Maison
Kuaishou KwaiKAT dévoile KAT-Coder-Pro V2.5, le premier modèle de codage agentique national destiné aux projets de bout en bout
Aujourd’hui, l’équipe KwaiKAT a officiellement lancé KAT-Coder-Pro V2.5, son modèle phare de codage agentique. Cette nouvelle version apporte des améliorations systématiques dans trois domaines clés : les capacités d’ingénierie à long terme, les capacités agentiques générales et un système d’apprentissage par renforcement agentique à grande échelle. L'objectif est de passer de la simple complétion de code à un agent IA capable de gérer de manière autonome des tâches complètes d'ingénierie logicielle et des flux de travail métier complexes.

En ce qui concerne les capacités d’ingénierie à long terme, l’équipe a développé un pipeline automatisé sur mesure, baptisé AutoBuilder. Cela a permis de faire passer le taux de réussite de la création d’environnements de dépôts exécutables de la moyenne du secteur, qui est d’environ 16,5 %, à 57,2 %, couvrant 12 langages de programmation et plus de 100 000 environnements de dépôts réels vérifiés. De plus, les trajectoires d’échec à forte valeur ajoutée sont réutilisées comme données d’entraînement, ce qui permet au modèle de maîtriser le positionnement inter-fichiers, le respect des spécifications de projet et les tests d’autodébogage.
Pour les capacités Agentic générales, KwaiKAT a développé le système KwaiClawEnv, un ensemble d’outils à expansion dynamique. Il dérive de nombreuses chaînes de travail complexes à partir de tâches métier réelles et conserve des trajectoires d’entraînement de haute qualité grâce à un double filtrage. Le système couvre des scénarios tels que l’analyse de données, l’intégration intersystèmes et le traitement par lots de documents, prenant en charge l’exécution de tâches comportant plus de 10 étapes.

Du côté de l’entraînement, l’équipe s’est détournée du simple ajustement supervisé pour adopter l’apprentissage par renforcement agentique à grande échelle. Elle a utilisé Harness Scaling pour entraîner le modèle sur plusieurs frameworks d’agents courants, évitant ainsi le surapprentissage à un format d’interaction unique. Une architecture PPO asymétrique a été introduite pour gérer l’attribution des crédits dans les tâches à long terme. Un mécanisme de récompense hiérarchique a été conçu (résultats des tâches principales + contraintes liées aux normes comportementales + incitations à l’exploration des échecs) afin d’équilibrer efficacité et robustesse. Le modèle utilise également la distillation de stratégie en ligne multi-enseignants MOPD pour intégrer les capacités de cinq modèles experts : ingénierie à long terme, agentique générale, utilisation des terminaux, esthétique front-end et culture générale. Ainsi, un seul modèle peut désormais gérer plusieurs scénarios — écriture de code, exécution de workflows et génération de pages front-end — sans avoir besoin de basculer.
Les données d’évaluation officielles révèlent que, dans le domaine de l’ingénierie du code, le score SWE-Bench Pro est de 65,2 et le score interne KAT Code Bench de 53,1, ce qui permet de traiter directement des problèmes complets sans décomposition manuelle. Pour les tâches Agentic, le score PinchBench est de 94,2 et le score interne KAT Claw Bench est de 85,5, ce qui démontre une excellente stabilité tout au long du processus.
KAT-Coder-Pro V2.5 est désormais entièrement disponible sur la plateforme StreamLake (streamlake.com). L’accès aux applications API et à la documentation technique est ouvert, et l’équipe a également publié des rapports techniques et mis en place des groupes d’échange pour les développeurs.
URL : https://streamlake.com/product/kat-coder
Article connexe
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Google teste l'agent IA Remy pour Gemini à mesure que l'accent se déplace vers le contrôle utilisateur
Selon Business Insider, Google teste Remy, un nouvel agent personnel d’IA pour Gemini. Cet outil vise à exécuter des tâches au nom des utilisateurs, rationalisant ainsi les flux de travail professionnels et les routines quotidiennes.Actuellement, Re
Comment corriger les Core Web Vitals pour de meilleurs classements SEO
Fluidifiez les commentaires de bulletin avec des outils d'IAIntroductionOutils d'IA pour générer des commentaires de bulletinMagic SchoolAlmanac AIChat GPTUtilisation de Magic School pour générer des commentaires de bulletinConnexion à Magic Sc
Recommandations de sujets spéciaux liés
commentaires (0)
Aujourd’hui, l’équipe KwaiKAT a officiellement lancé KAT-Coder-Pro V2.5, son modèle phare de codage agentique. Cette nouvelle version apporte des améliorations systématiques dans trois domaines clés : les capacités d’ingénierie à long terme, les capacités agentiques générales et un système d’apprentissage par renforcement agentique à grande échelle. L'objectif est de passer de la simple complétion de code à un agent IA capable de gérer de manière autonome des tâches complètes d'ingénierie logicielle et des flux de travail métier complexes.

En ce qui concerne les capacités d’ingénierie à long terme, l’équipe a développé un pipeline automatisé sur mesure, baptisé AutoBuilder. Cela a permis de faire passer le taux de réussite de la création d’environnements de dépôts exécutables de la moyenne du secteur, qui est d’environ 16,5 %, à 57,2 %, couvrant 12 langages de programmation et plus de 100 000 environnements de dépôts réels vérifiés. De plus, les trajectoires d’échec à forte valeur ajoutée sont réutilisées comme données d’entraînement, ce qui permet au modèle de maîtriser le positionnement inter-fichiers, le respect des spécifications de projet et les tests d’autodébogage.
Pour les capacités Agentic générales, KwaiKAT a développé le système KwaiClawEnv, un ensemble d’outils à expansion dynamique. Il dérive de nombreuses chaînes de travail complexes à partir de tâches métier réelles et conserve des trajectoires d’entraînement de haute qualité grâce à un double filtrage. Le système couvre des scénarios tels que l’analyse de données, l’intégration intersystèmes et le traitement par lots de documents, prenant en charge l’exécution de tâches comportant plus de 10 étapes.

Du côté de l’entraînement, l’équipe s’est détournée du simple ajustement supervisé pour adopter l’apprentissage par renforcement agentique à grande échelle. Elle a utilisé Harness Scaling pour entraîner le modèle sur plusieurs frameworks d’agents courants, évitant ainsi le surapprentissage à un format d’interaction unique. Une architecture PPO asymétrique a été introduite pour gérer l’attribution des crédits dans les tâches à long terme. Un mécanisme de récompense hiérarchique a été conçu (résultats des tâches principales + contraintes liées aux normes comportementales + incitations à l’exploration des échecs) afin d’équilibrer efficacité et robustesse. Le modèle utilise également la distillation de stratégie en ligne multi-enseignants MOPD pour intégrer les capacités de cinq modèles experts : ingénierie à long terme, agentique générale, utilisation des terminaux, esthétique front-end et culture générale. Ainsi, un seul modèle peut désormais gérer plusieurs scénarios — écriture de code, exécution de workflows et génération de pages front-end — sans avoir besoin de basculer.
Les données d’évaluation officielles révèlent que, dans le domaine de l’ingénierie du code, le score SWE-Bench Pro est de 65,2 et le score interne KAT Code Bench de 53,1, ce qui permet de traiter directement des problèmes complets sans décomposition manuelle. Pour les tâches Agentic, le score PinchBench est de 94,2 et le score interne KAT Claw Bench est de 85,5, ce qui démontre une excellente stabilité tout au long du processus.
KAT-Coder-Pro V2.5 est désormais entièrement disponible sur la plateforme StreamLake (streamlake.com). L’accès aux applications API et à la documentation technique est ouvert, et l’équipe a également publié des rapports techniques et mis en place des groupes d’échange pour les développeurs.
URL : https://streamlake.com/product/kat-coder
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Comment corriger les Core Web Vitals pour de meilleurs classements SEO
Fluidifiez les commentaires de bulletin avec des outils d'IAIntroductionOutils d'IA pour générer des commentaires de bulletinMagic SchoolAlmanac AIChat GPTUtilisation de Magic School pour générer des commentaires de bulletinConnexion à Magic Sc











