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.

参数

代码示例
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)

安装

安装所需的依赖包。

pip install requests

认证

所有 API 请求需要通过 API Key 进行认证。您可以在 Atlas Cloud 控制台获取 API Key。

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

HTTP 请求头

import os

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

保护好您的 API Key

切勿在客户端代码或公开仓库中暴露您的 API Key。请使用环境变量或后端代理。

提交请求

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())

Input Schema

以下参数在请求体中被接受。

总计: 9必填: 2可选: 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

请求体示例

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

Output Schema

API 返回兼容 ChatCompletion 的响应格式。

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.

响应示例

{
  "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 将 300+ AI 模型直接集成到您的 AI 编程助手中。一条命令安装，即可用自然语言生成图像、视频和与 LLM 对话。

支持的客户端

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ 支持的客户端

安装

npx skills add AtlasCloudAI/atlas-cloud-skills

设置 API Key

从 Atlas Cloud 控制台获取 API Key，并将其设置为环境变量。

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

功能

安装后，您可以在 AI 助手中使用自然语言访问所有 Atlas Cloud 模型。

图像生成使用 Nano Banana 2、Z-Image 等模型生成图像。

视频创作使用 Kling、Vidu、Veo 等模型从文本或图像创建视频。

LLM 对话与 Qwen、DeepSeek 等大语言模型对话。

媒体上传上传本地文件用于图像编辑和图生视频工作流。

MCP Server

Atlas Cloud MCP Server 通过 Model Context Protocol 将您的 IDE 与 300+ AI 模型连接。支持任何兼容 MCP 的客户端。

支持的客户端

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ 支持的客户端

安装

npx -y atlascloud-mcp

配置

将以下配置添加到您的 IDE 的 MCP 设置文件中。

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

可用工具

atlas_generate_image从文本提示生成图像。

atlas_generate_video从文本或图像创建视频。

atlas_chat与大语言模型对话。

atlas_list_models浏览 300+ 可用 AI 模型。

atlas_quick_generate一步式内容创建，自动选择最佳模型。

atlas_upload_media上传本地文件用于 API 工作流。

了解更多

github.com/AtlasCloudAI/mcp-server

精英 AI 编程

KAT-Coder: 精英 AI 代码生成

SWE-Bench Verified 73.4% - 超越行业领导者

KAT-Coder 是快手 AI 研究部门 Kwaipilot 的旗舰闭源 AI 编程模型，代表了智能体代码生成技术的巅峰。采用混合专家架构，拥有 720 亿活跃参数，通过大规模智能体强化学习训练，KAT-Coder 在 SWE-Bench Verified 基准测试中获得 73.4% 的分数,与 GPT-5 High 和 Claude Sonnet 4.5 并列全球最佳代码生成模型。

73.4%

SWE-Bench 验证得分

256K

上下文窗口

72B

活跃参数

行业领先性能

KAT-Coder 在 SWE-Bench Verified（真实软件工程任务的行业标准基准）上与世界最佳代码生成模型竞争

🥇

Claude Sonnet 4.5

77.2%

🥈

GPT-5 High

74.9%

🥉

KAT-Coder Pro

73.4%

* 基于 SWE-Bench Verified 基准测试分数。不同代码生成任务的性能可能有所不同。

核心能力

混合专家架构

采用先进的 MoE 设计，在超过 1 万亿总参数中拥有 720 亿活跃参数，在复杂软件工程任务上提供最先进的性能。

720 亿活跃参数实现最佳效率
基于 Qwen 模型家族基础
针对企业级代码库优化

智能体强化学习

通过包括大规模智能体强化学习的多阶段训练管道进行训练，能够自主完成复杂的软件工程任务。

共享前缀轨迹优化
熵塑造优势机制
在真实 Git 提交和 PR 上训练

多工具集成

通过真实沙盒执行数据与数千种工具交互的内置能力,支持实际的软件开发工作流程。

来自数千种工具的交互数据
沙盒环境中的真实执行
无缝 API 和 CLI 集成

256K 上下文窗口

广泛的上下文支持能够处理复杂的多轮编程交互,并有效管理大规模代码库。

同时处理多个文件
维护长对话历史
跨文件推理和重构

Git 原生训练

在来自企业仓库的真实 Git 提交和 PR 数据上训练,原生理解版本控制工作流程。

真实仓库提交模式
拉取请求最佳实践
代码审查和协作模式

企业级质量

高质量的领域特定数据,包括 30 多个类别的指令遵循和通用推理能力。

30 多个指令遵循类别
边缘情况的高级推理
生产就绪的代码生成

多阶段训练管道

KAT-Coder 的训练方法代表了 AI 编程模型的重大进步,结合多个训练阶段以实现最佳性能

中期训练

基础阶段,包含编程知识注入和高质量领域特定数据

→

监督微调 (SFT)

跨 30 多个类别的指令遵循和对话训练

→

强化微调 (RFT)

增强推理和问题解决能力

→

智能体强化学习

在企业代码库上进行大规模强化学习,实现自主任务完成

完美适用于

🐛

复杂调试

通过多文件上下文理解,在大型代码库中识别和修复错误

🔧

大型代码库重构

系统性重构,了解架构模式和依赖关系

📝

多文件代码生成

生成跨多个文件的连贯代码并正确集成

📚

仓库理解

分析和理解大型仓库,提供深入的架构洞察

技术规格

架构混合专家 (MoE)

活跃参数约 720 亿

总参数超过 1 万亿

上下文窗口256,000 tokens

基础模型Qwen 系列

工具使用数千种工具

多轮对话数百轮

指令类别30 多个类别

许可证闭源 (商用)

开源变体KAT-Dev-32B, KAT-Dev-72B-Exp

开源变体

虽然 KAT-Coder Pro 是闭源的,但 Kwaipilot 已在 HuggingFace 上发布了 Apache-2.0 许可的开源替代版本

KAT-Dev-32B

开源

优化的 320 亿参数变体,通过包括监督微调和强化学习的多阶段训练。

Apache-2.0 许可证用于商业用途

在 HuggingFace 上可用

生产就绪性能

KAT-Dev-72B-Exp

实验性

实验性 720 亿参数变体,推动开源代码生成能力的边界。

用于复杂任务的更大模型

高级推理能力

研究和生产使用

体验精英代码生成

立即通过我们的 API 开始使用 KAT-Coder。加入全球开发者行列,信赖 KAT-Coder 完成关键任务软件工程工作。

行业领先的 73.4% SWE-Bench 分数

256K 上下文用于大型代码库

多工具集成支持

探索类似模型

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

暂无描述

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，即刻开启，

探索全部模型

KAT Coder Pro V2 API by Kwai

参数

代码示例

安装

认证

HTTP 请求头

提交请求

Input Schema

请求体示例

Output Schema

响应示例

Atlas Cloud Skills

支持的客户端

安装

设置 API Key

功能

MCP Server

支持的客户端

安装

配置

可用工具

KAT-Coder: 精英 AI 代码生成

行业领先性能

核心能力

混合专家架构

智能体强化学习

多工具集成

256K 上下文窗口

Git 原生训练

企业级质量

多阶段训练管道

中期训练

监督微调 (SFT)

强化微调 (RFT)

智能体强化学习

完美适用于

复杂调试

大型代码库重构

多文件代码生成

仓库理解

技术规格

开源变体

KAT-Dev-32B

KAT-Dev-72B-Exp

体验精英代码生成

探索类似模型

DeepSeek V4 Pro

DeepSeek V4 Flash

OWL

Kimi K2.6

300+ 模型，即刻开启，

Join our Discord community

参数

代码示例

安装

认证

HTTP 请求头

提交请求

Input Schema

请求体示例

Output Schema

响应示例

Atlas Cloud Skills

支持的客户端

安装

设置 API Key

功能

MCP Server

支持的客户端

安装

配置

可用工具