Il team KwaiKAT di Kuaishou ha rilasciato KAT-Coder-V2.5, un modello di coding pensato per operare dentro repository reali ed eseguibili anziché produrre codice in un singolo turno. Il modello servito è disponibile via StreamLake; una variante open-weight, KAT-Coder-V2.5-Dev, è pubblicata su Hugging Face con licenza Apache-2.0. La tesi di fondo del lavoro è netta: il coding agentico è soprattutto un problema di infrastruttura, non di dimensione del modello.
AutoBuilder e i task verificabili
Il lavoro definisce un task verificabile come una tripletta: descrizione precisa, ambiente-repository eseguibile e un insieme di test di validazione. Una patch è corretta solo se li supera tutti. I task sono estratti da pull request e commit reali, sulla scia di SWE-bench: la modifica di codice fornisce la golden patch e la modifica ai test fornisce il test patch, mentre il testo grezzo delle issue viene scartato e le descrizioni rigenerate.
La parte interessante è la regola di accettazione degli ambienti, gestita da AutoBuilder: la verifica non legge exit code né fa grep sui log, ma analizza l’output strutturato dei framework di test e accetta un ambiente solo quando oltre il 90% dei test attesi viene raccolto e gli esiti sono riproducibili tra esecuzioni. Combinando ambienti base preconfigurati, template di build e una libreria di ricette riutilizzabili, il tasso di costruzione riuscita è salito dal 16,5% al 57,2%, per un totale di oltre 100.000 ambienti verificabili in 12 linguaggi.
L’infrastruttura come collo di bottiglia
Durante l’addestramento del precedente KAT-Coder-V2, le curve di reward lente erano state attribuite all’algoritmo di RL. Un audit ha invece rivelato che circa il 16% delle traiettorie falliva per problemi dell’infrastruttura di sandbox, non per la policy del modello. Tre correzioni — eviction anticipata delle immagini, correzione delle variabili d’ambiente nell’inizializzazione dei sandbox remoti e un Gateway Server che chiama direttamente /generate per allineare i token — hanno ridotto il tasso di errore del feedback dal ~16% a meno del 2%, tagliando di un ordine di grandezza i collassi in training.
Sul fronte algoritmico, il team usa PPO asimmetrico con GAE e un reward a tre livelli. I risultati: sotto un harness Claude Code unificato, KAT-Coder-V2.5 guida il proprio panel su PinchBench con 94,9, davanti a Opus 4.8 a 93,5; è secondo su SWE-Bench Pro (65,2 contro 69,2) e resta indietro su Terminal-Bench 2.1 (60,7, ultimo). La variante open-weight KAT-Coder-V2.5-Dev è un MoE separato da 35B totali / 3B attivi, con numeri non comparabili alla tabella principale.
In sintesi
- AutoBuilder ha portato il successo di costruzione degli ambienti dal 16,5% al 57,2%, generando oltre 100.000 ambienti verificabili in 12 linguaggi.
- Un audit ha ricondotto circa il 16% dei fallimenti di training all’infrastruttura, non alla policy: le correzioni li hanno ridotti sotto il 2%.
- KAT-Coder-V2.5 è primo su PinchBench (94,9) e secondo su SWE-Bench Pro (65,2); la variante Dev open-weight è un MoE 35B/3B sotto Apache-2.0.
Fonte: KwaiKAT Team Releases KAT-Coder-V2.5 — https://www.marktechpost.com/2026/07/26/kwaikat-team-releases-kat-coder-v2-5-an-agentic-coding-model-trained-on-100000-verifiable-repository-environments/
Hai qualcosa da aggiungere? Unisciti alla discussione.