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.

Parametrar

Kodexempel
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)

Installera

Installera det nödvändiga paketet för ditt programmeringsspråk.

pip install requests

Autentisering

Alla API-förfrågningar kräver autentisering via en API key. Du kan hämta din API key från Atlas Cloud-instrumentpanelen.

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

HTTP Headers

import os

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

Håll din API key säker

Exponera aldrig din API key i klientkod eller publika arkiv. Använd miljövariabler eller en backend-proxy istället.

Skicka en förfrågan

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())

Input Schema

Följande parametrar accepteras i förfrågningsinnehållet.

Totalt: 9Obligatorisk: 2Valfri: 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

Exempel på förfrågningsinnehåll

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

Output Schema

API:et returnerar ett ChatCompletion-kompatibelt svar.

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.

Exempelsvar

{
  "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 integrerar 300+ AI-modeller direkt i din AI-kodassistent. Ett kommando för att installera, sedan använd naturligt språk för att generera bilder, videor och chatta med LLM.

Stödda klienter

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ stödda klienter

Installera

npx skills add AtlasCloudAI/atlas-cloud-skills

Konfigurera API Key

Hämta din API key från Atlas Cloud-instrumentpanelen och ställ in den som en miljövariabel.

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

Funktioner

När det är installerat kan du använda naturligt språk i din AI-assistent för att komma åt alla Atlas Cloud-modeller.

BildgenereringGenerera bilder med modeller som Nano Banana 2, Z-Image och fler.

VideoskapandeSkapa videor från text eller bilder med Kling, Vidu, Veo m.fl.

LLM-chattChatta med Qwen, DeepSeek och andra stora språkmodeller.

MediauppladdningLadda upp lokala filer för bildredigering och bild-till-video-arbetsflöden.

Läs mer

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server ansluter din IDE med 300+ AI-modeller via Model Context Protocol. Fungerar med alla MCP-kompatibla klienter.

Stödda klienter

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ stödda klienter

Installera

npx -y atlascloud-mcp

Konfiguration

Lägg till följande konfiguration i din IDE:s MCP-inställningsfil.

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

Tillgängliga verktyg

atlas_generate_imageGenerera bilder från textpromptar.

atlas_generate_videoSkapa videor från text eller bilder.

atlas_chatChatta med stora språkmodeller.

atlas_list_modelsBläddra bland 300+ tillgängliga AI-modeller.

atlas_quick_generateInnehållsskapande i ett steg med automatiskt modellval.

atlas_upload_mediaLadda upp lokala filer för API-arbetsflöden.

Läs mer

github.com/AtlasCloudAI/mcp-server

Elit AI-kodning

KAT-Coder: Elit AI-kodgenerering

73,4% SWE-Bench Verified - Överträffar branschledare

KAT-Coder är Kwaipilots (Kuaishous AI-forskningsavdelning) flaggskeppsmodell för AI-kodning med sluten källkod, som representerar toppen av agentisk kodgenereringsteknologi. Driven av en Mixture-of-Experts-arkitektur med 72 miljarder aktiva parametrar och tränad genom storskalig agentisk förstärkningsinlärning uppnår KAT-Coder 73,4% på SWE-Bench Verified och rankas bland de bästa kodgenereringsmodellerna globalt tillsammans med GPT-5 High och Claude Sonnet 4.5.

73.4%

SWE-Bench Verifierad Poäng

256K

Kontextfönster

72B

Aktiva Parametrar

Branschledande Prestanda

KAT-Coder tävlar med världens bästa kodgenereringsmodeller på SWE-Bench Verified, branschstandarden för verkliga mjukvaruutvecklingsuppgifter

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* Baserat på SWE-Bench Verified benchmark-poäng. Prestanda kan variera mellan olika kodgenereringsuppgifter.

Kärnfunktioner

Mixture-of-Experts-arkitektur

Utnyttjar avancerad MoE-design med 72 miljarder aktiva parametrar av över 1 biljon totalt, vilket ger toppmodern prestanda för komplexa mjukvaruutvecklingsuppgifter.

72 miljarder aktiva parametrar för optimal effektivitet
Byggd på Qwen-modellfamiljen
Optimerad för företagsskalakodsbaser

Agentisk Förstärkningsinlärning

Tränad genom flerstegs pipeline inklusive storskalig agentisk RL, vilket möjliggör autonom slutförande av komplexa mjukvaruutvecklingsuppgifter.

Delad prefix-banoptimering
Entropi-formnings-fördelmekanism
Träning på riktiga Git-commits och PR:er

Multi-verktygsintegration

Inbyggda funktioner för att interagera med tusentals verktyg genom verklig sandbox-körningsdata, vilket möjliggör praktiska mjukvaruutvecklingsarbetsflöden.

Interaktionsdata från tusentals verktyg
Verklig körning i sandbox-miljöer
Sömlös API- och CLI-integration

256K Kontextfönster

Omfattande kontextstöd möjliggör hantering av sofistikerade flerstegs-kodningsinteraktioner och effektiv hantering av storskaliga kodsbaser.

Hantera flera filer samtidigt
Behålla lång konversationshistorik
Filöverskridande resonemang och omstrukturering

Git-native Träning

Tränad på verkliga Git-commit- och PR-data från företagsrepositorier, med nativt förståelse för versionshanteringsarbetsflöden.

Verkliga repository-commit-mönster
Pull request bästa praxis
Kodgranskning och samarbetsmönster

Företagskvalitet

Högkvalitativ domänspecifik data inklusive instruktionsföljning över 30+ kategorier och allmänna resonemangsfunktioner.

30+ instruktionsföljningskategorier
Avancerat resonemang för kantfall
Produktionsklar kodgenerering

Flerstegs Träningspipeline

KAT-Coders träningsmetodik representerar ett betydande framsteg i AI-kodningsmodeller och kombinerar flera träningsstadier för optimal prestanda

Mellanträning

Grundstadium med kodkunskapsinjektion och högkvalitativ domänspecifik data

→

Övervakad Finjustering (SFT)

Instruktionsföljning och dialogträning över 30+ kategorier

→

Förstärkningsfinjustering (RFT)

Förbättrade resonemang och problemlösningsförmågor

→

Agentisk Förstärkningsinlärning

Storskalig RL på företagskodsbaser med autonom uppgiftsavslutning

Perfekt För

🐛

Komplex Felsökning

Identifiera och fixa buggar i stora kodsbaser med flerfilsförståelse

🔧

Stor Kodsbasomstrukturering

Systematisk omstrukturering med medvetenhet om arkitektoniska mönster och beroenden

📝

Flerfilskodgenerering

Generera sammanhängande kod över flera filer med korrekt integration

📚

Repositorieförståelse

Analysera och förstå stora repositorier med djupa arkitektoniska insikter

Tekniska Specifikationer

arkitekturMixture-of-Experts (MoE)

aktiva_parametrar~72 miljarder

totala_parametrar>1 biljon

kontextfönster256 000 tokens

basmodellQwen-familjen

verktygsanvändningTusentals verktyg

flerstegs_dialogHundratals steg

instruktionskategorier30+ kategorier

licensSluten källkod (Kommersiell)

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

Öppna Källkodsvarianter

Även om KAT-Coder Pro är sluten källkod har Kwaipilot släppt öppna källkodsalternativ tillgängliga på HuggingFace under Apache-2.0-licens

KAT-Dev-32B

Öppen Källkod

Optimerad 32 miljarder parametersvariant med flerstegstr äning inklusive övervakad finjustering och förstärkningsinlärning.

Apache-2.0-licens för kommersiellt bruk

Tillgänglig på HuggingFace

Produktionsklar prestanda

KAT-Dev-72B-Exp

Experimentell

Experimentell 72 miljarder parametersvariant som utvidgar gränserna för öppen källkodskodgenereringsförmågor.

Större modell för komplexa uppgifter

Avancerade resonemangsfunktioner

Forsknings- och produktionsanvändning

Upplev Elit Kodgenerering

Börja använda KAT-Coder idag via vårt API. Gå med utvecklare världen över som litar på KAT-Coder för verksamhetskritiska mjukvaruutvecklingsuppgifter.

Branschledande 73,4% SWE-Bench-poäng

256K kontext för stora kodsbaser

Multi-verktygsintegrationsstöd

Utforska Liknande Modeller

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

Inmatning:$1.68/M tokens

Utmatning:$3.38/M tokens

Max Utmatning:393.22K

$1.68/3.38M in/ut

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

Inmatning:$0.14/M tokens

Utmatning:$0.28/M tokens

Max Utmatning:393.22K

$0.14/0.28M in/ut

NEW

Ingen beskrivning tillgänglig.

LLM

OWL

Max Utmatning:262.14K

Gratis

NEW

HOT

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

Inmatning:$0.95/M tokens

Utmatning:$4/M tokens

Max Utmatning:262.14K

$0.95/4M in/ut

Börja från 300+ Modeller,

Utforska alla modeller

KAT Coder Pro V2 API by Kwai

Parametrar

Kodexempel

Installera

Autentisering

HTTP Headers

Skicka en förfrågan

Input Schema

Exempel på förfrågningsinnehåll

Output Schema

Exempelsvar

Atlas Cloud Skills

Stödda klienter

Installera

Konfigurera API Key

Funktioner

MCP Server

Stödda klienter

Installera

Konfiguration

Tillgängliga verktyg

KAT-Coder: Elit AI-kodgenerering

Branschledande Prestanda

Kärnfunktioner

Mixture-of-Experts-arkitektur

Agentisk Förstärkningsinlärning

Multi-verktygsintegration

256K Kontextfönster

Git-native Träning

Företagskvalitet

Flerstegs Träningspipeline

Mellanträning

Övervakad Finjustering (SFT)

Förstärkningsfinjustering (RFT)

Agentisk Förstärkningsinlärning

Perfekt För

Komplex Felsökning

Stor Kodsbasomstrukturering

Flerfilskodgenerering

Repositorieförståelse

Tekniska Specifikationer

Öppna Källkodsvarianter

KAT-Dev-32B

KAT-Dev-72B-Exp

Upplev Elit Kodgenerering

Utforska Liknande Modeller

DeepSeek V4 Pro

DeepSeek V4 Flash

OWL

Kimi K2.6

Börja från 300+ Modeller,

Join our Discord community

Parametrar

Kodexempel

Installera

Autentisering

HTTP Headers

Skicka en förfrågan

Input Schema

Exempel på förfrågningsinnehåll

Output Schema

Exempelsvar

Atlas Cloud Skills

Stödda klienter

Installera

Konfigurera API Key

Funktioner

MCP Server

Stödda klienter

Installera

Konfiguration

Tillgängliga verktyg