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.

參數

程式碼範例
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)

安裝

為您的程式語言安裝所需的套件。

pip install requests

驗證

所有 API 請求都需要透過 API 金鑰進行驗證。您可以從 Atlas Cloud 儀表板取得 API 金鑰。

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

HTTP 標頭

import os

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

請妥善保管您的 API 金鑰

切勿在客戶端程式碼或公開儲存庫中暴露您的 API 金鑰。請改用環境變數或後端代理。

提交請求

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())

輸入 Schema

以下參數可在請求主體中使用。

總計: 9必填: 2選填: 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

範例請求主體

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

輸出 Schema

API 傳回與 ChatCompletion 相容的回應。

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.

範例回應

{
  "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 將 300 多個 AI 模型直接整合至您的 AI 程式碼助手。一鍵安裝，即可使用自然語言生成圖片、影片，以及與 LLM 對話。

支援的客戶端

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ 支援的客戶端

安裝

npx skills add AtlasCloudAI/atlas-cloud-skills

設定 API 金鑰

從 Atlas Cloud 儀表板取得 API 金鑰，並設為環境變數。

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

功能

安裝完成後，您可以在 AI 助手中使用自然語言存取所有 Atlas Cloud 模型。

圖片生成使用 Nano Banana 2、Z-Image 等模型生成圖片。

影片創作使用 Kling、Vidu、Veo 等從文字或圖片創建影片。

LLM 對話與 Qwen、DeepSeek 及其他大型語言模型對話。

媒體上傳上傳本機檔案，用於圖片編輯和圖片轉影片工作流程。

MCP Server

Atlas Cloud MCP Server 透過 Model Context Protocol 將您的 IDE 與 300 多個 AI 模型連接。支援任何 MCP 相容的客戶端。

支援的客戶端

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ 支援的客戶端

安裝

npx -y atlascloud-mcp

設定

將以下設定新增至您 IDE 的 MCP 設定檔中。

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

可用工具

atlas_generate_image根據文字提示生成圖片。

atlas_generate_video從文字或圖片創建影片。

atlas_chat與大型語言模型對話。

atlas_list_models瀏覽 300 多個可用的 AI 模型。

atlas_quick_generate一步完成內容創建，自動選擇模型。

atlas_upload_media上傳本機檔案用於 API 工作流程。

了解更多

github.com/AtlasCloudAI/mcp-server

精英 AI 程式設計

KAT-Coder: 精英 AI 程式碼生成

SWE-Bench Verified 73.4% - 超越行業領導者

KAT-Coder 是快手 AI 研究部門 Kwaipilot 的旗艦閉源 AI 程式設計模型，代表了智能體程式碼生成技術的巔峰。採用混合專家架構，擁有 720 億活躍參數，透過大規模智能體強化學習訓練，KAT-Coder 在 SWE-Bench Verified 基準測試中獲得 73.4% 的分數，與 GPT-5 High 和 Claude Sonnet 4.5 並列全球最佳程式碼生成模型。

73.4%

SWE-Bench 驗證得分

256K

上下文視窗

72B

活躍參數

行業領先效能

KAT-Coder 在 SWE-Bench Verified（真實軟體工程任務的行業標準基準）上與世界最佳程式碼生成模型競爭

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* 基於 SWE-Bench Verified 基準測試分數。不同程式碼生成任務的效能可能有所不同。

核心能力

混合專家架構

採用先進的 MoE 設計，在超過 1 兆總參數中擁有 720 億活躍參數，在複雜軟體工程任務上提供最先進的效能。

720 億活躍參數實現最佳效率
基於 Qwen 模型家族基礎
針對企業級程式碼庫優化

智能體強化學習

透過包括大規模智能體強化學習的多階段訓練管線進行訓練，能夠自主完成複雜的軟體工程任務。

共享前綴軌跡優化
熵塑造優勢機制
在真實 Git 提交和 PR 上訓練

多工具整合

透過真實沙盒執行資料與數千種工具互動的內建能力，支援實際的軟體開發工作流程。

來自數千種工具的互動資料
沙盒環境中的真實執行
無縫 API 和 CLI 整合

256K 上下文視窗

廣泛的上下文支援能夠處理複雜的多輪程式設計互動，並有效管理大規模程式碼庫。

同時處理多個檔案
維護長對話歷史
跨檔案推理和重構

Git 原生訓練

在來自企業儲存庫的真實 Git 提交和 PR 資料上訓練，原生理解版本控制工作流程。

真實儲存庫提交模式
拉取請求最佳實踐
程式碼審查和協作模式

企業級品質

高品質的領域特定資料，包括 30 多個類別的指令遵循和通用推理能力。

30 多個指令遵循類別
邊緣情況的高級推理
生產就緒的程式碼生成

多階段訓練管線

KAT-Coder 的訓練方法代表了 AI 程式設計模型的重大進步，結合多個訓練階段以實現最佳效能

中期訓練

基礎階段，包含程式設計知識注入和高品質領域特定資料

→

監督微調 (SFT)

跨 30 多個類別的指令遵循和對話訓練

→

強化微調 (RFT)

增強推理和問題解決能力

→

智能體強化學習

在企業程式碼庫上進行大規模強化學習，實現自主任務完成

完美適用於

🐛

複雜除錯

透過多檔案上下文理解，在大型程式碼庫中識別和修復錯誤

🔧

大型程式碼庫重構

系統性重構，瞭解架構模式和依賴關係

📝

多檔案程式碼生成

生成跨多個檔案的連貫程式碼並正確整合

📚

儲存庫理解

分析和理解大型儲存庫，提供深入的架構洞察

技術規格

架構混合專家 (MoE)

活躍參數約 720 億

總參數超過 1 兆

上下文視窗256,000 tokens

基礎模型Qwen 系列

工具使用數千種工具

多輪對話數百輪

指令類別30 多個類別

授權閉源 (商用)

開源變體KAT-Dev-32B, KAT-Dev-72B-Exp

開源變體

雖然 KAT-Coder Pro 是閉源的，但 Kwaipilot 已在 HuggingFace 上發布了 Apache-2.0 授權的開源替代版本

KAT-Dev-32B

開源

優化的 320 億參數變體，透過包括監督微調和強化學習的多階段訓練。

Apache-2.0 授權用於商業用途

在 HuggingFace 上可用

生產就緒效能

KAT-Dev-72B-Exp

實驗性

實驗性 720 億參數變體，推動開源程式碼生成能力的邊界。

用於複雜任務的更大模型

高級推理能力

研究和生產使用

體驗精英程式碼生成

立即透過我們的 API 開始使用 KAT-Coder。加入全球開發者行列，信賴 KAT-Coder 完成關鍵任務軟體工程工作。

行業領先的 73.4% SWE-Bench 分數

256K 上下文用於大型程式碼庫

多工具整合支援

探索類似模型

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

暫無描述

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+ 模型，即刻開啟，

探索全部模型

KAT Coder Pro V2 API by Kwai

參數

程式碼範例

安裝

驗證

HTTP 標頭

提交請求

輸入 Schema

範例請求主體

輸出 Schema

範例回應

Atlas Cloud Skills

支援的客戶端

安裝

設定 API 金鑰

功能

MCP Server

支援的客戶端

安裝

設定

可用工具

KAT-Coder: 精英 AI 程式碼生成

行業領先效能

核心能力

混合專家架構

智能體強化學習

多工具整合

256K 上下文視窗

Git 原生訓練

企業級品質

多階段訓練管線

中期訓練

監督微調 (SFT)

強化微調 (RFT)

智能體強化學習

完美適用於

複雜除錯

大型程式碼庫重構

多檔案程式碼生成

儲存庫理解

技術規格

開源變體

KAT-Dev-32B

KAT-Dev-72B-Exp

體驗精英程式碼生成

探索類似模型

DeepSeek V4 Pro

DeepSeek V4 Flash

OWL

Kimi K2.6

300+ 模型，即刻開啟，

Join our Discord community

參數

程式碼範例

安裝

驗證

HTTP 標頭

提交請求

輸入 Schema

範例請求主體

輸出 Schema

範例回應

Atlas Cloud Skills

支援的客戶端

安裝

設定 API 金鑰

功能

MCP Server

支援的客戶端

安裝

設定

可用工具