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.
ตัวอย่างโค้ด
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)ติดตั้ง
ติดตั้งแพ็คเกจที่จำเป็นสำหรับภาษาของคุณ
pip install requestsการยืนยันตัวตน
คำขอ API ทั้งหมดต้องมีการยืนยันตัวตนผ่าน API key คุณสามารถรับ API key ได้จากแดชบอร์ด Atlas Cloud
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}"
}อย่าเปิดเผย API key ของคุณในโค้ดฝั่งไคลเอนต์หรือที่เก็บข้อมูลสาธารณะ ให้ใช้ตัวแปรสภาพแวดล้อมหรือพร็อกซีฝั่งเซิร์ฟเวอร์แทน
ส่งคำขอ
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
พารามิเตอร์ต่อไปนี้ยอมรับในเนื้อหาคำขอ
ตัวอย่างเนื้อหาคำขอ
{
"model": "kwaipilot/kat-coder-pro-v2",
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"max_tokens": 1024,
"temperature": 0.7,
"stream": false
}Output Schema
API จะส่งคืนการตอบกลับที่เข้ากันได้กับ ChatCompletion
ตัวอย่างการตอบกลับ
{
"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 เชื่อมต่อโมเดล AI กว่า 300+ เข้ากับผู้ช่วยเขียนโค้ด AI ของคุณโดยตรง ติดตั้งด้วยคำสั่งเดียว จากนั้นใช้ภาษาธรรมชาติเพื่อสร้างรูปภาพ วิดีโอ และสนทนากับ LLM
ไคลเอนต์ที่รองรับ
ติดตั้ง
npx skills add AtlasCloudAI/atlas-cloud-skillsตั้งค่า API Key
รับ API key จากแดชบอร์ด Atlas Cloud และตั้งค่าเป็นตัวแปรสภาพแวดล้อม
export ATLASCLOUD_API_KEY="your-api-key-here"ความสามารถ
เมื่อติดตั้งแล้ว คุณสามารถใช้ภาษาธรรมชาติในผู้ช่วย AI ของคุณเพื่อเข้าถึงโมเดล Atlas Cloud ทั้งหมด
MCP Server
Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 300+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว
ไคลเอนต์ที่รองรับ
ติดตั้ง
npx -y atlascloud-mcpการกำหนดค่า
เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}เครื่องมือที่ใช้ได้
KAT-Coder: การสร้างโค้ด AI ระดับสูง
73.4% SWE-Bench Verified - เหนือกว่าผู้นำในอุตสาหกรรม
KAT-Coder เป็นโมเดลเขียนโค้ด AI แบบปิดซอร์สของ Kwaipilot (ส่วนวิจัย AI ของ Kuaishou) ที่เป็นตัวแทนสุดยอดของเทคโนโลยีการสร้างโค้ดแบบเอเจนต์ ขับเคลื่อนด้วยสถาปัตยกรรม Mixture-of-Experts ที่มี 72 พันล้านพารามิเตอร์ที่ใช้งานอยู่และผ่านการฝึกด้วยการเรียนรู้แบบเสริมกำลังเอเจนต์ขนาดใหญ่ KAT-Coder ได้คะแนน 73.4% ใน SWE-Bench Verified จัดอยู่ในอันดับต้นๆ ของโมเดลสร้างโค้ดระดับโลกควบคู่กับ GPT-5 High และ Claude Sonnet 4.5
ประสิทธิภาพชั้นนำในอุตสาหกรรม
KAT-Coder แข่งขันกับโมเดลสร้างโค้ดที่ดีที่สุดในโลกบน SWE-Bench Verified มาตรฐานอุตสาหกรรมสำหรับงานวิศวกรรมซอฟต์แวร์ในโลกจริง
ความสามารถหลัก
สถาปัตยกรรม Mixture-of-Experts
ใช้ประโยชน์จากการออกแบบ MoE ขั้นสูงด้วย 72 พันล้านพารามิเตอร์ที่ใช้งานอยู่จากกว่า 1 ล้านล้านทั้งหมด ให้ประสิทธิภาพล้ำสมัยในงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อน
- 72 พันล้านพารามิเตอร์ที่ใช้งานอยู่เพื่อประสิทธิภาพสูงสุด
- สร้างบนพื้นฐานตระกูลโมเดล Qwen
- ปรับให้เหมาะสมสำหรับโค้ดเบสระดับองค์กร
การเรียนรู้แบบเสริมกำลังเอเจนต์
ฝึกผ่านไปป์ไลน์หลายขั้นตอนรวมถึง RL เอเจนต์ขนาดใหญ่ ช่วยให้สามารถทำงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อนแบบอัตโนมัติได้
- การปรับวิถีการทำงานคำนำหน้าร่วมกัน
- กลไกความได้เปรียบในการสร้างเอนโทรปี
- ฝึกจาก commit และ PR ของ Git จริง
การรวมเครื่องมือหลายตัว
ความสามารถในตัวในการโต้ตอบกับเครื่องมือหลายพันตัวผ่านข้อมูลการทำงานจริงใน sandbox ช่วยให้ทำงานพัฒนาซอฟต์แวร์ได้จริง
- ข้อมูลการโต้ตอบจากเครื่องมือหลายพันตัว
- การทำงานจริงในสภาพแวดล้อม sandbox
- การรวม API และ CLI อย่างราบรื่น
หน้าต่างบริบท 256K
การสนับสนุนบริบทที่กว้างขวางช่วยให้สามารถจัดการกับการโต้ตอบการเขียนโค้ดแบบหลายรอบที่ซับซ้อนและจัดการโค้ดเบสขนาดใหญ่ได้อย่างมีประสิทธิภาพ
- จัดการไฟล์หลายไฟล์พร้อมกัน
- รักษาประวัติการสนทนาที่ยาว
- การใช้เหตุผลและรีแฟคเตอร์ข้ามไฟล์
การฝึกแบบ Git-Native
ฝึกจากข้อมูล commit และ PR ของ Git จริงจากพื้นที่เก็บองค์กร เข้าใจเวิร์กโฟลว์การควบคุมเวอร์ชันแบบดั้งเดิม
- รูปแบบ commit ของพื้นที่เก็บจริง
- แนวทางปฏิบัติที่ดีที่สุดของ pull request
- รูปแบบการตรวจสอบโค้ดและการทำงานร่วมกัน
คุณภาพระดับองค์กร
ข้อมูลเฉพาะโดเมนคุณภาพสูงรวมถึงการปฏิบัติตามคำสั่งในกว่า 30 หมวดหมู่และความสามารถในการใช้เหตุผลทั่วไป
- กว่า 30 หมวดหมู่การปฏิบัติตามคำสั่ง
- การใช้เหตุผลขั้นสูงสำหรับกรณีขอบ
- การสร้างโค้ดที่พร้อมใช้งานจริง
ไปป์ไลน์การฝึกหลายขั้นตอน
วิธีการฝึกของ KAT-Coder เป็นตัวแทนของความก้าวหน้าที่สำคัญในโมเดลเขียนโค้ด AI โดยรวมหลายขั้นตอนการฝึกเพื่อประสิทธิภาพที่เหมาะสมที่สุด
การฝึกระดับกลาง
ขั้นตอนพื้นฐานด้วยการฉีดความรู้การเขียนโค้ดและข้อมูลเฉพาะโดเมนคุณภาพสูง
การปรับแต่งแบบมีผู้สอน (SFT)
การปฏิบัติตามคำสั่งและการฝึกบทสนทนาในกว่า 30 หมวดหมู่
การปรับแต่งแบบเสริมกำลัง (RFT)
ความสามารถในการใช้เหตุผลและการแก้ปัญหาที่ดีขึ้น
การเรียนรู้แบบเสริมกำลังเอเจนต์
RL ขนาดใหญ่บนโค้ดเบสองค์กรพร้อมการทำงานแบบอัตโนมัติ
เหมาะสำหรับ
การดีบักที่ซับซ้อน
ระบุและแก้ไขบั๊กในโค้ดเบสขนาดใหญ่ด้วยความเข้าใจบริบทหลายไฟล์
การรีแฟคเตอร์โค้ดเบสขนาดใหญ่
การรีแฟคเตอร์อย่างเป็นระบบด้วยการตระหนักถึงรูปแบบสถาปัตยกรรมและการพึ่งพา
การสร้างโค้ดหลายไฟล์
สร้างโค้ดที่สอดคล้องกันในหลายไฟล์ด้วยการรวมที่เหมาะสม
ความเข้าใจพื้นที่เก็บ
วิเคราะห์และเข้าใจพื้นที่เก็บขนาดใหญ่ด้วยข้อมูลเชิงลึกทางสถาปัตยกรรม
ข้อกำหนดทางเทคนิค
ตัวเลือกโอเพ่นซอร์ส
แม้ว่า KAT-Coder Pro จะเป็นแบบปิดซอร์ส Kwaipilot ได้เปิดตัวทางเลือกโอเพ่นซอร์สที่มีให้บน HuggingFace ภายใต้ใบอนุญาต Apache-2.0
KAT-Dev-32B
โอเพ่นซอร์สตัวเลือก 32 พันล้านพารามิเตอร์ที่ปรับให้เหมาะสมด้วยการฝึกหลายขั้นตอนรวมถึงการปรับแต่งแบบมีผู้สอนและการเรียนรู้แบบเสริมกำลัง
KAT-Dev-72B-Exp
ทดลองตัวเลือกทดลอง 72 พันล้านพารามิเตอร์ที่ขยายขอบเขตความสามารถในการสร้างโค้ดโอเพ่นซอร์ส
สัมผัสการสร้างโค้ดระดับสูง
เริ่มใช้ KAT-Coder วันนี้ผ่าน API ของเรา เข้าร่วมกับนักพัฒนาทั่วโลกที่ไว้วางใจ KAT-Coder สำหรับงานวิศวกรรมซอฟต์แวร์ที่สำคัญ
