kwaipilot/kat-coder-pro-v2.5

LLM

PRO

KAT Coder Pro V2.5 API by Kwai

kwaipilot/kat-coder-pro-v2.5

Kat-coder-pro-v2.5

High-end coding agent built for complex software engineering, repository-scale tasks, and autonomous development workflows.

พารามิเตอร์

ตัวอย่างโค้ด
import os
from openai import OpenAI

# Vision Understanding Example
# Image: Use base64 encoding (data:image/png;base64,...)
# Video: Use URL (recommended for large files)

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-v2.5",
    messages=[
    {
        "role": "user",
        "content": [
            {
                "type": "image_url",
                "image_url": {
                    "url": "data:image/png;base64,<BASE64_IMAGE_DATA>"
                }
            },
            {
                "type": "video_url",
                "video_url": {
                    "url": "https://example.com/your-video.mp4"
                }
            },
            {
                "type": "text",
                "text": "Please describe the content of this image/video"
            }
        ]
    }
],
    max_tokens=1024,
    temperature=0.7
)

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

ติดตั้ง

ติดตั้งแพ็กเกจที่จำเป็น

pip install requests

การยืนยันตัวตน

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}"
}

รักษา API key ของคุณให้ปลอดภัย

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

ทั้งหมด: 14จำเป็น: 2ไม่บังคับ: 12

modelstringrequired

The model ID to use for the completion.

Example: "kwaipilot/kat-coder-pro-v2.5"

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.

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

ตัวอย่างเนื้อหาคำขอ

{
  "model": "kwaipilot/kat-coder-pro-v2.5",
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "max_tokens": 1024,
  "temperature": 0.7,
  "stream": false
}

Output Schema

API จะส่งคืนการตอบกลับที่เข้ากันได้กับ 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.

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 400+ เข้ากับผู้ช่วยเขียนโค้ด AI ของคุณโดยตรง ติดตั้งด้วยคำสั่งเดียว จากนั้นใช้ภาษาธรรมชาติเพื่อสร้างรูปภาพ วิดีโอ และสนทนากับ LLM

ไคลเอนต์ที่รองรับ

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ ไคลเอนต์ที่รองรับ

ติดตั้ง

npx skills add AtlasCloudAI/atlas-cloud-skills

ตั้งค่า 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

สร้างรูปภาพสร้างรูปภาพด้วยโมเดลเช่น Nano Banana 2, Z-Image และอื่นๆ

สร้างวิดีโอสร้างวิดีโอจากข้อความหรือรูปภาพด้วย Kling, Vidu, Veo เป็นต้น

สนทนา LLMสนทนากับ Qwen, DeepSeek และโมเดลภาษาขนาดใหญ่อื่นๆ

อัปโหลดสื่ออัปโหลดไฟล์จากเครื่องสำหรับการแก้ไขรูปภาพและเวิร์กโฟลว์รูปภาพเป็นวิดีโอ

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 400+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว

ไคลเอนต์ที่รองรับ

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ ไคลเอนต์ที่รองรับ

ติดตั้ง

npx -y atlascloud-mcp

การกำหนดค่า

เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ

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

เครื่องมือที่ใช้ได้

atlas_generate_imageสร้างรูปภาพจากข้อความ prompt

atlas_generate_videoสร้างวิดีโอจากข้อความหรือรูปภาพ

atlas_chatสนทนากับโมเดลภาษาขนาดใหญ่

atlas_list_modelsเรียกดูโมเดล AI กว่า 400+ ที่ใช้ได้

atlas_quick_generateสร้างเนื้อหาขั้นตอนเดียวพร้อมเลือกโมเดลอัตโนมัติ

atlas_upload_mediaอัปโหลดไฟล์จากเครื่องสำหรับเวิร์กโฟลว์ API

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/mcp-server

การเขียนโค้ด AI ระดับสูง

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

73.4%

คะแนน SWE-Bench ที่ได้รับการยืนยัน

256K

หน้าต่างบริบท

72B

พารามิเตอร์ที่ใช้งาน

ประสิทธิภาพชั้นนำในอุตสาหกรรม

KAT-Coder แข่งขันกับโมเดลสร้างโค้ดที่ดีที่สุดในโลกบน SWE-Bench Verified มาตรฐานอุตสาหกรรมสำหรับงานวิศวกรรมซอฟต์แวร์ในโลกจริง

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* อิงจากคะแนนมาตรฐาน SWE-Bench Verified ประสิทธิภาพอาจแตกต่างกันไปในงานสร้างโค้ดประเภทต่างๆ

ความสามารถหลัก

สถาปัตยกรรม Mixture-of-Experts

ใช้ประโยชน์จากการออกแบบ MoE ขั้นสูงด้วย 72 พันล้านพารามิเตอร์ที่ใช้งานอยู่จากกว่า 1 ล้านล้านทั้งหมด ให้ประสิทธิภาพล้ำสมัยในงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อน

72 พันล้านพารามิเตอร์ที่ใช้งานอยู่เพื่อประสิทธิภาพสูงสุด
สร้างบนพื้นฐานตระกูลโมเดล Qwen
ปรับให้เหมาะสมสำหรับโค้ดเบสระดับองค์กร

การเรียนรู้แบบเสริมกำลังเอเจนต์

ฝึกผ่านไปป์ไลน์หลายขั้นตอนรวมถึง RL เอเจนต์ขนาดใหญ่ ช่วยให้สามารถทำงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อนแบบอัตโนมัติได้

การปรับวิถี (trajectory) แบบใช้คำนำหน้าร่วมกัน
กลไกความได้เปรียบแบบปรับรูปเอนโทรปี (entropy shaping)
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

เหมาะอย่างยิ่งสำหรับ

🐛

การดีบักที่ซับซ้อน

ระบุและแก้ไขบั๊กในโค้ดเบสขนาดใหญ่ด้วยความเข้าใจบริบทหลายไฟล์

🔧

การรีแฟคเตอร์โค้ดเบสขนาดใหญ่

การรีแฟคเตอร์อย่างเป็นระบบด้วยการตระหนักถึงรูปแบบสถาปัตยกรรมและการพึ่งพา

📝

การสร้างโค้ดหลายไฟล์

สร้างโค้ดที่สอดคล้องกันในหลายไฟล์ด้วยการรวมที่เหมาะสม

📚

ความเข้าใจพื้นที่เก็บ

วิเคราะห์และเข้าใจพื้นที่เก็บขนาดใหญ่ด้วยข้อมูลเชิงลึกทางสถาปัตยกรรม

ข้อกำหนดทางเทคนิค

สถาปัตยกรรมMixture-of-Experts (MoE)

พารามิเตอร์ที่ใช้งาน~72 พันล้าน

พารามิเตอร์ทั้งหมด>1 ล้านล้าน

หน้าต่างบริบท256,000 โทเค็น

โมเดลพื้นฐานตระกูล Qwen

การใช้เครื่องมือเครื่องมือหลายพันตัว

บทสนทนาหลายรอบหลายร้อยรอบ

หมวดหมู่คำสั่งกว่า 30 หมวดหมู่

ใบอนุญาตปิดซอร์ส (เชิงพาณิชย์)

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

ตัวเลือกโอเพ่นซอร์ส

แม้ว่า KAT-Coder Pro จะเป็นแบบปิดซอร์ส Kwaipilot ได้เปิดตัวทางเลือกโอเพ่นซอร์สที่มีให้บน HuggingFace ภายใต้ใบอนุญาต Apache-2.0

KAT-Dev-32B

โอเพ่นซอร์ส

ตัวเลือก 32 พันล้านพารามิเตอร์ที่ปรับให้เหมาะสมด้วยการฝึกหลายขั้นตอนรวมถึงการปรับแต่งแบบมีผู้สอนและการเรียนรู้แบบเสริมกำลัง

ใบอนุญาต Apache-2.0 สำหรับการใช้งานเชิงพาณิชย์

มีให้บน HuggingFace

ประสิทธิภาพพร้อมใช้งานจริง

KAT-Dev-72B-Exp

ทดลอง

ตัวเลือกทดลอง 72 พันล้านพารามิเตอร์ที่ขยายขอบเขตความสามารถในการสร้างโค้ดโอเพ่นซอร์ส

โมเดลขนาดใหญ่กว่าสำหรับงานที่ซับซ้อน

ความสามารถในการใช้เหตุผลขั้นสูง

การใช้งานในการวิจัยและการผลิต

สัมผัสการสร้างโค้ดระดับสูง

เริ่มใช้ KAT-Coder วันนี้ผ่าน API ของเรา เข้าร่วมกับนักพัฒนาทั่วโลกที่ไว้วางใจ KAT-Coder สำหรับงานวิศวกรรมซอฟต์แวร์ที่สำคัญ

คะแนน SWE-Bench 73.4% ชั้นนำในอุตสาหกรรม

บริบท 256K สำหรับโค้ดเบสขนาดใหญ่

การสนับสนุนการรวมเครื่องมือหลายตัว

KAT Coder Pro V2.5 API by Kwai

พารามิเตอร์

ตัวอย่างโค้ด

ติดตั้ง

การยืนยันตัวตน

HTTP Headers

ส่งคำขอ

Input Schema

ตัวอย่างเนื้อหาคำขอ

Output Schema

ตัวอย่างการตอบกลับ

Atlas Cloud Skills

ไคลเอนต์ที่รองรับ

ติดตั้ง

ตั้งค่า API Key

ความสามารถ

MCP Server

ไคลเอนต์ที่รองรับ

ติดตั้ง

การกำหนดค่า

เครื่องมือที่ใช้ได้

KAT-Coder: การสร้างโค้ด AI ระดับสูง

ประสิทธิภาพชั้นนำในอุตสาหกรรม

ความสามารถหลัก

สถาปัตยกรรม Mixture-of-Experts

การเรียนรู้แบบเสริมกำลังเอเจนต์

การรวมเครื่องมือหลายตัว

หน้าต่างบริบท 256K

การฝึกแบบ Git-Native

คุณภาพระดับองค์กร

ไปป์ไลน์การฝึกหลายขั้นตอน

การฝึกระดับกลาง

การปรับแต่งแบบมีผู้สอน (SFT)

การปรับแต่งแบบเสริมกำลัง (RFT)

การเรียนรู้แบบเสริมกำลังเอเจนต์

เหมาะอย่างยิ่งสำหรับ

การดีบักที่ซับซ้อน

การรีแฟคเตอร์โค้ดเบสขนาดใหญ่

การสร้างโค้ดหลายไฟล์

ความเข้าใจพื้นที่เก็บ

ข้อกำหนดทางเทคนิค

ตัวเลือกโอเพ่นซอร์ส

KAT-Dev-32B

KAT-Dev-72B-Exp

สัมผัสการสร้างโค้ดระดับสูง

สำรวจโมเดลที่คล้ายกัน

KAT Coder Air V2.5

KAT Coder Pro V2

DeepSeek V4 Flash 0731

Qwen3.8 Max

Kimi K3

Grok 4.5

Doubao Seed Character

Doubao Seed 2.1 Turbo

Doubao Seed 2.1 Pro

GLM 5.2

Kimi K2.7 Code

MiniMax M3

Grok Build 0.1

Grok 4.3

Gemini 3.5 Flash

API เดียวสำหรับ AI สื่อทุกประเภท

พารามิเตอร์

ตัวอย่างโค้ด

ติดตั้ง

การยืนยันตัวตน

HTTP Headers

ส่งคำขอ

Input Schema

ตัวอย่างเนื้อหาคำขอ

Output Schema

ตัวอย่างการตอบกลับ

Atlas Cloud Skills

ไคลเอนต์ที่รองรับ

ติดตั้ง

ตั้งค่า API Key

ความสามารถ

MCP Server

ไคลเอนต์ที่รองรับ

ติดตั้ง