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.

Parametreler

Kod örneği
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)

Kurulum

Programlama diliniz için gerekli paketi kurun.

pip install requests

Kimlik Doğrulama

Tüm API istekleri, API anahtarı ile kimlik doğrulama gerektirir. API anahtarınızı Atlas Cloud kontrol panelinden alabilirsiniz.

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

HTTP Başlıkları

import os

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

API anahtarınızı güvende tutun

API anahtarınızı asla istemci tarafı kodunda veya herkese açık depolarda ifşa etmeyin. Bunun yerine ortam değişkenleri veya arka uç proxy kullanın.

İstek gönder

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

İstek gövdesinde aşağıdaki parametreler kabul edilir.

Toplam: 9Zorunlu: 2İsteğe Bağlı: 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

Örnek İstek Gövdesi

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

Output Schema

API, ChatCompletion uyumlu bir yanıt döndürür.

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.

Örnek Yanıt

{
  "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, 300'den fazla AI modelini doğrudan AI kodlama asistanınıza entegre eder. Kurmak için tek bir komut, ardından görüntü, video oluşturmak ve LLM ile sohbet etmek için doğal dil kullanın.

Desteklenen İstemciler

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ desteklenen i̇stemciler

Kurulum

npx skills add AtlasCloudAI/atlas-cloud-skills

API Anahtarını Ayarla

API anahtarınızı Atlas Cloud kontrol panelinden alın ve ortam değişkeni olarak ayarlayın.

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

Yetenekler

Kurulduktan sonra, tüm Atlas Cloud modellerine erişmek için AI asistanınızda doğal dil kullanabilirsiniz.

Görüntü OluşturmaNano Banana 2, Z-Image ve daha fazla model ile görüntüler oluşturun.

Video OluşturmaKling, Vidu, Veo vb. ile metin veya görüntülerden videolar oluşturun.

LLM SohbetQwen, DeepSeek ve diğer büyük dil modelleri ile sohbet edin.

Medya YüklemeGörüntü düzenleme ve görüntüden videoya iş akışları için yerel dosyaları yükleyin.

Daha fazla bilgi

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server, IDE'nizi Model Context Protocol aracılığıyla 300'den fazla AI modeline bağlar. Herhangi bir MCP uyumlu istemci ile çalışır.

Desteklenen İstemciler

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ desteklenen i̇stemciler

Kurulum

npx -y atlascloud-mcp

Yapılandırma

Aşağıdaki yapılandırmayı IDE'nizin MCP ayarları dosyasına ekleyin.

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

Mevcut Araçlar

atlas_generate_imageMetin istemlerinden görüntüler oluşturun.

atlas_generate_videoMetin veya görüntülerden videolar oluşturun.

atlas_chatBüyük dil modelleri ile sohbet edin.

atlas_list_models300'den fazla mevcut AI modelini keşfedin.

atlas_quick_generateOtomatik model seçimi ile tek adımda içerik oluşturma.

atlas_upload_mediaAPI iş akışları için yerel dosyaları yükleyin.

Daha fazla bilgi

github.com/AtlasCloudAI/mcp-server

Elit Yapay Zeka Kodlama

KAT-Coder: Elit Yapay Zeka Kod Üretimi

SWE-Bench Verified %73,4 - Sektör Liderlerini Geride Bırakıyor

KAT-Coder, Kwaipilot'un (Kuaishou'nun yapay zeka araştırma bölümü) kapalı kaynaklı amiral gemisi yapay zeka kodlama modelidir ve ajantik kod üretimi teknolojisinin zirvesini temsil eder. 72 milyar aktif parametreye sahip Mixture-of-Experts mimarisi ile desteklenen ve büyük ölçekli ajantik takviyeli öğrenme ile eğitilen KAT-Coder, SWE-Bench Verified'da %73,4 puan alarak GPT-5 High ve Claude Sonnet 4.5 ile birlikte dünya çapında en iyi kod üretim modelleri arasında yer almaktadır.

73.4%

SWE-Bench Doğrulanmış Skoru

256K

Bağlam Penceresi

72B

Aktif Parametreler

Sektör Lideri Performans

KAT-Coder, gerçek dünya yazılım mühendisliği görevleri için sektör standardı kıyaslama olan SWE-Bench Verified'da dünyanın en iyi kod üretim modelleriyle rekabet ediyor

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* SWE-Bench Verified kıyaslama skorlarına dayanmaktadır. Performans farklı kod üretim görevlerinde değişiklik gösterebilir.

Temel Yetenekler

Mixture-of-Experts Mimarisi

1 trilyondan fazla toplam parametreden 72 milyar aktif parametre ile gelişmiş MoE tasarımından yararlanır ve karmaşık yazılım mühendisliği görevlerinde en gelişmiş performans sunar.

Optimal verimlilik için 72 milyar aktif parametre
Qwen model ailesi temeli üzerine kurulu
Kurumsal ölçekli kod tabanları için optimize edilmiş

Ajantik Takviyeli Öğrenme

Büyük ölçekli ajantik RL dahil çok aşamalı boru hattı aracılığıyla eğitilmiş, karmaşık yazılım mühendisliği görevlerinin otonom olarak tamamlanmasını sağlar.

Paylaşılan önek yörünge optimizasyonu
Entropi şekillendirme avantaj mekanizması
Gerçek Git commit'leri ve PR'lar üzerinde eğitim

Çoklu Araç Entegrasyonu

Gerçek sandbox yürütme verileri aracılığıyla binlerce araçla etkileşim için yerleşik yetenekler, pratik yazılım geliştirme iş akışlarını mümkün kılar.

Binlerce araçtan etkileşim verileri
Sandbox ortamlarında gerçek yürütme
Sorunsuz API ve CLI entegrasyonu

256K Bağlam Penceresi

Kapsamlı bağlam desteği, sofistike çok turlu kodlama etkileşimlerini yönetmeyi ve büyük ölçekli kod tabanlarını etkili bir şekilde yönetmeyi sağlar.

Birden fazla dosyayı aynı anda işleme
Uzun konuşma geçmişini koruma
Dosyalar arası akıl yürütme ve yeniden düzenleme

Git-yerel Eğitim

Kurumsal depolardan gerçek Git commit ve PR verileri üzerinde eğitilmiş, sürüm kontrol iş akışlarını yerel olarak anlıyor.

Gerçek depo commit kalıpları
Pull request en iyi uygulamaları
Kod inceleme ve işbirliği kalıpları

Kurumsal Düzey Kalite

30'dan fazla kategoride talimat takibi ve genel akıl yürütme yetenekleri dahil yüksek kaliteli alana özel veriler.

30'dan fazla talimat takip kategorisi
Uç durumlar için gelişmiş akıl yürütme
Üretime hazır kod üretimi

Çok Aşamalı Eğitim Boru Hattı

KAT-Coder'ın eğitim metodolojisi, yapay zeka kodlama modellerinde önemli bir ilerlemeyi temsil eder ve optimal performans için birden fazla eğitim aşamasını birleştirir

Orta Eğitim

Kodlama bilgisi enjeksiyonu ve yüksek kaliteli alana özel veriler ile temel aşama

→

Denetimli İnce Ayar (SFT)

30'dan fazla kategoride talimat takibi ve diyalog eğitimi

→

Takviyeli İnce Ayar (RFT)

Geliştirilmiş akıl yürütme ve problem çözme yetenekleri

→

Ajantik Takviyeli Öğrenme

Otonom görev tamamlama ile kurumsal kod tabanlarında büyük ölçekli RL

Şunlar İçin Mükemmel

🐛

Karmaşık Hata Ayıklama

Çoklu dosya bağlamı anlayışı ile büyük kod tabanlarındaki hataları tanımlama ve düzeltme

🔧

Büyük Kod Tabanı Yeniden Düzenleme

Mimari kalıplar ve bağımlılıkların farkındalığı ile sistematik yeniden düzenleme

📝

Çoklu Dosya Kod Üretimi

Uygun entegrasyon ile birden fazla dosyada tutarlı kod üretme

📚

Depo Anlayışı

Derin mimari içgörülerle büyük depoları analiz etme ve anlama

Teknik Özellikler

mimariMixture-of-Experts (MoE)

aktif_parametreler~72 milyar

toplam_parametreler>1 trilyon

bağlam_penceresi256.000 token

temel_modelQwen Ailesi

araç_kullanımıBinlerce araç

çoklu_tur_diyalogYüzlerce tur

talimat_kategorileri30'dan fazla kategori

lisansKapalı kaynak (Ticari)

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

Açık Kaynak Varyantları

KAT-Coder Pro kapalı kaynak olsa da, Kwaipilot Apache-2.0 lisansı altında HuggingFace'de mevcut açık kaynak alternatifleri yayınladı

KAT-Dev-32B

Açık Kaynak

Denetimli ince ayar ve takviyeli öğrenme dahil çok aşamalı eğitim ile optimize edilmiş 32 milyar parametre varyantı.

Ticari kullanım için Apache-2.0 lisansı

HuggingFace'de mevcut

Üretime hazır performans

KAT-Dev-72B-Exp

Deneysel

Açık kaynak kod üretim yeteneklerinin sınırlarını zorlayan deneysel 72 milyar parametre varyantı.

Karmaşık görevler için daha büyük model

Gelişmiş akıl yürütme yetenekleri

Araştırma ve üretim kullanımı

Elit Kod Üretimini Deneyimleyin

API'miz aracılığıyla bugün KAT-Coder'ı kullanmaya başlayın. Görev açısından kritik yazılım mühendisliği görevleri için KAT-Coder'a güvenen dünya çapındaki geliştiricilere katılın.

Sektör lideri %73,4 SWE-Bench skoru

Büyük kod tabanları için 256K bağlam

Çoklu araç entegrasyon desteği

Benzer Modelleri Keşfedin

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

$1.68/3.38M Girdi/Çıktı

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

$0.14/0.28M Girdi/Çıktı

NEW

Açıklama mevcut değil.

LLM

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+ Model ile Başlayın,

Tüm modelleri keşfet

KAT Coder Pro V2 API by Kwai

Parametreler

Kod örneği

Kurulum

Kimlik Doğrulama

HTTP Başlıkları

İstek gönder

Input Schema

Örnek İstek Gövdesi

Output Schema

Örnek Yanıt

Atlas Cloud Skills

Desteklenen İstemciler

Kurulum

API Anahtarını Ayarla

Yetenekler

MCP Server

Desteklenen İstemciler

Kurulum

Yapılandırma

Mevcut Araçlar

KAT-Coder: Elit Yapay Zeka Kod Üretimi

Sektör Lideri Performans

Temel Yetenekler

Mixture-of-Experts Mimarisi

Ajantik Takviyeli Öğrenme

Çoklu Araç Entegrasyonu

256K Bağlam Penceresi

Git-yerel Eğitim

Kurumsal Düzey Kalite

Çok Aşamalı Eğitim Boru Hattı

Orta Eğitim

Denetimli İnce Ayar (SFT)

Takviyeli İnce Ayar (RFT)

Ajantik Takviyeli Öğrenme

Şunlar İçin Mükemmel

Karmaşık Hata Ayıklama

Büyük Kod Tabanı Yeniden Düzenleme

Çoklu Dosya Kod Üretimi

Depo Anlayışı

Teknik Özellikler

Açık Kaynak Varyantları

KAT-Dev-32B

KAT-Dev-72B-Exp

Elit Kod Üretimini Deneyimleyin

Benzer Modelleri Keşfedin

DeepSeek V4 Pro

DeepSeek V4 Flash

OWL

Kimi K2.6

300+ Model ile Başlayın,

Join our Discord community

Parametreler

Kod örneği

Kurulum

Kimlik Doğrulama

HTTP Başlıkları

İstek gönder

Input Schema

Örnek İstek Gövdesi

Output Schema

Örnek Yanıt

Atlas Cloud Skills

Desteklenen İstemciler

Kurulum

API Anahtarını Ayarla

Yetenekler

MCP Server

Desteklenen İstemciler

Kurulum

Yapılandırma

Mevcut Araçlar