国内開発のCodingモデルが爆発！快手KAT-Coder-Pro V2.5が実測で1分20秒でリアルなバグを修復、1395行のコードで手作業で『マインクラフト』を構築。長距離エンジニアリング能力はOpus 4.8に迫り、もうAIの世話をする必要はない。記事執筆者、出典：新智元
一手の実測で、AIコーディングはここまで来ているのか？
どんなに素晴らしいと謳っても、実戦でこそ真価が発揮される。次に、KAT-Coder-Pro V2.5をさらに多くの実際のシナリオに導入し、その実力を徹底的に探ってみよう。
もう隠さず、正体を明かします——このCCに組み込まれたAIは、快手がリリースした旗舰級Agentic Codingモデル「KAT-Coder-Pro V2.5」です。他のAIが「コードの一部を補完する」ことに競い合っている中、このAIは「全体のプロジェクトを一括で作成する」ことを目指しています。これが、すべてのCodingモデルが乗り越えなければならない最終的な壁です。
第1問：手作成のMinecraft、すぐにプレイ可能
先ほどのペナルティーキックデモはウォームアップに過ぎません。次はV2.5に強度を上げ、現場で『マイクラ』を再現します。
プロンプトも400行以上あります。以下のように圧縮してください：
単一のHTMLファイル、Three.js、第一人称視点。14種類のブロックがあり、それぞれ硬度、透明度、衝突属性を持つ。基岩は破壊不可。すべてのテクスチャはCanvasを用いて16×16ピクセルの画像をプログラム生成する——外部テクスチャは使用しない。固定シードのノイズで島を生成し、丘陵、海岸、浅瀬、地下鉱脈を含む。プログラム生成されたオークの森に加え、入ることができる森の小屋（木製床、丸太の柱、ガラス窓、丸石の屋根、煉瓦製の煙突）を設置し、誕生地点から丸石の小道を敷いてつなぐ。ターゲットに線框を表示し、左ボタンを押すと進捗バーが表示され、破壊されると破片パーティクルが落下する。音効はWeb Audioでリアルタイム合成する。
すぐに、プレイ可能な「マインクラフト」の世界が完成した。「世界に入る」をクリックすると、マウスが画面に固定される。足元には草が広がり、目を上げれば青空が広がり、足元から石畳の小道が伸び、橡の木を避け、木の向こうにある小屋へと続いている——板張りの壁、丸太の柱、石造りの屋根、赤煉瓦の煙突、壁には四隅にガラス窓が嵌められている。次に、小屋の前の空き地へ向かい、左ボタンを長押しすると「ポッ」と音がして、草のブロックが砕ける。十数個の緑色の小さな立方体が穴から飛び出し、回転しながら落ちていく。その破片の色は、ちょうど掘り取られたブロックの色そのものだ。次に、ツールバーをスワイプして砂、橡材、石などの素材を選択し、いよいよ家を建設する时机だ。驚いたことに、この小さな世界では、空を染め上げる夕日を見ることもできた。
質問2：太陽系をシミュレートし、1つの「時計」を共有する
もう一度、インタラクティブなタスクをテストします。V2.5に手だけで太陽系を作らせます。その能力を試すため、極めて厳格な制限条件を設定しました：
1000行以上のプロンプト、核心的な要点は以下の通りです：
単一のHTML、純粋なCanvas 2D、Three.jsを使用しない。八大惑星、11個の衛星すべてにJ2000历元の実際の軌道要素——半長軸、離心率、傾角、昇交点黄経、近点引数、平均近点角を提供する。angle += speedの使用を厳禁とする。惑星と衛星はすべてニュートン法でケプラー方程式を解き、共通のdaysSinceJ2000を使用する。金星と天王星の自転は負の値とする。トリトンは逆行とし、傾角は157.3°とする。土星の輪と天王星の輪は前後2回に分けて描画し、惑星が輪を隠すようにする。高倍速では衛星の軌道をトレースモードに切り替え、ちらつきを防ぐ。一時停止時には惑星表面の自転も停止し、逆再生時には逆方向に巻き戻す。惑星表面はすべてプログラムで描画：木星には大赤斑を設け、自転とともに可視半球を通過させる。地球の大陸が背面に回った際は消え、反対側から再び現れる。追加：8段階の時間速度、2種類の軌道スケール、仮想カメラの追従、700個の固定シード星、小惑星帯、コイパー帯、レスポンシブレイアウト、9つのショートカットキー。
このような複雑な要件に直面して、V2.5は教科書的なエンジニアリング思考を発揮しました。プロジェクト全体を正確に分解し、アーキテクチャ設計と軌道計算戦略から、グローバルなデュアルレシオシステム、星空背景生成、主星の描画、惑星環の階層的レンダリング、そして複雑な衛星システムの統合まで、すべてのモジュールが段階的に進み、論理的にきっちりと組み合わされています。それでは、早速デモをご覧ください。
このウェブページを開くと、中央には今日の日付が表示され、画面の八つの惑星は、現在実際に存在する位置に並んでいます。これは太陽系の図ではなく、実際に動作する太陽系です！太陽が真ん中にあり、惑星が順に広がっています。火星と木星の間には、ゆっくりと回転する細かな塵の帯——小惑星帯——があります。すべての天体、すべての衛星、惑星表面の一つひとつの雲は、同じシミュレーション時間によって制御されています。一時停止ボタンを押すと、惑星の公転も衛星の公転も、地球の自転もすべて停止します。土星をクリックすると、右側に情報パネルがスライドして現れます。パネルの上部にある小さなプレビュー窓では、土星がゆっくりと自転し、輪も一緒に回転し、前後の奥行き関係はまったく乱れていません。これはもはや課題ではなく、リリースされた製品のように感じられます。
問題3：リアルワレットのissue、1分20秒でクローズ
次に、私たちはKAT-Coder-Pro V2.5を、実際のオープンソースバグに投げ込みました。その結果はベンチマークよりもはるかに刺激的でした。問題は、実在するPythonオープンソースライブラリ「humanize」から取りました。2024年、このライブラリには実際のバグがありました：naturaldelta(timedelta(hours=-5))は「5 hours」と返すべきところ、「a day」と返していました。負の5時間があたかも1日のように扱われていたのです。私たちはリポジトリをバグが存在していたコミットまで戻し、イシューの内容だけを渡して、一切のヒントを与えずに放置しました。2つのパターンを検索し、2つのファイルを読んだ後、彼は即座に診断を提示しました——Pythonでは負のtimedeltaが補数形式で格納されており、timedelta(hours=-5)は内部的にdays=-1、seconds=68400として保存されている。元のコードでは、この2つの成分それぞれにabs()を適用しており、-1日は1日に変換され、68400秒はそのまま残ったため、「1日＋19時間」と誤って表示されていた。この根本原因の分析は、公式の修正診断と完全に一致していました——補数格納、成分の符号不一致、それぞれにabs()を適用したことでエラーが発生した。しかし、彼が提案した解決策は公式のものとは異なりました：公式はtimedelta全体の絶対値を取る方法を採用しましたが、彼はまず総秒数に変換してから再分割する方法を選択しました。ちなみに、この一連のプロセスはClaude Code上で実行されました。そしてClaude Codeは、公式のHarness Scalingで明示的に言及された訓練環境の一つ——mini-swe-agent、Claude Code、Codex、OpenClaw——の其中之一です。複数のフレームワークで繰り返し実践を重ねた目的は、「フレームワークを変えても水土不服にならない」ことでした。実際のテストでは、彼は完全に適応し、まったく「水土不服」を起こさないことを証明しました。
第4問：20分12秒、飛行中の飛行機でエンジンを交換する
最後の質問はバグ修正ではなく、生きているシステムに一式の新機能を組み込むことだ。誰もが経験したことがあるだろう：1GBのファイルをアップロードし、92%まで進んだところでネットワークが切断された。ページをリフレッシュすると——0%からやり直しになる。解決策はチャンクアップロードだ：ファイルを千のチャンクに分割し、切断された場合は、まだアップロードされていないチャンクだけを再アップロードする。听起来很简单：分割、アップロード、再結合。しかし、難しいのはこの三つのステップではなく、その間の複雑な状況だ：
シャードが乱序で到着しました。クライアントが切断後に再送信すると、サーバーはそれが再試行なのか上書きなのかを判別できません。サーバーが再起動すると、ディスク上の700個のシャードが所有者のない孤児になります。そして、たとえすべてのシャードが揃ったとしても、正しく転送されたとは限りません。それは20分12秒かかった。解決策は、ディスクに3つの引き出しを設けることだった。公開済み、進行状況メタデータ、未完了の断片。断片は常にchunks/に留まり、物理的に公開領域にはアクセスできない。メタデータは一時ファイルに書き込み、その後アトミックにrenameする。プロセスが進行状況の書き込み途中でクラッシュし、中途半端な不良データを残す可能性があるためだ。完全に書き込んだ後で一度に名前を変更すれば、成功するか失敗するかのどちらかになる。再起動後、一瞥するだけで進行状況がすぐに復元される。断片を再送し、バイト単位で比較する。手抜きな方法は「この位置には断片があるから、重複と見なして許可する」だが、これはバイト単位で丁寧に比較する：わずかでも不一致があればエラーを投げ、元のデータは一切変更しない。最終的に提供されたのは8つのファイル、約1400行のコード、5つの新API、26のアップロードテストで、ブラウザ側では一時停止・再開とリフレッシュ後の復元も実装した。npm test → 33のテスト、0失敗。さらに、5つの既存インターフェースは一切壊れていない。この課題の鍵は、20分間の間に「もし～したらどうする？」という長大なリストを一つも見落とさなかったことだ。現実のソフトウェアエンジニアリングでは、その「もし～したら」への対応に9割の労力を費やす。
エージェントのエンジニアリングレベルの能力はOpus 4.8に迫る
KAT-Coder-Pro V2.5の実際のランキングでの成績を再確認しましょう。Agenticツール使用能力を評価するPinchBenchでは、KAT-Coder-Pro V2.5は94.2点を獲得し、Opus 4.8を上回りました。また、「最も難しい」とされるリポジトリレベルのソフトウェア工学評価SWE-Bench Proでは、65.2点を記録し、Opus 4.8（69.2点）に次ぐ成績を収め、複数の国内モデルを大きく上回りました。さらに、内部で構築した実際のエンジニアリング評価セットKAT Code Benchでは53.1点で第二陣営にランクインし、ビジネス向けAgentic評価セットKAT Claw Benchでは85.5点を獲得し、最強のクローズドおよびオープンソースモデルと互角の戦いを繰り広げました。コーディングモデル全体の競争において、これは明確に第一陣営への真正な進出です。KAT-Coder-Pro V2.5の実力を見た後、その背後にあるエンジニアリング実装を詳しく探ってみましょう。
コアテクノロジーの分解
今回は、「より長いタスクチェーン、より複雑なビジネスワークフロー」をめぐり、KwaiKATチームがシステム全体のアップグレードを実施しました。具体的には、KAT-Coder-Pro V2.5が3つの重要な次元で包括的な進化を遂げました：
長期的なエンジニアリング能力、汎用的なAgentic能力、そしてこれらを支える大規模なAgentic強化学習システム。「単一ファイルのベンチマークが高い」ことと「プロジェクトで実際に役立つ」ことは別物である。
認識すべき現実：AIに「関数を1つ補完させる」ことと、AIに「1つのエンジニアリングタスクを完全に完了させる」ことは、まったく異なるレベルの能力である。前者は、現在のモデルにとってすでに容易なことだ。しかし、実際のソフトウェアエンジニアリングは、まったく別の顔を持っている。モデルが長距離リポジトリタスクで最もよく犯すミスは、ファイル間の位置を誤って特定すること、プロジェクトの規約を守らないこと、テストが通過していない状態で作業を提出することである。そして、本当のボトルネックは、直感に反する場所に存在する：モデルを立ち往生させるのは、読んだコードの量ではなく、実際に完走したリアルなプロジェクトの数である。問題は、実行可能で検証可能なリポジトリ環境を大量に構築することが極めて困難であり、業界全体で構築に成功する割合は長年16.5％程度にとどまっていることだ。言い換えれば、6つのリポジトリのうち1つでも成功すれば良い方である。KwaiKATの解決策はAutoBuilderであり、モデル自身に「環境エンジニア」として振る舞わせる：リポジトリを分析し、設定を生成し、隔離されたサンドボックス内でテストが実際に実行されているかを検証し、失敗すれば自動的に反復して修正する。効果は即座に現れ、環境構築の成功率は16.5％から57.2％へと急上昇し、12種類のプログラミング言語をカバーする10万以上の実行可能・検証可能なリポジトリ環境が蓄積された。これらの環境における変更タイプは、バグ修正、機能追加、インターフェース互換性確保、モジュール間連携、リグレッション修正など、現実の開発で遭遇するあらゆるシナリオをほぼ再現している。これがV2.5の「トレーニング工場」である。データ処理にももう一つの工夫がある。業界では「正しいものは残し、間違ったものは捨てる」のが一般的だが、KwaiKATはむしろ失敗から価値を掘り起こす。多くの失敗は、たった一歩足りなかっただけであり、方向性は正しく、位置特定も正確なのに、一つの鍵となる判断が欠けていたのだ。チームはこのようなサンプルを抽出し、対応するプロンプトを追加して再実行したところ、約2割が再現可能な高品質なトレーニングデータへと転換された。その結果、モデルは「どうすれば正しくできるか」だけでなく、より貴重な「間違えたときにどう回復するか」も学習した。
Agenticを汎用化し、「ツールを呼び出す」から「業務を担う」へ
コードを書くことは、Agentic能力の半分にすぎません。もう半分は、実際のビジネスワークフローを操ることです。現在のツール呼び出し評価はほとんどが原子的なタスク——天気を調べる、チケットを予約するなど、5回程度で終了します。しかし、実際のビジネスは別の次元です。例を挙げると：
一週間以上の複数プラットフォームのトレンドを調査し、ショートビデオ業界の項目を抽出して、プラットフォームごとにヒートランキング上位5位を選び、章と文字数制限を設け、日付の降順で、データを捏造せずに簡報を作成する。このような作業は、十回以上のやり取りを伴い、多くの隠れたフォーマットと一貫性の制約を伴う。そのうち一環でも途切れれば、全体が台無しになる。長距離プロジェクトと同様、この能力も「現場」で鍛えられる。コード側はAutoBuilderが、ビジネス側はKwaiClawEnvが担い、三層のクローズドループが協調する：
- サービス層で動的にプールを拡張し、コミュニティの多数のスキルをデプロイ可能なサービスに変換します。
- タスク層は実際のビジネスを種として、膨大なタスクのバリエーションを派生させます。
- Eval層では「硬則＋モデルレビュー」の二重フィルタリングを適用し、実行可能で検証可能、行動が自然なトレースのみを残します。
生成されたトレーニングデータでは、1つのトラジェクトリあたり平均15回のツール呼び出しがあり、最長で100ステップ以上をカバーします。これは、データ分析、システム間の統合、一括ドキュメント処理、レポート生成を含み、これらは快手の数千人の開発者およびビジネス担当者が日々実際に直面している業務です。
大規模強化学習で、AIが自ら「やり方」を学ぶ
監督微調整ではモデルが模範解答を真似ることはできますが、見たことのないエラーや予期しないフィードバックには対応できなくなります。モデルに探索・修正・検証を真正に教えるのは大規模なRLです。KwaiKATチームは以下の3点に力を注ぎました：
一是フランクスケーリング（Harness Scaling）。
ミニ・SWE・エージェント、Claude Code、Codex、OpenClawなどの複数のフレームワークでモデルを順番に実践させます。これらのフレームワークは、呼び出しプロトコル、コンテキスト管理、制御フローにおいて大きく異なり、モデルが「タスクを解決する」ことに本質的な能力を身につけ、フレームワークを変更しても適応できなくなることを防ぎます。
第二は長期的な信用配分です。
数百回のインタラクションの中で、良い結果はどのステップによってもたらされたのか？チームは非対称PPOを採用：モデルは実環境の情報のみを参照して作業し、訓練中の評価者（Critic）には「神の視点」を追加で活用させた。これにより、最終テストの合格可否やパッチの品質を、特定のステップに正確に報酬やペナルティとして反映し、「一歩のミスで全体が失敗する」状況を回避した。
第三是三层奖励。
上層では、実際のテスト結果をロックし、テストの改ざんや点数操作を完全に防ぐ。中層では、ツールの呼び出しや一時ファイルの削除などのエンジニアリング習慣を標準化する。下層では、「位置特定が正確で、一部のテストは成功している」などの価値のある失敗にもポジティブなフィードバックを提供し、モデルの探求意欲を守る。注目すべきは、チーム当初は報酬が上がらないのはアルゴリズムの問題だと考えていたが、調査の結果、真の原因は訓練環境そのものであることが判明した——初期段階では、約16％のトレースで、少なくとも1回の失敗がサンドボックス由来であった。ハードなインフラ整備を経て、サンドボックスによるフィードバックエラー率は2％以下に低下し、訓練のクラッシュ頻度は約1桁減った。これらの地味な基盤作業こそが、その後の安定した訓練を支えたのである。
一つのモデルに五つの機能を収める
長期プロジェクト、汎用エージェント、エンドポイント、フロントエンドの美学、汎用知識——この5つの分野について、KwaiKATはそれぞれ専門家を訓練した。難しいのは、これらを1つのモデルに統合し、「片方を押すと反対側が浮き上がる」というバランスの問題を回避することだ。チームの答えはMOPD（多教師オンライン戦略蒸留）だった：学生が自ら問題を解き、その問題がどの分野に属するかに応じて該当する専門家に指導を求める。能力はパラメータを強引に統合するのではなく、関数空間で融合させる。
KAT-Coder-Pro V2.5 で、5人の専門家のスキルを一度に発揮。デプロイ時に切り替える必要なし。コードを書くも、プロセスを実行するも、ページを作成するも、すべてこれ1つで対応。前代で広く好評だったフロントエンドの美的能力は、このバージョンでも完全に継承されており、このメカニズムが証明されています：新しい機能は大幅に拡張され、従来の機能は一切損なわれていません。このような徹底的な再構築が、最も説得力のある成果を生み出しました。
コーディングの後半は「エンジニアリング」の勝負だ
KAT-Coder-Pro V2.5の背後には、現在のプログラミングモデルの強化を制限している要因が「モデルの規模」から「周辺インフラの堅牢性」へと移行しているという明確な判断があります。そのため、環境構築、トレジャクト合成、RLの安定性、能力の統合が、すべて同等に重要なシステムエンジニアリング課題として取り組まれました。その結果、トップレベルのエージェントツール利用能力と、世界最前線に最も近いリポジトリレベルのエンジニアリング能力という明確な能力プロファイルが得られました。開発者にとって、これは、完全なイシューや一連のワークフローをAIに任せ、AIの世話を焼く必要がなくなり、安心して実行できるということを意味します。今すぐ、KAT-Coder-Pro V2.5が全面リリースされ、すぐに体験できます。利用方法：StreamLake.comを通じてAPIを直接呼び出し（モデルID：kat-coder-pro-v2.5）。