Lar
A Kuaishou KwaiKAT lança o KAT-Coder-Pro V2.5, o primeiro modelo de codificação agentiva nacional para projetos de ponta a ponta
Hoje, a equipe do KwaiKAT lançou oficialmente o KAT-Coder-Pro V2.5, seu principal modelo de codificação agentica. Essa nova versão traz atualizações sistemáticas em três dimensões-chave: capacidades de engenharia de longo prazo, capacidades agenticas gerais e um sistema de aprendizado por reforço agentico em grande escala. O objetivo é evoluir da simples autocompletar de código para um agente de IA capaz de lidar de forma independente com tarefas completas de engenharia de software e fluxos de trabalho empresariais complexos.

Para os recursos de engenharia de longo prazo, a equipe desenvolveu um pipeline automatizado personalizado, o AutoBuilder. Isso aumentou a taxa de sucesso na criação de ambientes de repositório executáveis, passando de uma média do setor de aproximadamente 16,5% para 57,2%, abrangendo 12 linguagens de programação e mais de 100.000 ambientes de repositório reais verificados. Além disso, trajetórias de falha de alto valor são recicladas como dados de treinamento, permitindo que o modelo domine o posicionamento entre arquivos, a adesão às especificações do projeto e testes de autodesdepuração.
Para os recursos gerais do Agentic, o KwaiKAT desenvolveu o sistema KwaiClawEnv — um conjunto de ferramentas que se expande dinamicamente. Ele deriva inúmeros fluxos de trabalho complexos a partir de tarefas reais de negócios e mantém trajetórias de treinamento de alta qualidade por meio de filtragem dupla. O sistema abrange cenários como análise de dados, integração entre sistemas e processamento em lote de documentos, oferecendo suporte à execução de tarefas em mais de 10 etapas.

No que diz respeito ao treinamento, a equipe abandonou o ajuste fino puramente supervisionado e adotou o aprendizado por reforço Agentic em grande escala. Eles utilizaram o Harness Scaling para treinar em várias estruturas de agentes convencionais, evitando o sobreajuste a um único formato de interação. Uma arquitetura PPO assimétrica foi introduzida para lidar com a atribuição de crédito em tarefas de longo prazo. Um mecanismo hierárquico de recompensa foi projetado (resultados da tarefa principal + restrições de normas comportamentais + incentivos à exploração de falhas) para equilibrar eficácia e robustez. O modelo também emprega a destilação de estratégia online com múltiplos professores (MOPD) para integrar recursos de cinco modelos especializados: engenharia de longo prazo, Agentic geral, uso de terminais, estética de front-end e conhecimento geral. Como resultado, um único modelo agora pode lidar com vários cenários — escrever código, executar fluxos de trabalho e gerar páginas de front-end — sem a necessidade de alternar entre eles.
Dados oficiais de avaliação revelam: na engenharia de código, a pontuação no SWE-Bench Pro é de 65,2, e a pontuação no KAT Code Bench interno é de 53,1, permitindo o tratamento direto de Issues completas sem decomposição manual. Para tarefas do Agentic, a pontuação no PinchBench é de 94,2, e a pontuação interna no KAT Claw Bench é de 85,5, demonstrando excelente estabilidade em todo o processo.
O KAT-Coder-Pro V2.5 já está totalmente disponível na plataforma StreamLake (streamlake.com). Ele está aberto para aplicações de API e acesso à documentação técnica, e a equipe também divulgou relatórios técnicos e grupos de intercâmbio para desenvolvedores.
URL: https://streamlake.com/product/kat-coder
Artigo relacionado
CEO da DeepMind, Hassabis: Durmo seis horas por dia, geralmente me sinto energético por volta da 1h
O Fortune recentemente publicou uma entrevista com Demis Hassabis, CEO da Google DeepMind, revelando sua abordagem incomum para descanso e produtividade. Hassabis revelou que dorme muito pouco, estruturando suas horas acordadas em dois blocos de trab
OpenAI e Anthropic disputam participação no mercado, apesar da queda na receita
Apesar de relatos recentes sugerirem que a OpenAI não atingiu suas metas de receita, o que gerou pressão sobre as ações do setor de tecnologia nesta terça-feira, os investidores privados em laboratóri
Conformidade com a regulamentação de veículos autônomos na Califórnia: uma nova era de multas, geocercas e 1 milhão de milhas
A Guident opera um veículo de transporte da AuveTech no sul da Flórida, administrando uma rota de quatro milhas em West Palm Beach e uma rota de uma milha em Boca Raton por meio de sua tecnologia de m
Recomendações de tópicos especiais relacionados
Comentários (0)
Hoje, a equipe do KwaiKAT lançou oficialmente o KAT-Coder-Pro V2.5, seu principal modelo de codificação agentica. Essa nova versão traz atualizações sistemáticas em três dimensões-chave: capacidades de engenharia de longo prazo, capacidades agenticas gerais e um sistema de aprendizado por reforço agentico em grande escala. O objetivo é evoluir da simples autocompletar de código para um agente de IA capaz de lidar de forma independente com tarefas completas de engenharia de software e fluxos de trabalho empresariais complexos.

Para os recursos de engenharia de longo prazo, a equipe desenvolveu um pipeline automatizado personalizado, o AutoBuilder. Isso aumentou a taxa de sucesso na criação de ambientes de repositório executáveis, passando de uma média do setor de aproximadamente 16,5% para 57,2%, abrangendo 12 linguagens de programação e mais de 100.000 ambientes de repositório reais verificados. Além disso, trajetórias de falha de alto valor são recicladas como dados de treinamento, permitindo que o modelo domine o posicionamento entre arquivos, a adesão às especificações do projeto e testes de autodesdepuração.
Para os recursos gerais do Agentic, o KwaiKAT desenvolveu o sistema KwaiClawEnv — um conjunto de ferramentas que se expande dinamicamente. Ele deriva inúmeros fluxos de trabalho complexos a partir de tarefas reais de negócios e mantém trajetórias de treinamento de alta qualidade por meio de filtragem dupla. O sistema abrange cenários como análise de dados, integração entre sistemas e processamento em lote de documentos, oferecendo suporte à execução de tarefas em mais de 10 etapas.

No que diz respeito ao treinamento, a equipe abandonou o ajuste fino puramente supervisionado e adotou o aprendizado por reforço Agentic em grande escala. Eles utilizaram o Harness Scaling para treinar em várias estruturas de agentes convencionais, evitando o sobreajuste a um único formato de interação. Uma arquitetura PPO assimétrica foi introduzida para lidar com a atribuição de crédito em tarefas de longo prazo. Um mecanismo hierárquico de recompensa foi projetado (resultados da tarefa principal + restrições de normas comportamentais + incentivos à exploração de falhas) para equilibrar eficácia e robustez. O modelo também emprega a destilação de estratégia online com múltiplos professores (MOPD) para integrar recursos de cinco modelos especializados: engenharia de longo prazo, Agentic geral, uso de terminais, estética de front-end e conhecimento geral. Como resultado, um único modelo agora pode lidar com vários cenários — escrever código, executar fluxos de trabalho e gerar páginas de front-end — sem a necessidade de alternar entre eles.
Dados oficiais de avaliação revelam: na engenharia de código, a pontuação no SWE-Bench Pro é de 65,2, e a pontuação no KAT Code Bench interno é de 53,1, permitindo o tratamento direto de Issues completas sem decomposição manual. Para tarefas do Agentic, a pontuação no PinchBench é de 94,2, e a pontuação interna no KAT Claw Bench é de 85,5, demonstrando excelente estabilidade em todo o processo.
O KAT-Coder-Pro V2.5 já está totalmente disponível na plataforma StreamLake (streamlake.com). Ele está aberto para aplicações de API e acesso à documentação técnica, e a equipe também divulgou relatórios técnicos e grupos de intercâmbio para desenvolvedores.
URL: https://streamlake.com/product/kat-coder
CEO da DeepMind, Hassabis: Durmo seis horas por dia, geralmente me sinto energético por volta da 1h
O Fortune recentemente publicou uma entrevista com Demis Hassabis, CEO da Google DeepMind, revelando sua abordagem incomum para descanso e produtividade. Hassabis revelou que dorme muito pouco, estruturando suas horas acordadas em dois blocos de trab
OpenAI e Anthropic disputam participação no mercado, apesar da queda na receita
Apesar de relatos recentes sugerirem que a OpenAI não atingiu suas metas de receita, o que gerou pressão sobre as ações do setor de tecnologia nesta terça-feira, os investidores privados em laboratóri











