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.

KAT Coder Pro V2 को Kuaishou द्वारा विकसित किया गया है। Atlas Cloud (Atlas Cloud AI LLC द्वारा संचालित) इस तक पहुँच प्रदान करता है, इसका स्वामी नहीं है। सभी ट्रेडमार्क उनके संबंधित स्वामियों की संपत्ति हैं।

पैरामीटर

कोड उदाहरण
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": "what is difference between http and https"
        }
    ],
    max_tokens=72000,
    temperature=0.7
)

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

इंस्टॉल करें

अपनी प्रोग्रामिंग भाषा के लिए आवश्यक पैकेज इंस्टॉल करें।

pip install requests

प्रमाणीकरण

सभी API अनुरोधों के लिए API कुंजी के माध्यम से प्रमाणीकरण आवश्यक है। आप अपनी API कुंजी Atlas Cloud डैशबोर्ड से प्राप्त कर सकते हैं।

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

HTTP हेडर

import os

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

अपनी API कुंजी सुरक्षित रखें

क्लाइंट-साइड कोड या सार्वजनिक रिपॉज़िटरी में अपनी API कुंजी कभी उजागर न करें। इसके बजाय एनवायरनमेंट वेरिएबल या बैकएंड प्रॉक्सी का उपयोग करें।

अनुरोध सबमिट करें

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "kwaipilot/kat-coder-pro-v2",
    "messages": [
        {
            "role": "user",
            "content": "what is difference between http and https"
        }
    ],
    "max_tokens": 72000,
    "temperature": 0.7,
    "stream": False
}

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

Input Schema

अनुरोध बॉडी में निम्नलिखित पैरामीटर स्वीकार किए जाते हैं।

कुल: 14आवश्यक: 2वैकल्पिक: 12

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.

systemuserassistant

contentstringrequired

The content of the message.

temperaturenumber

Controls the variety of the model's responses. Lower values make output more predictable and deterministic, higher values more diverse and random.

Default: 1Min: 0Max: 2

top_pnumber

Nucleus sampling: limits the model's choices to the smallest set of tokens whose cumulative probability reaches top_p. It is recommended to adjust either this or temperature, not both.

Default: 1Min: 0Max: 1

top_kinteger

Limits the model's choice to the k most likely tokens at each step. Set to 0 or omit to disable.

Default: 0Min: 0

min_pnumber

Minimum probability threshold for a token to be considered, measured relative to the probability of the most likely token. Tokens below this threshold are filtered out.

Default: 0Min: 0Max: 1

frequency_penaltynumber

Penalizes tokens based on how frequently they have appeared in the text so far, reducing verbatim repetition. Negative values encourage token reuse.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes tokens that have already appeared in the text regardless of frequency, encouraging the model to introduce new topics.

Default: 0Min: -2Max: 2

repetition_penaltynumber

Multiplicative penalty applied to previously generated tokens. Values greater than 1 discourage repetition; 1 disables it.

Default: 1Min: 0Max: 2

stopstring | array[string]

One or more sequences where the API will stop generating further tokens. The returned text will not contain the stop sequence.

seedinteger

Random seed for deterministic sampling. Repeated requests with the same seed and parameters should return the same result.

max_tokensinteger

The maximum number of tokens to generate in the completion. The maximum value is the model's context length minus the prompt length.

Min: 1

logit_biasobject

A map of token IDs to bias values from -100 to 100 that adjust the likelihood of those tokens appearing in the output.

streamboolean

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

Default: false

अनुरोध बॉडी का उदाहरण

{
  "model": "kwaipilot/kat-coder-pro-v2",
  "messages": [
    {
      "role": "user",
      "content": "what is difference between http and https"
    }
  ],
  "max_tokens": 72000,
  "temperature": 0.7,
  "stream": false
}

Output Schema

API एक ChatCompletion-संगत प्रतिक्रिया लौटाता है।

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.

प्रतिक्रिया का उदाहरण

{
  "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 400+ AI मॉडल को सीधे आपके AI कोडिंग असिस्टेंट में इंटीग्रेट करता है। इंस्टॉल करने के लिए एक कमांड, फिर इमेज, वीडियो जनरेट करने और LLM के साथ चैट करने के लिए प्राकृतिक भाषा का उपयोग करें।

समर्थित क्लाइंट

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ समर्थित क्लाइंट

इंस्टॉल करें

npx skills add AtlasCloudAI/atlas-cloud-skills

API कुंजी सेटअप करें

Atlas Cloud डैशबोर्ड से अपनी API कुंजी प्राप्त करें और इसे एनवायरनमेंट वेरिएबल के रूप में सेट करें।

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

क्षमताएँ

एक बार इंस्टॉल होने के बाद, आप सभी Atlas Cloud मॉडल तक पहुँचने के लिए अपने AI असिस्टेंट में प्राकृतिक भाषा का उपयोग कर सकते हैं।

इमेज जनरेशनNano Banana 2, Z-Image और अन्य मॉडल के साथ इमेज जनरेट करें।

वीडियो निर्माणKling, Vidu, Veo आदि के साथ टेक्स्ट या इमेज से वीडियो बनाएँ।

LLM चैटQwen, DeepSeek और अन्य बड़े भाषा मॉडल के साथ चैट करें।

मीडिया अपलोडइमेज एडिटिंग और इमेज-टू-वीडियो वर्कफ़्लो के लिए लोकल फ़ाइलें अपलोड करें।

और जानें

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server आपके IDE को Model Context Protocol के माध्यम से 400+ AI मॉडल से जोड़ता है। किसी भी MCP-संगत क्लाइंट के साथ काम करता है।

समर्थित क्लाइंट

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ समर्थित क्लाइंट

इंस्टॉल करें

npx -y atlascloud-mcp

कॉन्फ़िगरेशन

अपने IDE की MCP सेटिंग्स फ़ाइल में निम्नलिखित कॉन्फ़िगरेशन जोड़ें।

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

उपलब्ध टूल

atlas_generate_imageटेक्स्ट प्रॉम्प्ट से इमेज जनरेट करें।

atlas_generate_videoटेक्स्ट या इमेज से वीडियो बनाएँ।

atlas_chatबड़े भाषा मॉडल के साथ चैट करें।

atlas_list_models400+ उपलब्ध AI मॉडल ब्राउज़ करें।

atlas_quick_generateऑटो मॉडल चयन के साथ एक-चरण कंटेंट निर्माण।

atlas_upload_mediaAPI वर्कफ़्लो के लिए लोकल फ़ाइलें अपलोड करें।

और जानें

github.com/AtlasCloudAI/mcp-server

एलीट AI कोडिंग

KAT-Coder: एलीट AI कोड जेनरेशन

73.4% SWE-Bench सत्यापित - उद्योग के नेताओं से आगे

KAT-Coder, Kwaipilot (Kuaishou के AI अनुसंधान प्रभाग) का प्रमुख क्लोज्ड-सोर्स AI कोडिंग मॉडल है, जो एजेंटिक कोड जेनरेशन तकनीक के शिखर का प्रतिनिधित्व करता है। 72 बिलियन सक्रिय पैरामीटर्स के साथ Mixture-of-Experts आर्किटेक्चर द्वारा संचालित और बड़े पैमाने पर एजेंटिक रीइन्फोर्समेंट लर्निंग के माध्यम से प्रशिक्षित, KAT-Coder SWE-Bench Verified पर 73.4% स्कोर हासिल करता है, GPT-5 High और Claude Sonnet 4.5 के साथ वैश्विक स्तर पर सर्वश्रेष्ठ कोड जेनरेशन मॉडलों में शामिल है।

73.4%

SWE-Bench सत्यापित स्कोर

256K

संदर्भ विंडो

72B

सक्रिय पैरामीटर्स

उद्योग-अग्रणी प्रदर्शन

KAT-Coder, SWE-Bench Verified पर दुनिया के सर्वश्रेष्ठ कोड जेनरेशन मॉडलों के साथ प्रतिस्पर्धा करता है, जो वास्तविक दुनिया के सॉफ्टवेयर इंजीनियरिंग कार्यों के लिए उद्योग मानक बेंचमार्क है

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* SWE-Bench Verified बेंचमार्क स्कोर पर आधारित। विभिन्न कोड जेनरेशन कार्यों में प्रदर्शन भिन्न हो सकता है।

मुख्य क्षमताएं

Mixture-of-Experts आर्किटेक्चर

1 ट्रिलियन से अधिक कुल में से 72 बिलियन सक्रिय पैरामीटर्स के साथ उन्नत MoE डिज़ाइन का लाभ उठाता है, जटिल सॉफ्टवेयर इंजीनियरिंग कार्यों पर अत्याधुनिक प्रदर्शन प्रदान करता है।

इष्टतम दक्षता के लिए 72 बिलियन सक्रिय पैरामीटर्स
Qwen मॉडल परिवार की नींव पर निर्मित
एंटरप्राइज़-स्केल कोडबेस के लिए अनुकूलित

एजेंटिक रीइन्फोर्समेंट लर्निंग

बड़े पैमाने पर एजेंटिक RL सहित बहु-चरण पाइपलाइन के माध्यम से प्रशिक्षित, जटिल सॉफ्टवेयर इंजीनियरिंग कार्यों की स्वायत्त पूर्णता को सक्षम करता है।

साझा उपसर्ग प्रक्षेपवक्र अनुकूलन
एंट्रॉपी शेपिंग लाभ तंत्र
वास्तविक Git कमिट्स और PRs पर प्रशिक्षण

बहु-उपकरण एकीकरण

वास्तविक सैंडबॉक्स निष्पादन डेटा के माध्यम से हजारों उपकरणों के साथ इंटरैक्ट करने के लिए अंतर्निहित क्षमताएं, व्यावहारिक सॉफ्टवेयर विकास वर्कफ़्लो को सक्षम करती हैं।

हजारों उपकरणों से इंटरैक्शन डेटा
सैंडबॉक्स वातावरण में वास्तविक निष्पादन
निर्बाध API और CLI एकीकरण

256K संदर्भ विंडो

व्यापक संदर्भ समर्थन परिष्कृत बहु-मोड़ कोडिंग इंटरैक्शन को संभालने और बड़े पैमाने के कोडबेस को प्रभावी ढंग से प्रबंधित करने में सक्षम बनाता है।

एक साथ कई फाइलों को संभालें
लंबे संवादात्मक इतिहास को बनाए रखें
क्रॉस-फाइल तर्क और रीफैक्टरिंग

Git-Native प्रशिक्षण

एंटरप्राइज़ रिपॉजिटरी से वास्तविक Git कमिट और PR डेटा पर प्रशिक्षित, संस्करण नियंत्रण वर्कफ़्लो को मूल रूप से समझता है।

वास्तविक रिपॉजिटरी कमिट पैटर्न
पुल रिक्वेस्ट सर्वोत्तम प्रथाएं
कोड समीक्षा और सहयोग पैटर्न

एंटरप्राइज़-ग्रेड गुणवत्ता

30+ श्रेणियों में निर्देशों का पालन और सामान्य तर्क क्षमताओं सहित उच्च-गुणवत्ता डोमेन-विशिष्ट डेटा।

30+ निर्देश अनुसरण श्रेणियां
किनारे के मामलों के लिए उन्नत तर्क
प्रोडक्शन-तैयार कोड जेनरेशन

बहु-चरण प्रशिक्षण पाइपलाइन

KAT-Coder की प्रशिक्षण पद्धति AI कोडिंग मॉडलों में एक महत्वपूर्ण उन्नति का प्रतिनिधित्व करती है, इष्टतम प्रदर्शन के लिए कई प्रशिक्षण चरणों को मिलाती है

मध्य-प्रशिक्षण

कोडिंग ज्ञान इंजेक्शन और उच्च-गुणवत्ता डोमेन-विशिष्ट डेटा के साथ आधार चरण

→

पर्यवेक्षित फाइन-ट्यूनिंग (SFT)

30+ श्रेणियों में निर्देश अनुसरण और संवाद प्रशिक्षण

→

रीइन्फोर्समेंट फाइन-ट्यूनिंग (RFT)

उन्नत तर्क और समस्या-समाधान क्षमताएं

→

एजेंटिक रीइन्फोर्समेंट लर्निंग

स्वायत्त कार्य पूर्णता के साथ एंटरप्राइज़ कोडबेस पर बड़े पैमाने पर RL

एकदम सही

🐛

जटिल डिबगिंग

बहु-फाइल संदर्भ समझ के साथ बड़े कोडबेस में बग की पहचान और फिक्स करें

🔧

बड़े कोडबेस रीफैक्टरिंग

आर्किटेक्चरल पैटर्न और निर्भरताओं की जागरूकता के साथ व्यवस्थित रीफैक्टरिंग

📝

बहु-फाइल कोड जेनरेशन

उचित एकीकरण के साथ कई फाइलों में सुसंगत कोड उत्पन्न करें

📚

रिपॉजिटरी समझ

गहरी आर्किटेक्चरल अंतर्दृष्टि के साथ बड़े रिपॉजिटरी का विश्लेषण और समझें

तकनीकी विनिर्देश

आर्किटेक्चरमिश्रित-विशेषज्ञ (MoE)

सक्रिय पैरामीटर्स~72 बिलियन

कुल पैरामीटर्स>1 ट्रिलियन

संदर्भ विंडो256,000 टोकन

आधार मॉडलQwen परिवार

उपकरण उपयोगहजारों उपकरण

बहु-मोड़ संवादसैकड़ों मोड़

निर्देश श्रेणियां30+ श्रेणियां

लाइसेंसबंद-स्रोत (वाणिज्यिक)

ओपन-सोर्स वेरिएंटKAT-Dev-32B, KAT-Dev-72B-Exp

ओपन-सोर्स वेरिएंट

जबकि KAT-Coder Pro बंद-स्रोत है, Kwaipilot ने Apache-2.0 लाइसेंस के तहत HuggingFace पर उपलब्ध ओपन-सोर्स विकल्प जारी किए हैं

KAT-Dev-32B

ओपन सोर्स

पर्यवेक्षित फाइन-ट्यूनिंग और रीइन्फोर्समेंट लर्निंग सहित बहु-चरण प्रशिक्षण के साथ अनुकूलित 32 बिलियन पैरामीटर वेरिएंट।

वाणिज्यिक उपयोग के लिए Apache-2.0 लाइसेंस

HuggingFace पर उपलब्ध

प्रोडक्शन-तैयार प्रदर्शन

KAT-Dev-72B-Exp

प्रयोगात्मक

प्रयोगात्मक 72 बिलियन पैरामीटर वेरिएंट जो ओपन-सोर्स कोड जेनरेशन क्षमताओं की सीमाओं को आगे बढ़ाता है।

जटिल कार्यों के लिए बड़ा मॉडल

उन्नत तर्क क्षमताएं

अनुसंधान और उत्पादन उपयोग

एलीट कोड जेनरेशन का अनुभव करें

हमारे API के माध्यम से आज ही KAT-Coder का उपयोग शुरू करें। उन डेवलपर्स के साथ शामिल हों जो मिशन-क्रिटिकल सॉफ्टवेयर इंजीनियरिंग कार्यों के लिए KAT-Coder पर भरोसा करते हैं।

उद्योग-अग्रणी 73.4% SWE-Bench स्कोर

बड़े कोडबेस के लिए 256K संदर्भ

बहु-उपकरण एकीकरण समर्थन

KAT Coder Pro V2 API by Kwai

पैरामीटर

कोड उदाहरण

इंस्टॉल करें

प्रमाणीकरण

HTTP हेडर

अनुरोध सबमिट करें

Input Schema

अनुरोध बॉडी का उदाहरण

Output Schema

प्रतिक्रिया का उदाहरण

Atlas Cloud Skills

समर्थित क्लाइंट

इंस्टॉल करें

API कुंजी सेटअप करें

क्षमताएँ

MCP Server

समर्थित क्लाइंट

इंस्टॉल करें

कॉन्फ़िगरेशन

उपलब्ध टूल

KAT-Coder: एलीट AI कोड जेनरेशन

उद्योग-अग्रणी प्रदर्शन

मुख्य क्षमताएं

Mixture-of-Experts आर्किटेक्चर

एजेंटिक रीइन्फोर्समेंट लर्निंग

बहु-उपकरण एकीकरण

256K संदर्भ विंडो

Git-Native प्रशिक्षण

एंटरप्राइज़-ग्रेड गुणवत्ता

बहु-चरण प्रशिक्षण पाइपलाइन

मध्य-प्रशिक्षण

पर्यवेक्षित फाइन-ट्यूनिंग (SFT)

रीइन्फोर्समेंट फाइन-ट्यूनिंग (RFT)

एजेंटिक रीइन्फोर्समेंट लर्निंग

एकदम सही

जटिल डिबगिंग

बड़े कोडबेस रीफैक्टरिंग

बहु-फाइल कोड जेनरेशन

रिपॉजिटरी समझ

तकनीकी विनिर्देश

ओपन-सोर्स वेरिएंट

KAT-Dev-32B

KAT-Dev-72B-Exp

एलीट कोड जेनरेशन का अनुभव करें

समान मॉडल देखें

KAT Coder Pro V2.5

KAT Coder Air V2.5

DeepSeek V4 Pro 0813

Grok 4.6

DeepSeek V4 Flash Vision Exp

DeepSeek V4 Flash 0731

Qwen3.8 27B

Qwen3.8 Max

Kimi K3

Grok 4.5

Doubao Seed Character

Doubao Seed 2.1 Turbo

Doubao Seed 2.1 Pro

GLM 5.3 Flash

GLM 5.3

GLM 5.2

हर मीडिया AI के लिए एक ही API।

पैरामीटर

कोड उदाहरण

इंस्टॉल करें

प्रमाणीकरण

HTTP हेडर

अनुरोध सबमिट करें

Input Schema

अनुरोध बॉडी का उदाहरण

Output Schema

प्रतिक्रिया का उदाहरण

Atlas Cloud Skills

समर्थित क्लाइंट

इंस्टॉल करें

API कुंजी सेटअप करें

क्षमताएँ

MCP Server

समर्थित क्लाइंट