Coder-Pro V2.5 在多轮 Agentic 任务评测 PinchBench 上取得 94.9 分，在快手内部 Agentic 评测集 KAT Claw Bench 上取得 85.5 分，展现了从工具选择、上下文管理到最终交付物生成的全流程稳定表现。
目前，KAT-Coder-Pro V2.5 已在 StreamLake 平台全量上线，开发者可通过 StreamLake.com 直接调用模型 API，并将其集成到自身工作流中。
来源：互联网
