2026 年 7 月 10 日，快手 KwaiKAT 研发团队正式对外推出新一代旗舰智能编程 Agent 模型 KAT-Coder-Pro V2.5。针对当前行业主流代码大模型 “跑分亮眼、落地乏力” 的普遍痛点，新版本围绕长周期工程处理、通用智能工具调用、大规模强化学习训练体系三大核心方向完成全栈重构升级，彻底摆脱传统 AI 代码工具仅能片段补全的局限，成为国内首个可独立走完完整软件工程流程、自主处理复杂业务全链路任务的原生 Agentic 编程模型。
当前市面上多数代码模型仅支持单文件、短片段代码生成，面对多仓库、跨文件大型项目时，普遍存在环境构建失败、多步骤任务中断、无法自主调试修复等问题。KAT-Coder-Pro V2.5 通过三套自研底层技术体系，系统性解决工程落地难题。

一、AutoBuilder 自动化流水线，大幅提升真实仓库环境适配能力

模型内置自研 AutoBuilder 自动化构建流水线，将行业通用仅 16.5% 的可运行项目环境搭建成功率提升至 57.2%。底层沉淀覆盖 Java、Python、Go、前端 TS 等 12 类主流编程语言，累计构建超 10 万个可复现、可验证的真实开源仓库环境。 训练链路中新增失败轨迹回收机制，自动收集项目编译报错、依赖缺失、规范冲突等各类失败样本并转化为训练数据，让模型具备跨文件代码定位、遵循项目自定义规范、自主执行单元测试、线上问题修复全流程能力，适配企业真实大型迭代场景。

二、KwaiClawEnv 通用智能框架，支撑十轮以上超长链路任务执行

团队配套打造 KwaiClawEnv 智能 Agent 运行环境，搭建可动态扩容的工具调用池；依托快手海量真实业务场景挖掘复杂多步骤工作流，经过双重质量过滤留存高价值交互轨迹。 能力覆盖数据分析、多系统接口整合、批量文档解析、前后端联调等多元开发场景，单轮任务可稳定完成 10 轮以上连续工具调用，不用人工拆分需求、中途介入干预，大幅降低开发者交互成本。整套环境配套 Environment Scaling 引擎、任务挖掘、自动校验、仓库资产统一管理等模块，形成完整数据飞轮，持续迭代模型任务执行稳定性。

三、全新强化学习训练架构，多教师蒸馏融合全域开发能力

本次版本放弃传统纯监督微调训练方案，采用大规模 Agent 专属强化学习框架：

1. 基于 Harness 多框架泛化训练，兼容主流 AI Agent 交互标准，避免模型适配单一工具产生过拟合；
2. 创新非对称 PPO 算法，解决超长链路任务信用分配难题，每一步操作均可精准反馈奖惩信号；
3. 分层式奖励机制，兼顾核心功能交付结果、代码规范行为约束、失败路径探索激励，平衡输出准确率与场景鲁棒性。

同时引入 MOPD 多教师在线策略蒸馏技术，融合长周期工程开发、通用智能工具、终端命令操作、前端页面设计、通用知识理解五大专家模型能力，单模型一站式完成代码编写、工作流自动执行、UI 页面生成等多元需求，无需切换不同模型服务。

官方权威评测数据公布，工程与 Agent 双维度表现突出

根据快手内部与行业通用基准测试结果： 工程代码赛道：SWE-Bench Pro 得分 65.2、内部 KAT Code Bench 得分 53.1，可直接承接完整项目 Issue，无需人工拆解需求； 智能 Agent 任务赛道：PinchBench 得分 94.2、内部 KAT Claw Bench 得分 85.5，长链路任务全流程稳定度行业领先，对比 Claude Opus4.8、GLM5.2 等主流海外模型具备本土化工程场景优势。

全量上线 StreamLake 平台，开放商用 API 与完整技术资料

目前 KAT-Coder-Pro V2.5 已在快手 StreamLake 云平台全量对外开放，开发者可访问官网streamlake.com提交 API 商用调用申请，平台同步上线完整技术白皮书、部署接入文档、官方开发者交流社群。 产品访问地址：https://streamlake.com/product/kat-coder
业内分析指出，KAT-Coder-Pro V2.5 的落地，标志国产代码大模型正式从 “代码补全工具” 迈入 “自主工程智能体” 新阶段，依托快手真实业务沉淀的海量工程数据与原生 Agent 底层框架，为企业数字化研发、中小开发者提效提供本土化完整 AI 编程解决方案，推动国内软件工程智能化规模化落地。