📖 产品简介
KAT-Coder-Pro 是快手 KwaiKAT 团队推出的旗舰级 Agentic Coding 模型，V2.5 于 2026 年 7 月 10–13 日正式发布并已在 StreamLake 平台全量上线。
V2.5 围绕「长程工程能力、通用 Agentic 能力、大规模 Agentic 强化学习」三大维度系统性升级，定位从单点代码补全演进为可独立完成完整软件工程任务和复杂业务工作流的 AI Agent——官方称其为「首个能端到端跑通完整工程的国产 Agentic 编程模型」。长程工程方面，自研 AutoBuilder 自动化流水线将真实仓库环境构建成功率从行业平均约 16.5% 提升至 57.2%，沉淀覆盖 12 种编程语言、超 10 万个可运行可验证仓库环境；通用 Agentic 方面，KwaiClawEnv 体系支持平均 10 轮以上长链路工具交互；训练层面放弃纯监督微调，采用大规模 Agentic 强化学习（Harness Scaling 跨 mini-swe-agent/ClaudeCode/Codex/OpenClaw 等多框架训练、非对称 PPO 架构、分层奖励机制），并通过 MOPD 多教师在线策略蒸馏融合长程工程、通用 Agentic、终端使用、前端美学、通用知识五个专家模型能力于单一模型中。
定位
快手KwaiKAT旗舰级Agentic Coding模型V2.5，首个端到端跑通完整工程的国产编程模型，SWE-Bench Pro 65.2 / PinchBench 94.2，StreamLake平台已全量上线
适合人群
国内开发者
AI 应用团队
企业研发
Agent 构建者
支持平台
API、Web
开源
否
✨ 核心功能
- AutoBuilder 环境构建：真实仓库环境构建成功率 16.5%→57.2%，沉淀 10 万+ 可运行仓库
- KwaiClawEnv 通用 Agentic：支持 10 轮以上长链路工具交互，覆盖数据分析/跨系统整合/批量文档处理
- 端到端工程闭环：从模糊 issue 到测试通过的完整长程任务，无需人工逐行修补
- MOPD 多专家融合：单模型承载长程工程/终端/前端/通用知识多场景，能力无损扩展
- StreamLake 平台全量上线：通过 API KEY 接入 VSCode/JetBrains/CI-CD
⚖️ 优缺点分析
👍 优点
- 端到端跑通完整工程，落地能力强于纯补全模型
- 真实环境训练，10 万+ 真实仓库实战，长链路任务稳定
- 框架无关，跨 Agent 协议泛化与迁移能力强
- MOPD 融合机制确保新能力扩展时不牺牲既有能力
- 国产开源生态友好，经 arXiv 技术报告公开方法
👎 缺点
- SWE-Bench Pro 65.2 仍低于 Claude Opus 4.8 的 69.2
- Terminal-Bench 2.1 仅 60.7，距前沿模型差距明显
- 依赖 StreamLake 平台调用，独立部署路径未明确
- 正式 API 定价尚未完全公开
- 相较 Claude Code/Codex 等成熟工具，IDE/插件生态尚在早期
📊 评分详情
功能完整
8.5
易用程度
7.5
安全可靠
7.5
性价比
8.5
💬 用户评价
KAT-Coder-Pro V2.5 是首个能端到端跑通完整工程的国产 Agentic 编程模型，AutoBuilder 把仓库环境构建成功率拉到 57.2%，长链路任务终于不再只跑分。
📝 更新日志
-
2026-07-13V2.5 正式发布并全量上线**快手KwaiKAT发布旗舰级Agentic Coding模型KAT-Coder-Pro V2.5**——三大维度系统升级：①长程工程能力：自研AutoBuilder将真实仓库环境构建成功率从16.5%提升至57.2%，沉淀12种语言、超10万个可运行可验证仓库；②通用Agentic能力：KwaiClawEnv体系支持10轮以上长链路任务（数据分析/跨系统整合/批量文档处理）；③大规模Agentic强化学习：Harness Scaling跨mini-swe-agent/ClaudeCode/Codex/OpenClaw多框架训练、非对称PPO、分层奖励，MOPD多教师蒸馏融合5个专家模型。基准：SWE-Bench Pro 65.2、KATCodeBench 53.1、PinchBench 94.2、KATClawBench 85.5、Terminal-Bench 2.1 60.7、SciCode 50.3；现已全量上线StreamLake平台（arXiv 2607.05471）