kwaipilot/kat-coder-pro-v2

LLM

PRO

KAT Coder Pro V2 API by Kwai

kwaipilot/kat-coder-pro-v2

Kat-coder-pro-v2

KAT Coder Pro is KwaiKAT's most advanced agentic coding model in the KAT-Coder series. Designed specifically for agentic coding tasks, it excels in real-world software engineering scenarios, achieving 73.4% solve rate on the SWE-Bench Verified benchmark.

Paramètres

Exemple de code
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("ATLASCLOUD_API_KEY"),
    base_url="https://api.atlascloud.ai/v1"
)

response = client.chat.completions.create(
    model="kwaipilot/kat-coder-pro-v2",
    messages=[
    {
        "role": "user",
        "content": "hello"
    }
],
    max_tokens=1024,
    temperature=0.7
)

print(response.choices[0].message.content)

Installer

Installez le package requis pour votre langage.

pip install requests

Authentification

Toutes les requêtes API nécessitent une authentification via une clé API. Vous pouvez obtenir votre clé API depuis le tableau de bord Atlas Cloud.

export ATLASCLOUD_API_KEY="your-api-key-here"

En-têtes HTTP

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Protégez votre clé API

N'exposez jamais votre clé API dans du code côté client ou dans des dépôts publics. Utilisez plutôt des variables d'environnement ou un proxy backend.

Soumettre une requête

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "messages": [{"role": "user", "content": "Hello"}],
    "max_tokens": 1024
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Schema d'entrée

Les paramètres suivants sont acceptés dans le corps de la requête.

Total: 9Requis: 2Optionnel: 7

modelstringrequired

The model ID to use for the completion.

Example: "kwaipilot/kat-coder-pro-v2"

messagesarray[object]required

A list of messages comprising the conversation so far.

rolestringrequired

The role of the message author. One of "system", "user", or "assistant".

systemuserassistant

contentstringrequired

The content of the message.

max_tokensinteger

The maximum number of tokens to generate in the completion.

Default: 1024Min: 1

temperaturenumber

Sampling temperature between 0 and 2. Higher values make output more random, lower values more focused and deterministic.

Default: 0.7Min: 0Max: 2

top_pnumber

Nucleus sampling parameter. The model considers the tokens with top_p probability mass.

Default: 1Min: 0Max: 1

streamboolean

If set to true, partial message deltas will be sent as server-sent events.

Default: false

stoparray[string]

Up to 4 sequences where the API will stop generating further tokens.

frequency_penaltynumber

Penalizes new tokens based on their existing frequency in the text so far. Between -2.0 and 2.0.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes new tokens based on whether they appear in the text so far. Between -2.0 and 2.0.

Default: 0Min: -2Max: 2

Exemple de corps de requête

{
  "model": "kwaipilot/kat-coder-pro-v2",
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "max_tokens": 1024,
  "temperature": 0.7,
  "stream": false
}

Schema de sortie

L'API renvoie une réponse compatible ChatCompletion.

idstringrequired

Unique identifier for the completion.

objectstringrequired

Object type, always "chat.completion".

Default: "chat.completion"

createdintegerrequired

Unix timestamp of when the completion was created.

modelstringrequired

The model used for the completion.

choicesarray[object]required

List of completion choices.

indexintegerrequired

Index of the choice.

messageobjectrequired

The generated message.

finish_reasonstringrequired

The reason generation stopped.

stoplengthcontent_filter

usageobjectrequired

Token usage statistics.

prompt_tokensintegerrequired

Number of tokens in the prompt.

completion_tokensintegerrequired

Number of tokens in the completion.

total_tokensintegerrequired

Total tokens used.

Exemple de réponse

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1700000000,
  "model": "model-name",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I assist you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 20,
    "total_tokens": 30
  }
}

Atlas Cloud Skills

Atlas Cloud Skills intègre plus de 300 modèles d'IA directement dans votre assistant de codage IA. Une seule commande pour installer, puis utilisez le langage naturel pour générer des images, des vidéos et discuter avec des LLM.

Clients pris en charge

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ clients pris en charge

Installer

npx skills add AtlasCloudAI/atlas-cloud-skills

Configurer la clé API

Obtenez votre clé API depuis le tableau de bord Atlas Cloud et définissez-la comme variable d'environnement.

export ATLASCLOUD_API_KEY="your-api-key-here"

Fonctionnalités

Une fois installé, vous pouvez utiliser le langage naturel dans votre assistant IA pour accéder à tous les modèles Atlas Cloud.

Génération d'imagesGénérez des images avec des modèles comme Nano Banana 2, Z-Image, et plus encore.

Création de vidéosCréez des vidéos à partir de texte ou d'images avec Kling, Vidu, Veo, etc.

Chat LLMDiscutez avec Qwen, DeepSeek et d'autres grands modèles de langage.

Téléchargement de médiasTéléchargez des fichiers locaux pour l'édition d'images et les workflows image-vers-vidéo.

En savoir plus

github.com/AtlasCloudAI/atlas-cloud-skills

Serveur MCP

Le serveur MCP Atlas Cloud connecte votre IDE avec plus de 300 modèles d'IA via le Model Context Protocol. Compatible avec tout client compatible MCP.

Clients pris en charge

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ clients pris en charge

Installer

npx -y atlascloud-mcp

Configuration

Ajoutez la configuration suivante au fichier de paramètres MCP de votre IDE.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Outils disponibles

atlas_generate_imageGénérez des images à partir de prompts textuels.

atlas_generate_videoCréez des vidéos à partir de texte ou d'images.

atlas_chatDiscutez avec de grands modèles de langage.

atlas_list_modelsParcourez plus de 300 modèles d'IA disponibles.

atlas_quick_generateCréation de contenu en une étape avec sélection automatique du modèle.

atlas_upload_mediaTéléchargez des fichiers locaux pour les workflows API.

En savoir plus

github.com/AtlasCloudAI/mcp-server

Codage IA d'Élite

KAT-Coder : Génération de Code IA d'Élite

73,4 % SWE-Bench Verified - Surpasser les Leaders de l'Industrie

KAT-Coder est le modèle de codage IA propriétaire phare de Kwaipilot (division de recherche IA de Kuaishou), représentant le summum de la technologie de génération de code agentique. Propulsé par une architecture Mixture-of-Experts avec 72 milliards de paramètres actifs et entraîné via un apprentissage par renforcement agentique à grande échelle, KAT-Coder atteint un score de 73,4 % sur SWE-Bench Verified, se classant parmi les meilleurs modèles de génération de code au monde aux côtés de GPT-5 High et Claude Sonnet 4.5.

73.4%

Score SWE-Bench Vérifié

256K

Fenêtre de Contexte

72B

Paramètres Actifs

Performance Leader de l'Industrie

KAT-Coder rivalise avec les meilleurs modèles de génération de code au monde sur SWE-Bench Verified, le benchmark standard de l'industrie pour les tâches d'ingénierie logicielle du monde réel

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* Basé sur les scores du benchmark SWE-Bench Verified. Les performances peuvent varier selon les différentes tâches de génération de code.

Capacités Principales

Architecture Mixture-of-Experts

Exploite une conception MoE avancée avec 72 milliards de paramètres actifs sur plus de 1 billion au total, offrant des performances de pointe sur les tâches complexes d'ingénierie logicielle.

72 milliards de paramètres actifs pour une efficacité optimale
Basé sur la famille de modèles Qwen
Optimisé pour les bases de code à l'échelle d'entreprise

Apprentissage par Renforcement Agentique

Entraîné via un pipeline multi-étapes incluant un RL agentique à grande échelle, permettant l'achèvement autonome de tâches complexes d'ingénierie logicielle.

Optimisation de trajectoire de préfixe partagé
Mécanisme d'avantage de mise en forme d'entropie
Entraînement sur de vrais commits et PRs Git

Intégration Multi-Outils

Capacités intégrées pour interagir avec des milliers d'outils via des données d'exécution réelles en environnement sandbox, permettant des flux de travail pratiques de développement logiciel.

Données d'interaction de milliers d'outils
Exécution réelle en environnements sandbox
Intégration transparente d'API et CLI

Fenêtre de Contexte 256K

Un support de contexte étendu permet de gérer des interactions de codage sophistiquées multi-tours et de gérer efficacement des bases de code à grande échelle.

Gérer plusieurs fichiers simultanément
Maintenir un long historique conversationnel
Raisonnement et refactorisation inter-fichiers

Entraînement Natif Git

Entraîné sur de vraies données de commits et PRs Git provenant de dépôts d'entreprise, comprenant nativement les flux de travail de contrôle de version.

Modèles de commits de dépôts réels
Meilleures pratiques de pull request
Modèles de revue de code et de collaboration

Qualité de Niveau Entreprise

Données spécifiques au domaine de haute qualité incluant le suivi d'instructions sur plus de 30 catégories et des capacités de raisonnement général.

Plus de 30 catégories de suivi d'instructions
Raisonnement avancé pour les cas limites
Génération de code prête pour la production

Pipeline d'Entraînement Multi-Étapes

La méthodologie d'entraînement de KAT-Coder représente une avancée significative dans les modèles de codage IA, combinant plusieurs étapes d'entraînement pour des performances optimales

Entraînement Intermédiaire

Étape fondamentale avec injection de connaissances de codage et données spécifiques au domaine de haute qualité

→

Affinage Supervisé (SFT)

Suivi d'instructions et entraînement au dialogue sur plus de 30 catégories

→

Affinage par Renforcement (RFT)

Capacités améliorées de raisonnement et de résolution de problèmes

→

Apprentissage par Renforcement Agentique

RL à grande échelle sur des bases de code d'entreprise avec achèvement autonome de tâches

Parfait Pour

🐛

Débogage Complexe

Identifier et corriger les bugs dans de grandes bases de code avec compréhension du contexte multi-fichiers

🔧

Refactorisation de Grandes Bases de Code

Refactorisation systématique avec prise en compte des modèles architecturaux et des dépendances

📝

Génération de Code Multi-Fichiers

Générer du code cohérent sur plusieurs fichiers avec une intégration appropriée

📚

Compréhension de Dépôt

Analyser et comprendre de grands dépôts avec des insights architecturaux profonds

Spécifications Techniques

architectureMixture-of-Experts (MoE)

paramètres_actifs~72 milliards

paramètres_totaux>1 billion

fenêtre_de_contexte256 000 tokens

modèle_de_baseFamille Qwen

utilisation_d'outilsDes milliers d'outils

dialogue_multi-toursDes centaines de tours

catégories_d'instructionsPlus de 30 catégories

licencePropriétaire (Commercial)

variantes_open_sourceKAT-Dev-32B, KAT-Dev-72B-Exp

Variantes Open Source

Bien que KAT-Coder Pro soit propriétaire, Kwaipilot a publié des alternatives open source disponibles sur HuggingFace sous licence Apache-2.0

KAT-Dev-32B

Open Source

Variante optimisée de 32 milliards de paramètres avec entraînement multi-étapes incluant affinage supervisé et apprentissage par renforcement.

Licence Apache-2.0 pour usage commercial

Disponible sur HuggingFace

Performance prête pour la production

KAT-Dev-72B-Exp

Expérimental

Variante expérimentale de 72 milliards de paramètres repoussant les limites des capacités de génération de code open source.

Modèle plus grand pour tâches complexes

Capacités de raisonnement avancées

Usage en recherche et production

Découvrez la Génération de Code d'Élite

Commencez à utiliser KAT-Coder dès aujourd'hui via notre API. Rejoignez les développeurs du monde entier qui font confiance à KAT-Coder pour les tâches d'ingénierie logicielle critiques.

Score SWE-Bench de 73,4 % leader de l'industrie

256K de contexte pour grandes bases de code

Support d'intégration multi-outils

Découvrir des modèles similaires

NEW

HOT

DeepSeek V4 Pro is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

LLM

PRO

DeepSeek V4 Pro

Entrée :$1.68/M tokens

Sortie :$3.38/M tokens

Sortie Max :393.22K

$1.68/3.38M entrée/sortie

NEW

HOT

DeepSeek V4 Flash is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

LLM

DeepSeek V4 Flash

Entrée :$0.14/M tokens

Sortie :$0.28/M tokens

Sortie Max :393.22K

$0.14/0.28M entrée/sortie

NEW

Aucune description disponible.

LLM

OWL

Kimi K2.6 is an advanced large language model with strong reasoning and upgraded native multimodality. It natively understands and processes text and images, delivering more accurate analysis, better instruction following, and stable performance across complex tasks. Designed for production use, Kimi K2.6 is ideal for AI assistants, enterprise applications, and multimodal workflows that require reliable and high-quality outputs.

LLM

Kimi K2.6

Entrée :$0.95/M tokens

Sortie :$4/M tokens

Sortie Max :262.14K

$0.95/4M entrée/sortie

Commencez avec Plus de 300 Modèles,

Explorer tous les modèles

KAT Coder Pro V2 API by Kwai

Paramètres

Exemple de code

Installer

Authentification

En-têtes HTTP

Soumettre une requête

Schema d'entrée

Exemple de corps de requête

Schema de sortie

Exemple de réponse

Atlas Cloud Skills

Clients pris en charge

Installer

Configurer la clé API

Fonctionnalités

Serveur MCP

Clients pris en charge

Installer

Configuration

Outils disponibles

KAT-Coder : Génération de Code IA d'Élite

Performance Leader de l'Industrie

Capacités Principales

Architecture Mixture-of-Experts

Apprentissage par Renforcement Agentique

Intégration Multi-Outils

Fenêtre de Contexte 256K

Entraînement Natif Git

Qualité de Niveau Entreprise

Pipeline d'Entraînement Multi-Étapes

Entraînement Intermédiaire

Affinage Supervisé (SFT)

Affinage par Renforcement (RFT)

Apprentissage par Renforcement Agentique

Parfait Pour

Débogage Complexe

Refactorisation de Grandes Bases de Code

Génération de Code Multi-Fichiers

Compréhension de Dépôt

Spécifications Techniques

Variantes Open Source

KAT-Dev-32B

KAT-Dev-72B-Exp

Découvrez la Génération de Code d'Élite

Découvrir des modèles similaires

DeepSeek V4 Pro

DeepSeek V4 Flash

OWL

Kimi K2.6

Commencez avec Plus de 300 Modèles,

Join our Discord community

Paramètres

Exemple de code

Installer

Authentification

En-têtes HTTP

Soumettre une requête

Schema d'entrée

Exemple de corps de requête

Schema de sortie

Exemple de réponse

Atlas Cloud Skills

Clients pris en charge

Installer

Configurer la clé API

Fonctionnalités

Serveur MCP

Clients pris en charge

Installer

Configuration

Outils disponibles