KwaiKAT Team stellt KAT-Coder-V2.5 vor: Ein agentisches Codierungsmodell, trainiert auf über 100.000 überprüfbaren Repositorys

Das KwaiKAT-Team von Kuaishou hat KAT-Coder-V2.5 vorgestellt, ein agentisches Codierungsmodell, das auf über 100.000 überprüfbaren Repositories in 12 Sprachen trainiert wurde. Das Modell verwendet eine Pipeline namens AutoBuilder, die ausführbare Umgebungen mit einer Erfolgsrate von 57,2 % erstellt. Trainingsinfrastrukturprobleme wurden behoben, nachdem eine Überprüfung ergab, dass etwa 16 % der Reinforcement-Learning-Trajektorien aufgrund von Sandbox-Fehlern fehlschlugen, die auf unter 2 % reduziert wurden. Das Modell verwendet asymmetrisches PPO mit einem dreistufigen Belohnungssystem und Multi-Teacher-Destillation. Unter einem einheitlichen Claude Code-Harness führt KAT-Coder-V2.5 PinchBench mit 94,9 an, schlägt Opus 4.8 mit 93,5 und belegt den zweiten Platz auf SWE-Bench Pro (65,2 gegenüber 69,2) und KAT Code Bench (53,1 gegenüber 57,3), liegt aber auf Terminal-Bench 2.1 (60,7) und SciCode (50,3) zurück. Das quelloffene KAT-Coder-V2.5-Dev ist ein separates MoE-Modell mit insgesamt 35 Milliarden Parametern und 3 Milliarden aktiven Parametern, das auf Qwen3.6-35B-A3B nachtrainiert und auf Hugging Face unter Apache-2.0 veröffentlicht wurde.