KwaiKAT Team Launches KAT-Coder-V2.5: An Agentic Model for Programming Trained on Over 100,000 Verifiable Repositories

Tim KwaiKAT dari perusahaan Kuaishou memperkenalkan model KAT-Coder-V2.5 (Alat Coding Tangkas Coder). Ini adalah model agen untuk pemrograman yang dilatih untuk bekerja di dalam repositori yang dapat dieksekusi secara nyata, bukan sekadar menghasilkan kode sekali pakai. Model ini tersedia melalui StreamLake; versi terbuka KAT-Coder-V2.5-Dev dirilis di Hugging Face dengan lisensi Apache-2.0. Para peneliti mengembangkan AutoBuilder, sebuah sistem yang secara otomatis membuat lingkungan yang dapat diverifikasi untuk tugas-tugas. Tugas digambarkan dalam tiga bagian: deskripsi tugas, lingkungan repositori yang dapat dieksekusi, dan kumpulan tes verifikasi. Perbaikan dianggap benar hanya jika lolos semua tes. Tugas-tugas diekstrak dari pull request dan komit nyata, sementara teks mentah issue dibuang—sebagai gantinya, deskripsi terstruktur dihasilkan. AutoBuilder mencakup agen pembangun yang menganalisis repositori dan menulis skrip konfigurasi, serta agen verifikasi yang menjalankan skrip di dalam sandbox terisolasi. Penerimaan lingkungan terjadi ketika lebih dari 90% tes yang diharapkan berhasil dikumpulkan dan hasil lulus/gagal dapat direproduksi. Kombinasi lingkungan dasar yang telah dikonfigurasi sebelumnya, templat pembangunan, dan pustaka resep meningkatkan tingkat keberhasilan pembangunan dari 16,5% menjadi 57,2%, menghasilkan lebih dari 100.000 lingkungan yang dapat diverifikasi dalam 12 bahasa. Untuk menyaring lintasan pelatihan, digunakan tiga mekanisme: petunjuk untuk lintasan yang "hampir berhasil", pemeriksaan perbaikan untuk yang berhasil, dan pengacakan alat untuk mencegah overfitting. Masalah infrastruktur sandbox teridentifikasi selama audit: sekitar 16% lintasan reinforcement learning (RL) gagal karena kesalahan sandbox, bukan karena kebijakan model. Setelah perbaikan (optimalisasi penggunaan disk, penyesuaian variabel lingkungan, penghindaran titik akhir obrolan standar), tingkat kesalahan turun di bawah 2%. Untuk pelatihan, digunakan asymmetric Proximal Policy Optimization (PPO) dengan tiga tingkat penghargaan: poin dasar untuk tes, penalti untuk pelanggaran perilaku, dan dorongan untuk lintasan yang gagal. Lima ahli digabungkan melalui Multi-Teacher On-Policy Distillation menggunakan reverse Kullback-Leibler (KL) divergence. Pada tolok ukur PinchBench, KAT-Coder-V2.5 meraih 94,9, mengungguli Opus 4.8 (93,5). Pada SWE-Bench Pro, ia menempati posisi kedua dengan 65,2 (Opus 4.8 — 69,2). Pada Terminal-Bench 2.1, model menunjukkan 60,7 (posisi terakhir), dan pada SciCode — 50,3, sama dengan GLM-5.2. Versi terbuka KAT-Coder-V2.5-Dev adalah model Mixture of Experts (MoE) terpisah (total 35B / 3B aktif), yang di-fine-tune pada Qwen3.6-35B-A3B dengan 127K contoh Supervised Fine-Tuning (SFT) dan RL; hasilnya tidak sebanding dengan tabel utama.