快手KwaiKATチームは本日、エージェンティックコーディングモデル「KAT-Coder-Pro V2.5」のアップグレード版を正式にリリースしました。新バージョンは従来のプログラミングモデルが「スコアは高いが実際にはうまくいかない」という課題に焦点を当て、長距離エンジニアリング能力、汎用的なエージェンティック能力、大規模なエージェンティック強化学習体系の3つの観点から体系的にアップグレードされ、単なるコード補完から、完全なソフトウェア開発タスクや複雑な業務ワークフローを独立して行うことができるAIエージェントへの進化を目指しています。

QQ20260710-170152.jpg

長距離エンジニアリング能力において、チームは独自開発したAutoBuilder自動化パイプラインを構築し、業界平均の約16.5%だった実行可能なリポジトリ環境構築成功率を57.2%まで引き上げました。この成果は12種類のプログラミング言語、10万を超える検証可能な実際のリポジトリ環境をカバーしています。また、高価値の失敗トレースをデータとして再利用し、モデルにファイル間の位置指定、プロジェクトの規則に従うこと、自主的なデバッグとテストを行う能力をもたらしています。

汎用的なエージェンティック能力において、KwaiKATはKwaiClawEnvシステムを開発しました。これは動的拡張ツールプール、真実のビジネスタスクに基づく多数の複雑なワークフローの生成、二重フィルタによる高品質なトレーニングトレースの保持を特徴とし、データ分析、複数システムの統合、大量ドキュメント処理などのシナリオをカバーしており、10ラウンド以上の長いワークフローを実行できます。

QQ20260710-170159.jpg

トレーニング面では、単純な監督微調整のアプローチを放棄し、大規模なエージェンティック強化学習を採用しました。Harness Scalingにより、主流のエージェントフレームワークでトレーニングを行い、単一のインタラクション形式に過剰適合しないようにします。非対称PPOアーキテクチャを導入し、長期的なタスクにおける信用配分の問題を解決します。階層的な報酬メカニズム（核心的なタスク結果＋行動規範制約＋失敗探索のインセンティブ）を設計し、効果とロバスト性を両立させます。さらに、モデルはMOPD多教師オンライン戦略蒸留によって、長距離エンジニアリング、汎用的なエージェンティック、端末使用、フロントエンド美学、汎用知識の5つの専門モデルの能力を統合し、1つのモデルでコードの記述、ワークフローの実行、フロントエンドページの生成など、複数のシナリオに対応でき、切り替えを必要としません。

公式公表された評価データによると、コードエンジニアリング方面ではSWE-Bench Pro得点65.2、内部KAT Code Bench得点53.1であり、完全なIssueを直接受け入れるだけで、人間による分解は不要です。エージェンティックタスク方面ではPinchBench得点94.2、内部KAT Claw Bench得点85.5であり、全プロセスの安定性が優れています。

現在、KAT-Coder-Pro V2.5はStreamLakeプラットフォーム（streamlake.com）上で全面的にリリースされており、API申請と技術文書の閲覧が可能で、技術報告書および開発者交流グループも公開されています。

住所：https://streamlake.com/product/kat-coder