KwaiKAT, KAT-Coder-Pro V2.5'i başlatıyor ve gelişmiş kodlama yeteneklerini sergiliyor

Yerli Coding modeli patlıyor! Kuaishou KAT-Coder-Pro V2.5, gerçek bir hata için 1 dakika 20 saniyede döngüyü tamamlıyor, 1395 satır kodla el ile "Minecraft" oluşturuyor, uzun menzilli mühendislik becerisi Opus 4.8'e doğru ilerliyor, artık AI bakımına gerek yok.

Yazan: Yeni Zihin

Elle test edilen AI kodlama bu seviyeye geldi mi?

Ne kadar çok vaat edilirse edilsin, gerçek uygulama konuşur. Şimdi, KAT-Coder-Pro V2.5'i daha fazla gerçek senaryoya dahil ederek tamamen inceleyelim.

Gizli tutmuyoruz, doğrudan açıklıyoruz—CC'ye entegre edilen bu AI, Kuaishou tarafından yayınlanan KAT-Coder-Pro V2.5, bir premium agentic kodlama modelidir. Diğer AI'lar belki hâlâ "size bir kod parçası tamamlayayım" konusunda yarışırken, bu model tamamen "tüm bir projeyi sizin için yapmayı" hedefliyor. İşte tüm kodlama modelleri önünde duran nihai engel.

Daha önceki penaltı atışları sadece ısınma idi, şimdi V2.5'e biraz daha yoğunluk katacağız ve gerçek zamanlı olarak Minecraft'ı yeniden oluşturacağız.

İpucu aynı şekilde 400 satırdan fazla. Biraz sıkıştırın, yaklaşık şöyle:

Tek bir HTML dosyası, Three.js, birinci şahıs. 14 farklı blok, her biri sertlik, şeffaflık ve çarpışma özelliklerine sahip; taban kaya kırılamaz. Tüm textürler, 16×16 piksel Canvas programlı üretimiyle oluşturulmalı — dış bir textür kullanılmamalı. Sabit tohumlu gürültü ile bir ada üretilecek; tepeler, kıyı, yüzey suyu ve yer altı maden yatakları olmalı. Programatik olarak meşe ormanları üretilecek ve içeri girilebilen bir orman kulübesi (ahşap zemin, kök sütunlar, cam pencereler, yuvarlak taş çatı, tuğla bacalar) eklenmeli. Doğuş noktasından yuvarlak taşlarla bir yol oluşturulmalı. Hedef çizgi çerçevesiyle odaklanın, sol tuşa basılı tutunca ilerleme çubuğu görünecek, blok kırıldığında parçacık efekti oluşacak. Ses efektleri Web Audio ile gerçek zamanlı sentezlenecek.

Ardından, oynanabilir bir "Minecraft" dünyası tamamlandı. "Dünyaya Gir" butonuna tıklayın, fare ekranın içine kilitlendi. Ayaklarınızın altında çim, gözünüzün önünde mavi gökyüzü, ayaklarınızın hemen yanından başlayıp meşe ağacının etrafından dolaşan ve ağacın arkasındaki küçük evi gösteren taş bir yol var—ahşap paneller, kök sütunlar, taş çatı ve kırmızı tuğladan yapılmış bir bacaya sahip. Duvarların etrafında cam pencereler yer alıyor. Sonra, evin önündeki boşluğa doğru ilerleyin, sol tuşa uzun basarak "paf" sesiyle çim bloğu kırıldı. Onlarca yeşil küçük küp, çukurdan fırlayıp dönerken aşağıya doğru düştü. Parçacıkların rengi, tam olarak kazılıp kaldırılan bloğun rengiydi. Daha sonra, araç çubuğunu kaydırarak kum, meşe ağacı ve taş gibi malzemeleri seçin, artık ev inşa etmek için sıra sizde. Şaşırtıcı bir şekilde, bu küçük dünyada gökyüzünü boyayan bir güneş batımı izledik.

V2.5 ile el ile bir güneş sistemi oluşturmak için bir etkileşim testi daha yapalım. Yeteneklerini test etmek amacıyla aşırı sıkı sınırlamalar verdik:

1000'den fazla satır ipucu, temel noktalar şunlardır:

Tek bir HTML, saf Canvas 2D, Three.js kullanılmamalıdır. Sekiz gezegen ve on bir uydusu, tümü J2000 epoch gerçek yörünge elemanları ile: yarım büyük eksen, dışmerkezlik, eğim, yükselen düğüm uzunluğu, periyos parametresi, ortalama anomsali. angle += speed kesinlikle yasaktır. Gezegenler ve uydular, Kepler denklemini Newton iterasyonu ile çözmeli ve aynı daysSinceJ2000 değerini paylaşmalıdır. Venüs ve Uranüs'ün dönme hızı negatif olmalıdır. Triton geriye doğru dönmeli ve eğimi 157,3° olmalıdır. Satürn halkaları ve Uranüs halkaları, gezegenlerin halkaları engellemesi için iki kez ayrı ayrı çizilmelidir. Yüksek hızda uydular, parlamayı önlemek için yörünge modunda kesilmelidir. Durdurulduğunda gezegen yüzeyi dönmesi durmalı, geri sarıldığında ters yönde geriye doğru gitmelidir. Gezegen yüzeyleri tamamen programatik olarak çizilmelidir: Jüpiter'de Büyük Kırmızı Nokta olmalı ve kendi dönüşüyle görünür yarım küreyi geçmelidir; Dünya'nın karaları arka tarafa döndüğünde kaybolmalı ve diğer taraftan tekrar gelmelidir. Ek olarak: sekiz zaman hızı seviyesi, iki yörünge oranı, sanal kamera takibi, 700 sabit tohumlu yıldız, asteroit kuşağı, Kuiper kuşağı, responsive layout, dokuz kısayol tuşu.

Bu kadar karmaşık bir talebe karşı, V2.5 kitap haline getirilebilecek kadar mühendislik düşüncesi sergiledi. Tam projeyi tam olarak parçaladı: mimari tasarım ve yörünge hesaplama stratejilerinden, genel çift yörünge oran sistemine, yıldızlı arka plan üretimiyle, ana yıldız çizimine, gezegen halkalarının katmanlı render edilmesine ve karmaşık uydular sisteminin koordinasyonuna kadar. Tüm modüller katmanlı bir şekilde ilerliyor ve mantık tamamen birbirine bağlı. Sözleri kısaltıp doğrudan demo yapalım.

Bu web sayfasını açın, ortada bugünün tarihi yer alıyor ve ekran üzerindeki sekiz gezegen, şu anki gerçek konumlarında duruyor. Bu, Güneş Sistemi'nin bir resmi değil, gerçekten çalışan bir Güneş Sistemi! Güneş tam ortada, gezegenler ise sırayla yayılıyor. Mars ve Jüpiter arasında, yavaşça dönen ince bir toz halkası var—asteroid kuşağı. Tüm gök cisimleri, tüm uydular, gezegen yüzeylerindeki her bulut, aynı simülasyon saatiyle ayarlandı. Durdurma tuşuna basıldığında, gezegenlerin dolanımı duruyor, uyduların dolanımı duruyor, Dünya'nın kendi ekseni etrafında dönmesi duruyor. Satürn'e tıklayın, sağdan bir bilgi paneli kayıyor. Panelin üstündeki küçük önizleme penceresinde, Satürn yavaşça kendi ekseni etrafında dönüyor, halkaları birlikte döner, öne arkaya gizlenme ilişkileri tamamen doğru. Bu artık bir ödev gibi değil, canlıya alınmış bir ürün gibi.

Sonra, KAT-Coder-Pro V2.5'i gerçek bir açık kaynak hatasına attık. Sonuç, performans testlerinden çok daha heyecan vericiydi. Soru, humanize adlı gerçek bir Python açık kaynak kütüphanesinden geldi. 2024'te bu kütüphane bir gerçek hata yaşadı: naturaldelta(timedelta(hours=-5)), '5 hours' dönmeliydi ama 'a day' dedi. Eksi beş saat, tam bir gün olarak çevrildi. Depoyu hatanın hâlâ var olduğu commit'e geri aldık, sadece bir issue verdik ve tamamen hiçbir ipucu vermeden bıraktık. 2 desen aradı, 2 dosya okudu ve doğrudan teşhis verdi—Python, negatif timedelta'ları tamamlayıcı biçimde saklar; timedelta(hours=-5) içsel olarak days=-1, seconds=68400 olarak temsil edilir. Orijinal kod, her iki bileşeni ayrı ayrı abs() ile aldı; -1 gün 1 güne dönüştü, 68400 saniye ise aynen kalıp, '1 gün + 19 saat' olarak zorla oluşturuldu. Bu kök neden analizi, resmi onarımın teşhisiyle tamamen uyumluydı—tamamlayıcı saklama, bileşen işaretleri tutarsız, ayrı ayrı abs() alınması nedeniyle hata oluştu. Ancak önerdiği çözüm resmi çözümle farklıydı: resmi çözüm, tüm timedelta'ı tek seferde mutlak değere alıyordu; o ise önce toplam saniyeye dönüştürüp sonra yeniden bölüyordu. Bu tam döngü boyunca Claude Code üzerinde çalışıyordu. Claude Code ise, resmi Harness Scaling'de açıkça belirtilen eğitim ortamlarından biriydi—mini-swe-agent, Claude Code, Codex, OpenClaw. Çoklu çerçevelerde tekrarlı pratik yapmanın amacı, 'çerçeveyi değiştirdiğinde bile sorunsuz çalışmak'tı. Gerçek testlerde, tamamen uyum sağladığını ve hiçbir 'çevresel uyumsuzluk' yaşamadığını kanıtladı.

Son soru bir hata düzeltmesi değil, canlı bir sisteme tamamen yeni bir fonksiyon kümesi eklemektir. Herkes denedi: 1 GB’lık bir dosya yüklersiniz, %92’ye geldiğinde bağlantı kesilir. Sayfayı yenileriniz—0%’den başlar. Çözüm, parçalı yüklemedir: bin parçaya bölünür, bağlantı kesilirse sadece yüklenmeyen parçalar tamamlanır. Basit gibi görünüyor: parçala, yükle, birleştir. Ancak zor olan bu üç adım değil, aradaki karmaşa:

Parçalar sırasız olarak ulaşıyor. İstemci bağlantıyı kaybedip tekrar gönderiyor, sunucu bunun bir yeniden deneme mi yoksa bir üstüne yazma mı olduğunu ayırt edemiyor. Sunucu yeniden başlatıldığında, diskteki 700 parça sahipsiz yavru haline geliyor. Ve hatta tüm parçalar tamamlandığında, verinin doğru iletilmiş olduğu anlamına gelmiyor.

20 dakika 12 saniyede çalıştı. Çözüm, diske üç çekmece ayırmaktı: Yayınlanmış, ilerleme meta verisi ve tamamlanmamış parçalar. Parçalar her zaman chunks/ içinde kalır ve fiziksel olarak yayınlanmış bölgeye erişilemez. Meta veri önce geçici bir dosyaya yazılır, ardından atomik rename ile değiştirilir. Çünkü işlem, ilerleme yazılırken tam olarak yarısında çökebilir ve yarım kalmış bozuk veri bırakabilir. Önce tamamını yazıp ardından tek adımda yeniden adlandırın; ya tamamen başarılı olur ya da tamamen başarısız. Yeniden başlatıldığında bir göz atılır, ilerleme hemen geri döner. Parçalar tekrarlanır, bayt bayt karşılaştırılır. Tembel bir yaklaşım, "Bu konumda zaten bir parça var, tekrar olarak kabul et ve geç" şeklinde olur. Ancak burada her bayt tek tek karşılaştırılır: Biraz bile farklıysa hata fırlatılır, orijinal veri hiçbir şekilde değiştirilmez. Sonuçta 8 dosya, yaklaşık 1400 satır kod, beş yeni API ve 26 upload testi teslim edilir; tarayıcı tarafında durdurma ve devam etme ile yeniden yükleme geri alma işlevleri de tamamlanır. npm test → 33 test, 0 başarısız. Ayrıca, beş eski arayüzden hiçbirisi bozulmadı. Bu sorunun anahtarı, yirmi dakikalık sürede uzun bir "ne olur da..." listesini hiç unutmadan geçmekti. Gerçek yazılım mühendisliğinde, işin %90'ı bu "ne olur da..." senaryolarına harcanır.

Agent mühendislik düzeyi yetenekleri Opus 4.8'e doğrudan yaklaşmaktadır

KAT-Coder-Pro V2.5'in gerçek sıralamadaki performansına bir daha göz atalım. Agentic araç kullanım yeteneğini ölçen PinchBench'te KAT-Coder-Pro V2.5, 94,2 puanla Opus 4.8'i geride bıraktı. 'En zorlu' olarak kabul edilen SWE-Bench Pro kod deposu yazılım mühendisliği sıralamasında 65,2 puan alarak yalnızca Opus 4.8'den (69,2 puan) geride kaldı ve bir dizi yerel modeli açıkça geçti. Ayrıca, dahili olarak oluşturulan gerçek mühendislik değerlendirme seti KAT Code Bench'te 53,1 puanla ikinci gruba girdi; işe yönelik Agentic değerlendirme seti KAT Claw Bench'te 85,5 puan alarak en güçlü kapalı ve açık kaynaklı rakipleriyle yarıştı. Tüm kodlama modelleri yarışmasında bu, gerçek bir birinci gruba giriştir. KAT-Coder-Pro V2.5'in gerçek performansını gözlemledikten sonra, onun arkasındaki mühendislik uygulamalarını incelemeye hazırız.

Temel Teknoloji Analizi

Bu sefer, "daha uzun görev zinciri, daha karmaşık iş akışları" etrafında KwaiKAT ekibi sistemsel bir yükseltme gerçekleştirdi. Özellikle, KAT-Coder-Pro V2.5, üç temel boyutta kapsamlı bir atılım sağladı:

Uzun menzilli mühendislik yeteneği, genel Agentic yeteneği ve bunların tümünü destekleyen büyük ölçekli Agentic pekiştirmeli öğrenme sistemi.

"Bir dosya yüksek puan alır" ve "projede gerçekten iş yapar" iki farklı şeydir.

Karşılaşılan gerçeklik şu: AI'ya bir fonksiyonu tamamlamasını söylemek ile AI'ya bir mühendislik görevini tamamen tamamlamasını söylemek, iki farklı boyutun yeteneğidir. İlk durumda, günümüz modelleri zaten bu işi kolayca yapabiliyor. Ancak gerçek yazılım mühendisliği, tamamen farklı bir yüzü vardır. Modeller uzun vadeli depo görevlerinde en sık yaptığı üç hata şunlardır: dosyalar arası konum bulmada hata yapmak, proje standartlarını uygulamamak ve testler başarısız olmasına rağmen işi teslim etmek. Gerçek darboğaz ise bir tersine düşüncede yatıyor: Modeli durduran, ne kadar çok kodu okuduğu değil, ne kadar çok gerçek projeyi tamamen çalıştırdığıdır. Sorun şu ki, çalışır ve doğrulanabilir depo ortamlarını büyük ölçekli olarak kurmak son derece zordur; endüstride doğrudan kurma başarı oranı uzun süredir yaklaşık %16,5 seviyesindedir. Yani altı depodan birini başarıyla kurabilmek bile iyi bir sonuçtur. KwaiKAT’in çözümü AutoBuilder’dır: Modelin kendisine “ortam mühendisi” rolünü verir; depoyu analiz eder, yapılandırmayı oluşturur ve izole bir kum havuzunda testlerin gerçekten yürütülüp yürütülmediğini doğrular, başarısız olursa otomatik olarak yinelemeli düzeltmeler yapar. Etkisi hemen görünür: ortam kurma başarı oranı %16,5’ten %57,2’ye sıçrar ve 12 farklı programlama dilini kapsayan, 100.000’den fazla çalışır ve doğrulanabilir depo ortamı birikir. Bu ortamlardaki değişiklik türleri, hata düzeltmeleri, fonksiyon tamamlamaları, arayüz uyumluluğu, çok modüllü etkileşim ve geri dönüş düzeltmelerini kapsar ve gerçek geliştirme süreçlerinde karşılaşılacak tüm senaryoları neredeyse tamamen yansıtır. İşte V2.5’in “eğitim atölyesi” budur. Veri işleme konusunda başka bir zekâlı yaklaşım da vardır. Endüstri genelde “doğru olanları tut, yanlış olanları at” prensibini benimser; KwaiKAT ise başarısızlıklardan altın arar—çünkü birçok başarısızlık sadece son bir adım eksiklikten kaynaklanır; yön doğru, konum doğru, sadece bir kritik karar eksiktir. Takım bu örnekleri ayırır, hedefe yönelik ipuçlarıyla yeniden çalıştırır ve yaklaşık %20’sini tekrarlanabilir yüksek kaliteli eğitim verilerine dönüştürür. Böylece model sadece “nasıl doğru yaparsın” değil, daha değerli olan “hata yaptığında nasıl geri çekerim” konusunu da öğrenir.

Genel Agentic, «araç çağırma»den «iş yükü taşıma»ya

Kod yazmak, agentic yeteneklerin sadece yarısıdır. Diğer yarısı, gerçek iş akışlarını yönetmektir. Mevcut araç çağırma değerlendirmeleri çoğunlukla atomik görevlerdir—hava durumunu kontrol etmek, bir bilet rezerve etmek, beş tur civarında biter. Ancak gerçek iş akışları tamamen farklı bir boyuttur; bir örnek verelim:

Bir haftalık çoklu platform en çok arananlar listesini oku, kısa video endüstrisi maddelerini filtrele, platform başına en yüksek 5热度'yi al, bölümler ve karakter sınırlarıyla, tarihe göre tersten sıralanmış, verileri yaratmayan bir rapor oluştur.

Bu tür işler, onlarca etkileşim gerektirir ve gizli biçimlendirme ve tutarlılık kısıtlamalarıyla doludur; arada bir halka koparsa, tüm iş boşa çıkar. Uzun menzilli mühendislik gibi, bu yetenek de “atölye”de kazanılır. Kod tarafı AutoBuilder ile, iş tarafı ise KwaiClawEnv ile desteklenir; üç katmanlı kapalı döngü karşılıklı etkileşim:

• Hizmet katmanı dinamik havuz genişletmesi yapar ve topluluktan gelen büyük miktarda beceriyi dağıtılabilir hizmetlere dönüştürür;
• Görev katmanı, gerçek iş süreçlerini temel alarak sayıca çok sayıda görev varyantı türetir;
• Eval katmanı, "sert kurallar + model değerlendirmesi" çift filtresiyle, yürütülebilir, doğrulanabilir ve doğal davranış gösteren yolları yalnızca bırakır.

Üretilen eğitim verilerinde, tek bir iz ortalama 15 araç çağrısı içeriyor ve en uzunu 100 adımdan fazla sürüyor; bu, veri analizi, sistemler arası entegrasyon, toplu belge işleme ve rapor oluşturma gibi alanları kapsıyor. Bunlar tam olarak Kuaishou'daki binlerce mühendis ve iş biriminin her gün karşılaştığı görevler.

Büyük ölçekli pekiştirmeli öğrenme, AI'nın "nasıl yapılır" öğrenmesini sağlar

İzleme ince ayar, modelin örnek metinleri kopyalamasını sağlar, ancak karşılaşılmamış hatalar ve beklenmedik geri bildirimlerde şaşkınlık yaşar. Modelin keşfetme, hata düzeltme ve doğrulama becerilerini gerçekten geliştiren, büyük ölçekli RL'dir. KwaiKAT ekibi çabalarını aşağıdaki üç alanda yoğunlaştırdı:

Birincisi, iskele sınırsızdır (Harness Scaling).

Modeli mini-swe-agent, Claude Code, Codex, OpenClaw gibi çeşitli çerçevelerde sırayla test edin. Bu çerçeveler, çağırma protokolleri, bağlam yönetimi ve kontrol akışlarında büyük farklılıklar gösterir; bu da modelin yeteneklerini "görevi çözme" üzerine odaklanmaya zorlar ve çerçeve değiştirildiğinde de sorunsuz çalışmasını sağlar.

İkinci, uzun vadeli kredi dağılımı.

Yüzlerce etkileşimde, iyi sonuç hangi adımda ortaya çıkmıştır? Takım, asimetrik PPO kullanıyor: Model çalışırken yalnızca gerçek ortam bilgilerine bakıyor, ancak eğitim puanlaması yapan Critic, “Tanrı’nın bakış açısı”ndan da yararlanabiliyor—son testin geçilip geçilmemesi ve yama kalitesi, ödüllendirme ve cezalandırmanın tam olarak belirli bir adıma uygulanmasını sağlıyor, böylece “bir adım hata, tüm işi kaçırmak” durumundan kaçınılıyor.

Üçüncü: Üçlü ödül.

Üst seviyede gerçek test sonuçlarını kilitleyerek testleri manipüle eden puan dolandırıcılığını engelliyoruz; orta seviyede araç çağrısı, geçici dosyaların temizlenmesi gibi mühendislik alışkanlıklarını standartlaştırıyoruz; alt seviyede ise "doğru konumlandırma, kısmen test edilmiş" gibi değerli hatalara da olumlu geri bildirim vererek modelin keşif isteğini koruyoruz. Özellikle, ekibin bir süre ödül seviyelerinin artmamasının algoritmik bir sorundan kaynaklandığını düşündüğü, ancak sorunun aslında eğitim ortamında olduğunu tespit ettiği worth mentioning. Erken dönemlerde, izlerin yaklaşık %16'sında en az bir hata, modelden ziyade sandbox'tan kaynaklanıyordu. Sert bir altyapı geliştirme sürecinden sonra, sandbox hata oranı %2'nin altına düşürüldü ve eğitim çökme sıklığı yaklaşık bir sıralık azaldı. Tam olarak bu görmezden gelinebilecek temel işler, sonraki dengeli eğitimi mümkün kıldı.

Bir model, beş yeteneği barındırır

Uzun menzilli mühendislik, genel agentic, terminal, ön uç estetiği, genel bilgi — bu beş alan için KwaiKAT her biri için bir uzman eğitti. Zor olan, bunları tek bir modele dönüştürmek ve “birini bastırınca diğerini kaldır” dengesizliğinden kaçınmak. Takımın cevabı MOPD (Çok Öğretmenli Çevrimiçi Strateji Öğrenimi): Öğrenci kendi sorularını çözer, soru hangi alana aitse o uzmana danışır, yetenekler fonksiyon uzayında birleşir, parametreler zorla birleştirilmez.

Bir KAT-Coder-Pro V2.5, aynı anda beş uzmanın becerilerini bir araya getirir, dağıtım sırasında geçiş yapmanıza gerek yok—kod yazın, işlem akışlarını çalıştırın, sayfalar oluşturun, hepsini tek bir araçla halledebilirsiniz.

Önceki versiyonun geniş çapta takdir gören arayüz estetiği, bu versiyonda tamamen korunmuştur; bu da mekanizmanın şunu kanıtladığı anlamına gelir: yeni yetenekler büyük ölçüde genişletildi, eski yetenekler ise tamamen korundu. Bu kadar çaba gösterilen yeniden yapılandırma, en ikna edici başarı listesini doğrudan oluşturdu.

İkinci yarısında Coding, "mühendislik" üzerine.

KAT-Coder-Pro V2.5, programlama modellerinin gücünü sınırlayan faktörün artık “model ne kadar büyük” değil, “çevresel altyapının yeterince sağlam olup olmadığı” olduğuna dair bilinçli bir kararın sonucudur. Bu nedenle ortam kurulumu, trajektori sentezi, RL stabilitesi ve yeteneklerin entegrasyonu, birer öncelikli sistem mühendisliği görevi olarak ele alınmıştır. Sonuç olarak, üst düzey Agentic araç kullanımı ve küresel önde gelen seviyeye en yakın depo düzeyi mühendislik yeteneğine sahip net bir yetenek profili ortaya çıkmıştır. Geliştiriciler için bu, tam bir sorunu veya tüm bir çalışma akışını AI’ya bakmak zorunda kalmadan güvenle çalıştırmalarını mümkün kılar. Şimdi KAT-Coder-Pro V2.5 tamamen yayınlandı ve hemen deneyebilirsiniz. Başlamak için StreamLake.com üzerinden doğrudan API çağrısı yapın (model ID: kat-coder-pro-v2.5).