Tim KwaiKAT Memperkenalkan KAT-Coder-V2.5: Model Pengkodean Agen yang Dilatih pada Lebih dari 100.000 Repositori yang Dapat Diverifikasi

Tim KwaiKAT di Kuaishou meluncurkan KAT-Coder-V2.5, model pengkodean agen yang dilatih pada lebih dari 100.000 repositori yang dapat diverifikasi dalam 12 bahasa. Model ini menggunakan pipeline bernama AutoBuilder yang membangun lingkungan yang dapat dieksekusi dengan tingkat keberhasilan 57,2%. Masalah infrastruktur pelatihan diperbaiki setelah audit mengungkapkan bahwa sekitar 16% lintasan pembelajaran penguatan (reinforcement learning, RL) gagal karena kesalahan sandbox, yang kemudian dikurangi menjadi di bawah 2%. Model ini menggunakan Proximal Policy Optimization (PPO) asimetris dengan sistem hadiah tiga tingkat dan distilasi multi-guru. Di bawah harness Claude Code yang terpadu, KAT-Coder-V2.5 memimpin PinchBench dengan skor 94,9, mengalahkan Opus 4,8 yang memperoleh 93,5, dan menempati peringkat kedua di SWE-Bench Pro (65,2 berbanding 69,2) dan KAT Code Bench (53,1 berbanding 57,3), tetapi tertinggal di Terminal-Bench 2.1 (60,7) dan SciCode (50,3). KAT-Coder-V2.5-Dev dengan bobot terbuka adalah MoE (Mixture of Experts) terpisah dengan total 35 miliar parameter/3 miliar parameter aktif yang dilatih lanjutan pada Qwen3.6-35B-A3B, dirilis di Hugging Face di bawah lisensi Apache-2.0.