KwaiKAT เปิดตัว KAT-Coder-Pro V2.5 แสดงความสามารถในการเขียนโค้ดขั้นสูง

โมเดลการเขียนโค้ดของจีนทำได้สุดยอด! ทดสอบจริง KAT-Coder-Pro V2.5 ของ Kuaishou ปิดวงจรบั๊กจริงใน 1 นาที 20 วินาที สร้าง Minecraft ด้วยโค้ด 1,395 บรรทัดด้วยมือเปล่า ความสามารถด้านวิศวกรรมระยะยาวใกล้เคียง Opus 4.8 ไม่ต้องเป็นพี่เลี้ยงของ AI อีกต่อไป

ผู้เขียนบทความ แหล่งที่มา: ซินจีหยวน

การทดสอบจริงหนึ่งหน่วยแสดงว่า AI การเขียนโค้ดไปถึงระดับนี้แล้วหรือ?

ไม่ว่าจะพูดถึงมันมากแค่ไหน ก็ไม่เท่ากับการพิสูจน์ด้วยการใช้งานจริง ต่อไปนี้ เราจะนำ KAT-Coder-Pro V2.5 ไปใช้งานในสถานการณ์จริงเพิ่มเติม เพื่อค้นหาข้อเท็จจริงทั้งหมดของมัน

ไม่เล่นเกมแล้ว ขอเปิดเผยตรงๆ—AI ที่ฝังใน CC นี้คือ KAT-Coder-Pro V2.5 ที่ Kuaishou เปิดตัว ซึ่งเป็นโมเดล Agentic Coding ระดับเฟลกชิป ขณะที่ AI อื่นๆ อาจยังติดอยู่กับการ “ช่วยเติมโค้ดบางส่วน” แต่มันมุ่งแก้ปัญหาที่ว่า “ทำทั้งโปรเจกต์ให้คุณโดยตรง” นี่คือช่องว่างสุดท้ายที่ยืนหยัดอยู่หน้าโมเดลการเขียนโค้ดทุกตัว

จุดโทษก่อนหน้านี้เป็นเพียงการอุ่นเครื่อง ต่อไปเราจะเพิ่มความเข้มข้นให้กับ V2.5 และสร้างแบบจำลอง《Minecraft》แบบเรียลไทม์

คำแนะนำมีมากกว่า 400 บรรทัด ให้บีบอัดลงหน่อย ประมาณนี้:

ไฟล์ HTML เดียว, Three.js, มุมมองบุคคลที่หนึ่ง บล็อก 14 ชนิด แต่ละชนิดมีค่าความแข็ง ความโปร่งใส และคุณสมบัติการชน ก้อนฐานไม่สามารถทำลายได้ รูปพื้นผิวทั้งหมดต้องสร้างด้วย Canvas เป็นภาพขนาด 16×16 พิกเซล — ห้ามใช้รูปภาพภายนอกใดๆ สร้างเกาะโดยใช้เสียงรบกวนแบบสุ่มคงที่ พร้อมเนินเขา ชายฝั่ง น้ำตื้น และเหมืองใต้ดิน สร้างป่าโอ๊กโดยอัตโนมัติ รวมถึงบ้านเล็กในป่าที่สามารถเดินเข้าไปได้ (พื้นไม้ คานไม้แท่ง หน้าต่างกระจก หลังคาหินกลม ปล่องอิฐ) และวางทางเดินหินกลมจากจุดเกิดไปยังบ้าน แสดงกรอบเมื่อเล็ง คลิกค้างปุ่มซ้ายเพื่อแสดงแถบความคืบหน้า เมื่อขุดแตกจะปล่อยอนุภาคเศษชิ้นเล็กๆ เสียงประกอบต้องสร้างแบบเรียลไทม์ด้วย Web Audio

ทันทีนั้น โลกของ Minecraft ที่เล่นได้ก็เสร็จสมบูรณ์ คลิกที่ “เข้าสู่โลก” เมาส์จะถูกล็อกไว้ในหน้าจอ ใต้เท้าคือหญ้า มองขึ้นไปเห็นท้องฟ้าสีฟ้า ทางเดินหินกรวดทอดยาวจากเท้าของคุณ โค้งรอบต้นโอ๊ก ไปสู่บ้านหลังเล็กๆ ด้านหลังต้นไม้—ผนังไม้ คานไม้เปลือย หลังคาหินกรวด และปล่องควันอิฐแดง รอบผนังมีหน้าต่างกระจกติดอยู่ ต่อมา เดินไปยังพื้นที่ว่างด้านหน้าบ้าน กดปุ่มซ้ายค้างไว้ “ป๊อป” เสียงหญ้าก็แตกออกเป็นชิ้นๆ ลูกบาศก์สีเขียวเล็กๆ ประมาณสิบชิ้นกระโดดออกมาจากหลุมและตกลงมาแบบพลิกตัว ชิ้นส่วนที่หล่นลงมาเป็นสีเดียวกับก้อนที่เพิ่งถูกขุดออกไป จากนั้น เลื่อนแถบเครื่องมือเพื่อเลือกวัสดุต่างๆ เช่น ทราย ไม้โอ๊ก และหิน ถึงเวลาแล้วที่จะเริ่มสร้างบ้านของคุณอย่างเต็มที่ น่าประหลาดใจคือ ในโลกเล็กๆ นี้ เราได้ชมพระอาทิตย์ตกดินที่ทาสีท้องฟ้าให้เปล่งประกาย

มาทดสอบอีกหนึ่งแบบที่เกี่ยวข้องกับการโต้ตอบ ให้ V2.5 ปั้นระบบสุริยะด้วยมือเปล่า เพื่อสำรวจขีดจำกัดของมัน เราได้กำหนดเงื่อนไขที่เข้มงวดอย่างยิ่ง:

มากกว่า 1,000 บรรทัดของคำแนะนำ ประเด็นหลักมีดังนี้:

ไฟล์ HTML เดียว ใช้ Canvas 2D เท่านั้น ห้ามใช้ Three.js กำหนดค่าพารามิเตอร์วงโคจรจริงตามยุค J2000 สำหรับดาวเคราะห์แปดวงและดาวบริวาร 11 ดวง ได้แก่ ความยาวครึ่งแกนหลัก ความเบี่ยงเบน ความเอียง ความยาวจุดขึ้น ค่าพารามิเตอร์จุดใกล้ดวงอาทิตย์ และมุมเฉลี่ยใกล้ดวงอาทิตย์ ห้ามใช้ angle += speed ดาวเคราะห์และดาวบริวารต้องแก้สมการเคปเลอร์ด้วยวิธีนิวตัน-ราฟสัน โดยใช้ daysSinceJ2000 ร่วมกัน ความเร็วการหมุนรอบตัวของดาวศุกร์และดาวยูเรนัสต้องเป็นค่าลบ ดาวทิตานต้องหมุนย้อนกลับ โดยมีความเอียง 157.3° วงแหวนของดาวเสาร์และดาวยูเรนัสต้องวาดเป็นสองครั้ง—ครั้งแรกด้านหน้า แล้วค่อยวาดด้านหลัง เพื่อให้ดาวเคราะห์บังวงแหวนได้ ในความเร็วสูง ดาวบริวารต้องเปลี่ยนเป็นโหมดเส้นทางเพื่อป้องกันการกระพริบ เมื่อหยุดชั่วคราว การหมุนของพื้นผิวดาวเคราะห์ต้องหยุดด้วย เมื่อเล่นย้อนกลับ ต้องถอยหลังแบบย้อนทิศทาง พื้นผิวดาวเคราะห์ทั้งหมดต้องวาดด้วยโปรแกรม: ดาวพฤหัสต้องมีจุดแดงใหญ่ที่หมุนผ่านครึ่งทรงกลมที่มองเห็นได้; ทวีปของโลกต้องหายไปเมื่อหมุนไปด้านหลัง และปรากฏขึ้นใหม่จากอีกด้านหนึ่ง เพิ่มเติม: ความเร็วเวลาแปดระดับ สองอัตราส่วนวงโคจร การติดตามกล้องเสมือน ดวงดาวคงที่ 700 ดวงด้วยเมล็ดสุ่มเดียวกัน แถบดาวเคราะห์น้อย แถบไคเปอร์ การจัดวางแบบตอบสนอง และแปดปุ่มลัด

สำหรับความต้องการที่ซับซ้อนเช่นนี้ V2.5 แสดงให้เห็นถึงแนวคิดทางวิศวกรรมแบบฉบับตำรา มันแยกโครงการทั้งหมดอย่างแม่นยำ: ตั้งแต่การออกแบบสถาปัตยกรรมและกลยุทธ์การคำนวณเส้นทาง ไปจนถึงระบบสัดส่วนสองเส้นทางแบบรวม การสร้างพื้นหลังท้องฟ้าดาว ไปจนถึงการวาดดาวหลัก การเรนเดอร์ชั้นวงแหวนดาวเคราะห์ และการจัดการระบบดาวเทียมที่ซับซ้อน ทุกโมดูลมีลำดับขั้นอย่างเป็นขั้นเป็นตอน และตรรกะเชื่อมโยงกันอย่างแน่นหนา ไม่ต้องพูดมาก ไปดูตัวอย่างกันเลย

เปิดเว็บเพจนี้ ตรงกลางแสดงวันที่ของวันนี้ และดาวเคราะห์ทั้งแปดวงบนหน้าจออยู่ในตำแหน่งที่แท้จริงของพวกมันในขณะนี้ นี่ไม่ใช่ภาพของระบบสุริยะ แต่เป็นระบบสุริยะที่ทำงานจริง! ดวงอาทิตย์อยู่ตรงกลาง และดาวเคราะห์แต่ละดวงเรียงตัวออกมายังคงเคลื่อนที่ ระหว่างดาวอังคารและดาวพฤหัสบดี มีฝุ่นละเอียดหมุนช้าๆ — แถบดาวเคราะห์น้อย ทุกสรรพสิ่ง ทุกดวงจันทร์ และเมฆแต่ละเมฆบนพื้นผิวดาวเคราะห์ ถูกตั้งค่าให้ขับเคลื่อนด้วยเวลาจำลองเดียวกัน เมื่อกดปุ่มหยุดชั่วคราว ดาวเคราะห์จะหยุดโคจร ดวงจันทร์จะหยุดโคจร และโลกจะหยุดหมุนรอบตัวเอง คลิกที่ดาวเสาร์ แผงข้อมูลจะเลื่อนออกมาทางขวา ในหน้าต่างตัวอย่างเล็กๆ ด้านบนแผง ดาวเสาร์ค่อยๆ หมุนรอบตัวเอง แหวนก็หมุนตามไปด้วย ความสัมพันธ์ของการบังซ้อนกันแม่นยำสมบูรณ์แบบ สิ่งนี้ไม่ได้ดูเหมือนการบ้านอีกต่อไป แต่ดูเหมือนผลิตภัณฑ์ที่เปิดใช้งานแล้ว

จากนั้น เราได้นำ KAT-Coder-Pro V2.5 ไปทดสอบในบั๊กจริงของโปรเจกต์โอเพ่นซอร์ส ผลลัพธ์น่าตื่นเต้นกว่าการทดสอบประสิทธิภาพมาก โจทย์นี้มาจาก humanize ซึ่งเป็นไลบรารีโอเพ่นซอร์ส Python ที่แท้จริง ในปี 2024 มันมีบั๊กจริง: naturaldelta(timedelta(hours=-5)) ควรคืนค่าเป็น “5 hours” แต่กลับตอบว่า “a day” — ห้าชั่วโมงลบถูกแปลงเป็นหนึ่งวันเต็ม เราจึงย้อนกลับไปยัง commit ที่ยังมีบั๊กอยู่ แล้วส่งเฉพาะ issue ให้มัน โดยไม่ให้คำใบ้ใดๆ เลยตลอดกระบวนการ หลังจากค้นหา pattern สองแบบและอ่านไฟล์สองไฟล์ มันก็ให้การวิเคราะห์โดยตรงว่า: Python เก็บค่า timedelta ลบในรูปแบบ complement โดย timedelta(hours=-5) ภายในจะถูกเก็บเป็น days=-1, seconds=68400 โค้ดเดิมใช้ abs() กับแต่ละส่วน ทำให้ -1 วันกลายเป็น 1 วัน และ 68400 วินาทียังคงเดิม ส่งผลให้รวมกันเป็น “1 วัน + 19 ชั่วโมง” การวิเคราะห์รากเหง้าของปัญหานี้ตรงกับการวินิจฉัยของการแก้ไขอย่างเป็นทางการอย่างสมบูรณ์ — การเก็บแบบ complement, สัญลักษณ์ของแต่ละส่วนไม่สอดคล้องกัน, และการใช้ abs() แยกกันทำให้เกิดข้อผิดพลาด แต่วิธีแก้ที่มันเสนอต่างจากของทางการ: ทางการใช้วิธีหาค่าสัมบูรณ์ของ timedelta ทั้งหมด ในขณะที่มันเลือกแปลงเป็นจำนวนวินาทีรวมก่อนแล้วค่อยแบ่งย่อยกลับมา โดยที่ควรกล่าวเพิ่มเติมว่า การทดสอบทั้งชุดนี้ทำงานบน Claude Code และ Claude Code เป็นหนึ่งในสภาพแวดล้อมการฝึกอบรมที่ได้รับการระบุอย่างชัดเจนใน Harness Scaling — mini-swe-agent, Claude Code, Codex, OpenClaw การฝึกฝนซ้ำๆ บนหลายกรอบงาน มีเป้าหมายเพื่อให้ “เปลี่ยนกรอบงานก็ไม่ติดปัญหา” และจากการทดสอบจริง มันสามารถปรับตัวได้อย่างสมบูรณ์แบบ โดยไม่มีอาการ “ไม่ชินกับสภาพแวดล้อม” เลย

คำถามสุดท้ายไม่ใช่การแก้บั๊ก แต่คือการเพิ่มฟีเจอร์ทั้งชุดเข้าไปในระบบที่ยังทำงานอยู่ ทุกคนเคยประสบปัญหานี้: คุณอัปโหลดไฟล์ขนาด 1 GB ไปถึง 92% แล้วอินเทอร์เน็ตหลุด คุณรีเฟรชหน้าเว็บ—มันเริ่มต้นใหม่จาก 0% วิธีแก้คือการอัปโหลดแบบแบ่งชิ้น: ตัดไฟล์ออกเป็นพันชิ้น ถ้าขาดตอน ก็แค่อัปโหลดชิ้นที่ยังไม่เสร็จเท่านั้น ฟังดูง่าย: ตัดชิ้น อัปโหลด แล้วประกอบกลับใหม่ แต่สิ่งที่ยากไม่ใช่สามขั้นตอนนี้ แต่คือความยุ่งเหยิงที่อยู่ระหว่างกลาง:

ชิ้นส่วนมาไม่เรียงลำดับ ไคลเอ็นต์เชื่อมต่อใหม่และส่งซ้ำ เซิร์ฟเวอร์ไม่สามารถแยกแยะได้ว่าเป็นการลองใหม่หรือการทับซ้อน เมื่อเซิร์ฟเวอร์รีสตาร์ท ชิ้นส่วน 700 ชิ้นบนดิสก์ก็กลายเป็น孤儿ที่ไม่มีเจ้าของ และแม้ว่าชิ้นส่วนจะมาครบหมด ก็ไม่ได้หมายความว่าถูกส่งถูกต้อง

มันใช้เวลาวิ่ง 20 นาที 12 วินาที วิธีแก้คือ แบ่งดิสก์ออกเป็นสามลิ้นชัก: ไฟล์ที่เผยแพร่แล้ว, เมตาดาต้าความคืบหน้า, และชิ้นส่วนที่ยังไม่ส่งเสร็จ ชิ้นส่วนจะอยู่ในโฟลเดอร์ chunks/ เสมอ ซึ่งไม่สามารถเข้าถึงพื้นที่ที่เผยแพร่แล้วได้โดยตรง เมตาดาต้าจะเขียนลงไฟล์ชั่วคราวก่อน แล้วจึงเปลี่ยนชื่อแบบอะตอมิก เพราะกระบวนการอาจพังลงระหว่างเขียนความคืบหน้าครึ่งทาง ทิ้งข้อมูลที่เสียหายไว้ การเขียนให้สมบูรณ์ก่อน แล้วจึงเปลี่ยนชื่อเพียงครั้งเดียว จะทำให้สำเร็จทั้งหมดหรือล้มเหลวทั้งหมด หลังรีสตาร์ท แค่สแกนดูครั้งเดียว ความคืบหน้าก็กลับมาทันที การแบ่งชิ้นซ้ำๆ และเปรียบเทียบทีละไบต์ วิธีที่ขี้เกียจคือ “ถ้าตำแหน่งนี้มีชิ้นอยู่แล้ว ถือว่าซ้ำ อนุญาตให้ผ่าน” แต่มันเปรียบเทียบทีละไบต์: ถ้ามีความแตกต่างแม้แต่นิดเดียว จะขึ้นข้อผิดพลาด และข้อมูลเดิมจะไม่เปลี่ยนแปลงเลย สุดท้ายได้ไฟล์ 8 ไฟล์ ประมาณ 1,400 บรรทัดของโค้ด 五个 API ใหม่ และการทดสอบการอัปโหลด 26 กรณี โดยรวมถึงการหยุดชั่วคราวและกู้คืนหลังรีเฟรชบนเบราว์เซอร์ npm test → การทดสอบ 33 กรณี ล้มเหลว 0 กรณี และอินเทอร์เฟซเก่าห้าอันไม่มีอันไหนเสียหายเลย กุญแจสำคัญของโจทย์นี้คือ ในช่วงยี่สิบนาทีนั้น มันไม่ได้ลืม “ถ้าเกิด... จะทำอย่างไร” ข้อใดเลย งานวิศวกรรมซอฟต์แวร์จริงๆ ร้อยละเก้าของความพยายามมุ่งไปที่ “ถ้าเกิด... จะทำอย่างไร” เหล่านี้

ความสามารถระดับเอเจนต์ใกล้เคียงกับ Opus 4.8

มาดูผลงานของ KAT-Coder-Pro V2.5 ในรายการจริงอีกครั้ง ใน PinchBench ซึ่งวัดความสามารถในการใช้เครื่องมือ Agentic KAT-Coder-Pro V2.5 ได้คะแนน 94.2 คะแนน แซงหน้า Opus 4.8 ไปแล้ว ใน SWE-Bench Pro ซึ่งได้รับการยอมรับว่าเป็นรายการที่ยากที่สุดสำหรับวิศวกรรมซอฟต์แวร์ระดับรีโพสิทอรี มันได้คะแนน 65.2 คะแนน ซึ่งตามหลัง Opus 4.8 (69.2 คะแนน) เพียงเล็กน้อย และเหนือกว่าโมเดลภายในประเทศหลายตัว นอกจากนี้ ในชุดการประเมินงานจริงที่สร้างขึ้นภายใน KAT Code Bench มันได้คะแนน 53.1 คะแนน ซึ่งอยู่ในกลุ่มที่สอง; และในชุดการประเมิน Agentic ที่ใช้งานจริง KAT Claw Bench มันได้คะแนน 85.5 คะแนน ซึ่งแข่งขันอย่างใกล้ชิดกับโมเดลปิดและเปิดที่ดีที่สุด ในบริบทของสนามโมเดลการเขียนโค้ดทั้งหมด นี่คือก้าวสำคัญที่เข้าสู่กลุ่มชั้นนำอย่างแท้จริง เมื่อได้เห็นศักยภาพจริงของ KAT-Coder-Pro V2.5 แล้ว ถึงเวลาที่จะมาเจาะลึกการดำเนินงานเบื้องหลังของมัน

การวิเคราะห์เทคโนโลยีหลัก

ในครั้งนี้ ทีม KwaiKAT ได้ทำการอัปเกรดระบบอย่างเป็นระบบรอบๆ 「เส้นทางงานที่ยาวนานขึ้นและกระบวนการธุรกิจที่ซับซ้อนมากขึ้น» โดยเฉพาะอย่างยิ่ง KAT-Coder-Pro V2.5 ได้บรรลุความก้าวหน้าอย่างครอบคลุมในสามมิติหลัก:

ความสามารถด้านโครงการระยะยาว ความสามารถแบบ Agentic ทั่วไป และระบบการเรียนรู้แบบเสริมแรงแบบ Agentic ขนาดใหญ่ที่สนับสนุนทั้งหมดนี้

“ไฟล์เดียวทำงานได้ดี” และ “ทำงานได้จริงในโปรเจกต์” คือสองเรื่องที่ต่างกัน

ความจริงที่ต้องเข้าใจ: การให้ AI “เติมฟังก์ชันหนึ่ง” กับการให้ AI “ทำงานวิศวกรรมซอฟต์แวร์ทั้งหมด” เป็นความสามารถที่ต่างกันหลายระดับ สำหรับกรณีแรก โมเดลปัจจุบันทำได้คล่องแคล่วอยู่แล้ว แต่งานวิศวกรรมซอฟต์แวร์จริงกลับมีลักษณะที่ต่างออกไปอย่างสิ้นเชิง โมเดลมักล้มเหลวในงานระยะยาวสามแบบหลัก คือ ระบุตำแหน่งข้ามไฟล์ผิด ไม่ปฏิบัติตามมาตรฐานโครงการ และส่งงานก่อนทดสอบผ่าน จุดที่เป็นข้อจำกัดจริงมักอยู่ในที่ที่ไม่ตรงกับสัญชาตญาณ: สิ่งที่ขัดขวางโมเดลไม่ใช่จำนวนโค้ดที่มันอ่านผ่านมา แต่คือจำนวนโครงการจริงที่มันสามารถรันและตรวจสอบได้อย่างสมบูรณ์ ปัญหาคือ การสร้างสภาพแวดล้อมโครงการที่สามารถรันและตรวจสอบได้ในปริมาณมากนั้นยากมาก โดยอัตราความสำเร็จในการสร้างโดยตรงในอุตสาหกรรมยังคงอยู่ที่ประมาณ 16.5% เท่านั้น พูดอีกแบบคือ แม้จะสร้างหกโครงการ ก็อาจรันได้เพียงหนึ่งโครงการเท่านั้น KwaiKAT แก้ปัญหานี้ด้วย AutoBuilder ซึ่งทำให้โมเดลทำหน้าที่เป็น “วิศวกรสภาพแวดล้อม” ด้วยการวิเคราะห์โครงการ สร้างการตั้งค่า และตรวจสอบว่าการทดสอบถูกดำเนินการจริงภายใน sandbox ที่แยกจากกัน หากไม่ผ่าน จะทำการปรับปรุงอัตโนมัติ ผลลัพธ์เห็นได้ชัดเจน: อัตราความสำเร็จในการสร้างสภาพแวดล้อมพุ่งจาก 16.5% เป็น 57.2% และสะสมสภาพแวดล้อมโครงการที่สามารถรันและตรวจสอบได้มากกว่า 100,000 โครงการ ครอบคลุมภาษาโปรแกรม 12 ภาษา ประเภทการเปลี่ยนแปลงในสภาพแวดล้อมเหล่านี้ครอบคลุมการแก้ไขข้อบกพร่อง การเติมฟังก์ชัน การรักษาความเข้ากันได้ของอินเทอร์เฟซ การเชื่อมโยงข้ามโมดูล และการแก้ไขการย้อนกลับ แทบจะจำลองสถานการณ์ทั้งหมดที่พบในพัฒนาการจริง นี่คือ “ห้องฝึกอบรม” ของเวอร์ชัน V2.5 นอกจากนี้ยังมีกลยุทธ์อีกอย่างหนึ่งในการจัดการข้อมูล โดยอุตสาหกรรมมักใช้วิธี “เก็บข้อมูลที่ถูกต้อง ทิ้งข้อมูลที่ผิด” แต่ KwaiKAT เลือกค้นหาทองคำจากความล้มเหลว—ความล้มเหลวจำนวนมากแท้จริงแล้วขาดเพียงก้าวสุดท้ายเท่านั้น: ทิศทางถูกต้อง การระบุตำแหน่งแม่นยำ เพียงแต่ขาดการตัดสินใจสำคัญหนึ่งครั้ง ทีมงานคัดกรองตัวอย่างเหล่านี้ออกมา และรันซ้ำด้วยคำแนะนำเฉพาะเจาะจง ประมาณร้อยละยี่สิบของตัวอย่างเหล่านี้เปลี่ยนเป็นข้อมูลการฝึกอบรมคุณภาพสูงที่สามารถทำซ้ำได้ ดังนั้น โมเดลจึงเรียนรู้ไม่เพียงแค่ “ทำอย่างไรให้ถูก” แต่ยังเรียนรู้สิ่งที่มีค่ามากกว่านั้นคือ “เมื่อผิดพลาดแล้วจะแก้ไขอย่างไร”

Agentic ทั่วไป จาก “สามารถเรียกใช้เครื่องมือ” สู่ “รับผิดชอบงานได้”

การเขียนโค้ดเป็นเพียงครึ่งหนึ่งของความสามารถแบบ Agentic อีกครึ่งหนึ่งคือการจัดการกระบวนการทางธุรกิจจริง เครื่องมือประเมินการเรียกใช้งานปัจจุบันส่วนใหญ่เป็นงานแบบอะตอม—เช่น ตรวจสอบสภาพอากาศ จองตั๋ว ใช้เวลาประมาณห้ารอบก็เสร็จ แต่ธุรกิจจริงอยู่ในอีกระดับหนึ่ง ตัวอย่างเช่น:

อ่านแนวโน้มยอดนิยมข้ามหลายแพลตฟอร์มเป็นเวลาหนึ่งสัปดาห์ คัดกรองรายการที่เกี่ยวข้องกับอุตสาหกรรมวิดีโอสั้น ดึงอันดับห้าอันดับแรกตามแต่ละแพลตฟอร์ม แล้วจัดทำรายงานสรุปที่มีหัวข้อและข้อจำกัดจำนวนคำ จัดเรียงตามวันที่ย้อนกลับ และห้ามสร้างข้อมูลเท็จ

งานประเภทนี้ มักมีการโต้ตอบมากกว่าสิบรอบ และถูกห่อหุ้มด้วยข้อจำกัดด้านรูปแบบและความสอดคล้องที่ซ่อนอยู่มากมาย หากมีขั้นตอนใดขั้นตอนหนึ่งขาดหาย ทั้งกระบวนการก็ล้มเหลว คล้ายกับโครงการระยะยาว ความสามารถนี้ก็ถูกฝึกฝนมาจาก “โรงงาน” ด้านโค้ดใช้ AutoBuilder ส่วนด้านธุรกิจใช้ KwaiClawEnv ทำงานร่วมกันในวงจรปิดสามชั้น:

• ชั้นบริการขยายขนาดแอ่งแบบไดนามิก และแปลงทักษะจำนวนมากจากชุมชนให้เป็นบริการที่สามารถใช้งานได้
• ชั้น Task ใช้ธุรกิจจริงเป็นจุดเริ่มต้น แล้วสร้างความหลากหลายของงานจำนวนมาก
• ระดับ Eval ใช้การกรองแบบสองชั้น “กฎที่เข้มงวด + การประเมินโดยโมเดล” เพื่อเหลือเพียงเส้นทางที่สามารถดำเนินการได้ ตรวจสอบได้ และมีพฤติกรรมเป็นธรรมชาติ

ในชุดข้อมูลการฝึกที่สร้างขึ้น แต่ละเส้นทางเฉลี่ยมีการเรียกใช้เครื่องมือ 15 ครั้ง และยาวสูงสุดเกิน 100 ขั้นตอน ครอบคลุมการวิเคราะห์ข้อมูล การผสานระบบข้ามกัน การประมวลผลเอกสารเป็นจำนวนมาก และการสร้างรายงาน ซึ่งล้วนเป็นงานที่ทีมพัฒนาและธุรกิจหลายพันคนของ Kuaishou ต้องเผชิญทุกวัน

การเรียนรู้เชิงลึกในขนาดใหญ่ ทำให้ AI เรียนรู้ด้วยตัวเองว่า “ต้องทำอย่างไร”

การปรับแต่งแบบมีผู้ควบคุมช่วยให้โมเดลสามารถลอกแบบจากตัวอย่างได้ แต่เมื่อเจอข้อผิดพลาดหรือข้อมูลย้อนกลับที่ไม่เคยพบมาก่อน โมเดลจะสับสนทันที สิ่งที่แท้จริงแล้วสอนให้โมเดลสำรวจ แก้ไขข้อผิดพลาด และตรวจสอบ คือ RL ขนาดใหญ่ ทีม KwaiKAT มุ่งเน้นความพยายามไปที่จุดต่อไปนี้สามจุด:

หนึ่งคือการขยายขนาดแบบไม่มีข้อจำกัด (Harness Scaling)

ให้โมเดลฝึกฝนในกรอบต่างๆ เช่น mini-swe-agent, Claude Code, Codex, OpenClaw โดยสลับกันไป กรอบเหล่านี้มีความแตกต่างอย่างมากในเรื่องโปรโตคอลการเรียกใช้ การจัดการบริบท และการควบคุมการไหลของโปรแกรม ทำให้โมเดลต้องพัฒนาทักษะไปที่ “การแก้ไขงาน” โดยตรง ไม่ว่าจะเปลี่ยนกรอบใดก็ไม่ตกใจหรือปรับตัวไม่ได้

ที่สองคือการจัดสรรความน่าเชื่อถือระยะยาว

ในหลายร้อยรอบการโต้ตอบ ผลลัพธ์ที่ดีเกิดขึ้นจากขั้นตอนใดกันแน่? ทีมใช้ PPO แบบไม่สมมาตร: ขณะโมเดลทำงาน จะดูข้อมูลจากสภาพแวดล้อมจริงเท่านั้น แต่ Critic ที่ใช้ให้คะแนนในการฝึกอบรมสามารถใช้ข้อมูลเพิ่มเติมจากมุมมองของ “ผู้ทรงอำนาจ” — ทำให้การให้รางวัลหรือลงโทษสามารถระบุได้อย่างแม่นยำว่าเกิดขึ้นที่ขั้นตอนใด โดยหลีกเลี่ยงปัญหา “ผิดเพียงขั้นตอนเดียว ทั้งระบบล้มเหลว”

三是三层奖励。

ระดับบน: ยืนยันผลการทดสอบที่แท้จริง เพื่อปิดช่องทางการทุจริตผลการทดสอบ; ระดับกลาง: กำหนดมาตรฐานการเรียกใช้เครื่องมือ การล้างไฟล์ชั่วคราว และนิสัยทางวิศวกรรมอื่นๆ; ระดับล่าง: ให้แรงบวกกับความล้มเหลวที่มีคุณค่า เช่น “ระบุตำแหน่งได้แม่นยำ ทดสอบบางส่วนแล้ว” เพื่อปกป้องความอยากรู้อยากทดลองของโมเดล น่าสังเกตว่าทีมเคยคิดว่าปัญหาค่ารางวัลไม่เพิ่มขึ้นเกิดจากอัลกอริทึม แต่หลังตรวจสอบพบว่าต้นเหตุแท้จริงคือสภาพแวดล้อมการฝึกอบรมเอง—ในช่วงต้น ประมาณ 16% ของเส้นทางการฝึกมีอย่างน้อยหนึ่งครั้งที่ล้มเหลวเนื่องจากซานด์บ็อกซ์ ไม่ใช่โมเดล หลังจากปรับปรุงโครงสร้างพื้นฐานอย่างเข้มข้น อัตราความผิดพลาดของซานด์บ็อกซ์ถูกลดลงเหลือต่ำกว่า 2% และความถี่ของการล่มขณะฝึกอบรมลดลงประมาณหนึ่งระดับของขนาด นี่คืองานรากฐานที่ดูเหมือนเล็กน้อยแต่เป็นรากฐานที่สนับสนุนการฝึกอบรมที่ราบรื่นในภายหลัง

โมเดลหนึ่ง รองรับห้าความสามารถ

โครงการระยะยาว แอเจนต์ทั่วไป ตัวปลายทาง ความงามของอินเตอร์เฟซผู้ใช้ และความรู้ทั่วไป — KwaiKAT ได้ฝึกผู้เชี่ยวชาญหนึ่งคนสำหรับแต่ละทิศทางนี้ ความท้าทายคือการรวมทั้งห้าสิ่งนี้ให้เป็นโมเดลเดียว โดยหลีกเลี่ยงปัญหา “กด葫芦ให้ลูกฟองขึ้นมา” คำตอบของทีมคือ MOPD (Multi-Teacher Online Policy Distillation): นักเรียนทำข้อสอบด้วยตัวเอง ข้อใดอยู่ในสาขาใด ก็เชิญผู้เชี่ยวชาญสาขา tersebut มาช่วยเหลือ ความสามารถจะถูกรวมกันในพื้นที่ฟังก์ชัน ไม่ใช่การบีบอัดพารามิเตอร์แบบตรงๆ

KAT-Coder-Pro V2.5 พร้อมความสามารถของผู้เชี่ยวชาญห้าคนในตัวเดียว ไม่ต้องสลับระหว่างการติดตั้ง— เขียนโค้ด รันกระบวนการ สร้างหน้าเว็บ ทำได้หมดด้วยตัวเดียว

ความสามารถด้านการออกแบบหน้าตาของรุ่นก่อนที่ได้รับความนิยมอย่างมากยังคงถูกสืบทอดอย่างสมบูรณ์ในรุ่นนี้ ซึ่งยืนยันกลไกนี้ได้อย่างชัดเจน: ทักษะใหม่ถูกขยายใหญ่ขึ้นอย่างมาก ขณะที่ทักษะเดิมไม่สูญหายไปแม้แต่นิด ความพยายามอย่างเต็มที่ในการรีโครงสร้างนี้ได้สร้างผลงานที่น่าเชื่อถือที่สุดโดยตรง

ครึ่งหลังของการเขียนโค้ด ขึ้นอยู่กับ “วิศวกรรม”

KAT-Coder-Pro V2.5 ถูกพัฒนาขึ้นจากความเข้าใจที่ชัดเจนว่า ข้อจำกัดที่ทำให้โมเดลการเขียนโปรแกรมไม่สามารถแข็งแกร่งขึ้นอีกในขณะนี้ ได้เปลี่ยนจาก “ขนาดของโมเดล” เป็น “ความมั่นคงของโครงสร้างพื้นฐานรอบข้าง” ดังนั้น การสร้างสภาพแวดล้อม การสร้างเส้นทางจำลอง ความเสถียรของ RL และการรวมความสามารถต่างๆ จึงถูกจัดเป็นโครงการระบบระดับสูงที่ต้องแก้ไขอย่างจริงจัง ผลลัพธ์ที่ได้คือภาพรวมความสามารถที่ชัดเจน—การใช้เครื่องมือ Agentic ระดับยอดเยี่ยม บวกกับความสามารถด้านวิศวกรรมระดับคลังข้อมูลที่ใกล้เคียงกับแนวหน้าของโลกมากที่สุด สำหรับนักพัฒนา นี่หมายความว่าตอนนี้คุณสามารถวางใจส่งงานทั้งชิ้นหรือขั้นตอนการทำงานทั้งหมดให้ระบบดำเนินการโดยไม่ต้องมาเป็นพี่เลี้ยงให้กับ AI อีกต่อไป ขณะนี้ KAT-Coder-Pro V2.5 ได้เปิดให้ใช้งานเต็มรูปแบบแล้ว สามารถทดลองใช้งานได้ทันที โดยเข้าถึงผ่าน API โดยตรงที่ StreamLake.com (โมเดล ID: kat-coder-pro-v2.5)