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.

パラメータ

コード例
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)

インストール

お使いの言語に必要なパッケージをインストールしてください。

pip install requests

認証

すべての API リクエストには API キーによる認証が必要です。API キーは Atlas Cloud ダッシュボードから取得できます。

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

HTTP ヘッダー

import os

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

API キーを安全に保管してください

API キーをクライアントサイドのコードや公開リポジトリに公開しないでください。代わりに環境変数またはバックエンドプロキシを使用してください。

リクエストを送信

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())

入力 Schema

以下のパラメータがリクエストボディで使用できます。

合計: 9必須: 2任意: 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

リクエストボディの例

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

出力 Schema

API は ChatCompletion 互換のレスポンスを返します。

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.

レスポンス例

{
  "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 は 300 以上の AI モデルを AI コーディングアシスタントに直接統合します。ワンコマンドでインストールし、自然言語で画像・動画生成や LLM との対話が可能です。

対応クライアント

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ 対応クライアント

インストール

npx skills add AtlasCloudAI/atlas-cloud-skills

API キーの設定

Atlas Cloud ダッシュボードから API キーを取得し、環境変数として設定してください。

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

機能

インストール後、AI アシスタントで自然言語を使用してすべての Atlas Cloud モデルにアクセスできます。

画像生成Nano Banana 2、Z-Image などのモデルで画像を生成します。

動画作成Kling、Vidu、Veo などでテキストや画像から動画を作成します。

LLM チャットQwen、DeepSeek などの大規模言語モデルと対話します。

メディアアップロード画像編集や画像から動画へのワークフロー用にローカルファイルをアップロードします。

詳細を見る

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server は Model Context Protocol を通じて IDE と 300 以上の AI モデルを接続します。MCP 対応のあらゆるクライアントで動作します。

対応クライアント

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ 対応クライアント

インストール

npx -y atlascloud-mcp

設定

以下の設定を IDE の MCP 設定ファイルに追加してください。

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

利用可能なツール

atlas_generate_imageテキストプロンプトから画像を生成します。

atlas_generate_videoテキストや画像から動画を作成します。

atlas_chat大規模言語モデルと対話します。

atlas_list_models300 以上の利用可能な AI モデルを閲覧します。

atlas_quick_generateモデル自動選択によるワンステップコンテンツ作成。

atlas_upload_mediaAPI ワークフロー用にローカルファイルをアップロードします。

詳細を見る

github.com/AtlasCloudAI/mcp-server

エリートAIコーディング

KAT-Coder：エリートAIコード生成

SWE-Bench Verified 73.4% - 業界リーダーを超える

KAT-Coderは、快手のAI研究部門であるKwaipilotの主力クローズドソースAIコーディングモデルであり、エージェント型コード生成技術の頂点を表しています。720億のアクティブパラメータを持つMixture-of-Expertsアーキテクチャを採用し、大規模エージェント強化学習によってトレーニングされたKAT-Coderは、SWE-Bench Verifiedで73.4%のスコアを達成し、GPT-5 HighやClaude Sonnet 4.5と並んで世界最高のコード生成モデルにランクインしています。

73.4%

SWE-Bench検証スコア

256K

コンテキストウィンドウ

72B

アクティブパラメータ

業界トップクラスのパフォーマンス

KAT-Coderは、実世界のソフトウェアエンジニアリングタスクの業界標準ベンチマークであるSWE-Bench Verifiedで、世界最高のコード生成モデルと競争しています

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* SWE-Bench Verifiedベンチマークスコアに基づきます。異なるコード生成タスクによってパフォーマンスは異なる場合があります。

コア機能

Mixture-of-Expertsアーキテクチャ

1兆を超える総パラメータから720億のアクティブパラメータを持つ高度なMoE設計を活用し、複雑なソフトウェアエンジニアリングタスクで最先端のパフォーマンスを提供します。

最適な効率のための720億アクティブパラメータ
Qwenモデルファミリーベース
エンタープライズ規模のコードベースに最適化

エージェント強化学習

大規模エージェント強化学習を含む多段階パイプラインでトレーニングされ、複雑なソフトウェアエンジニアリングタスクの自律的な完了を可能にします。

共有プレフィックス軌跡最適化
エントロピー整形アドバンテージメカニズム
実際のGitコミットとPRでのトレーニング

マルチツール統合

実際のサンドボックス実行データを通じて数千のツールと対話する組み込み機能により、実用的なソフトウェア開発ワークフローを実現します。

数千のツールからのインタラクションデータ
サンドボックス環境での実際の実行
シームレスなAPIとCLI統合

256Kコンテキストウィンドウ

広範なコンテキストサポートにより、洗練されたマルチターンコーディングインタラクションの処理と大規模コードベースの効果的な管理が可能になります。

複数のファイルを同時に処理
長い会話履歴を維持
ファイル間の推論とリファクタリング

Gitネイティブトレーニング

エンタープライズリポジトリからの実際のGitコミットとPRデータでトレーニングされ、バージョン管理ワークフローをネイティブに理解します。

実際のリポジトリコミットパターン
プルリクエストのベストプラクティス
コードレビューとコラボレーションパターン

エンタープライズグレードの品質

30以上のカテゴリにわたる指示フォローと一般的な推論能力を含む高品質なドメイン固有データ。

30以上の指示フォローカテゴリ
エッジケースの高度な推論
本番環境対応のコード生成

多段階トレーニングパイプライン

KAT-Coderのトレーニング手法は、AIコーディングモデルにおける重要な進歩を表し、最適なパフォーマンスのために複数のトレーニング段階を組み合わせています

中間トレーニング

コーディング知識の注入と高品質なドメイン固有データによる基礎段階

→

教師あり微調整（SFT）

30以上のカテゴリにわたる指示フォローと対話トレーニング

→

強化微調整（RFT）

強化された推論と問題解決能力

→

エージェント強化学習

自律的なタスク完了を伴うエンタープライズコードベースでの大規模強化学習

最適な用途

🐛

複雑なデバッグ

マルチファイルコンテキスト理解により、大規模コードベース全体のバグを特定して修正

🔧

大規模コードベースのリファクタリング

アーキテクチャパターンと依存関係を認識した体系的なリファクタリング

📝

マルチファイルコード生成

適切な統合により、複数のファイルにわたって一貫性のあるコードを生成

📚

リポジトリ理解

深いアーキテクチャの洞察により、大規模リポジトリを分析して理解

技術仕様

アーキテクチャMixture-of-Experts（MoE）

アクティブパラメータ約720億

総パラメータ1兆以上

コンテキストウィンドウ256,000トークン

ベースモデルQwenファミリー

ツール使用数千のツール

マルチターン対話数百ターン

指示カテゴリ30以上のカテゴリ

ライセンスクローズドソース（商用）

オープンソースバリアントKAT-Dev-32B、KAT-Dev-72B-Exp

オープンソースバリアント

KAT-Coder Proはクローズドソースですが、KwaipilotはApache-2.0ライセンスでHuggingFace上でオープンソース代替版をリリースしています

KAT-Dev-32B

オープンソース

教師あり微調整と強化学習を含む多段階トレーニングによる最適化された320億パラメータバリアント。

商用利用のためのApache-2.0ライセンス

HuggingFaceで利用可能

本番環境対応のパフォーマンス

KAT-Dev-72B-Exp

実験的

オープンソースコード生成能力の限界を押し広げる実験的な720億パラメータバリアント。

複雑なタスクのためのより大きなモデル

高度な推論能力

研究および本番環境での使用

エリートコード生成を体験

今すぐAPIを通じてKAT-Coderの使用を開始してください。ミッションクリティカルなソフトウェアエンジニアリングタスクにKAT-Coderを信頼する世界中の開発者に参加しましょう。

業界トップクラスの73.4% SWE-Benchスコア

大規模コードベースのための256Kコンテキスト

マルチツール統合サポート

類似モデルを探索

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

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

説明がありません。

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

300以上のモデルから始める、

すべてのモデルを探索

KAT Coder Pro V2 API by Kwai

パラメータ

コード例

インストール

認証

HTTP ヘッダー

リクエストを送信

入力 Schema

リクエストボディの例

出力 Schema

レスポンス例

Atlas Cloud Skills

対応クライアント

インストール

API キーの設定

機能

MCP Server

対応クライアント

インストール

設定

利用可能なツール

KAT-Coder：エリートAIコード生成

業界トップクラスのパフォーマンス

コア機能

Mixture-of-Expertsアーキテクチャ

エージェント強化学習

マルチツール統合

256Kコンテキストウィンドウ

Gitネイティブトレーニング

エンタープライズグレードの品質

多段階トレーニングパイプライン

中間トレーニング

教師あり微調整（SFT）

強化微調整（RFT）

エージェント強化学習

最適な用途

複雑なデバッグ

大規模コードベースのリファクタリング

マルチファイルコード生成

リポジトリ理解

技術仕様

オープンソースバリアント

KAT-Dev-32B

KAT-Dev-72B-Exp

エリートコード生成を体験

類似モデルを探索

DeepSeek V4 Pro

DeepSeek V4 Flash

OWL

Kimi K2.6

300以上のモデルから始める、

Join our Discord community

パラメータ

コード例

インストール

認証

HTTP ヘッダー

リクエストを送信

入力 Schema

リクエストボディの例

出力 Schema

レスポンス例

Atlas Cloud Skills

対応クライアント

インストール

API キーの設定

機能

MCP Server

対応クライアント

インストール

設定

利用可能なツール