L'équipe KwaiKAT présente KAT-Coder-V2.5 : un modèle de codage agentiel entraîné sur plus de 100 000 dépôts vérifiables

L'équipe KwaiKAT de Kuaishou a présenté KAT-Coder-V2.5, un modèle de codage agentic entraîné sur plus de 100 000 dépôts vérifiables couvrant 12 langages. Le modèle utilise un pipeline appelé AutoBuilder qui construit des environnements exécutables avec un taux de réussite de 57,2 %. Des problèmes d'infrastructure d'entraînement ont été corrigés après qu'un audit a révélé qu'environ 16 % des trajectoires d'apprentissage par renforcement échouaient en raison d'erreurs de bac à sable, lesquelles ont été réduites à moins de 2 %. Le modèle emploie un algorithme PPO asymétrique avec un système de récompenses à trois niveaux et une distillation multi-professeurs. Sous un harnais Claude Code unifié, KAT-Coder-V2.5 mène PinchBench avec 94,9, battant Opus 4.8 à 93,5, et se classe deuxième sur SWE-Bench Pro (65,2 contre 69,2) et KAT Code Bench (53,1 contre 57,3), mais est en retard sur Terminal-Bench 2.1 (60,7) et SciCode (50,3). Le modèle open-weight KAT-Coder-V2.5-Dev est un MoE distinct de 35 milliards de paramètres au total et 3 milliards de paramètres actifs, post-entraîné sur Qwen3.6-35B-A3B, publié sur Hugging Face sous licence Apache-2.0.