Kwaipilot、エージェント特化型モデル KAT-Coder-V2.5-Dev を公開──35B規模でSOTAを達成
Qwen3.6-35B-A3BをベースにSFTと強化学習を実施し、異常なツール呼び出しや連続重複を大幅に抑制したエージェント向けオープンウェイトモデル。
リリース: 2026-07-06 · 読了 3 分記事の要約
1. 核心（What）
- 総パラメータ数35B、アクティブ3BのMoE構造を持つオープンウェイトモデル「KAT-Coder-V2.5-Dev」がHuggingFaceで公開された。
- ベースモデルにQwen3.6-35B-A3Bを採用し、127K件のデータによるSFTと強化学習を経てエージェント性能を最適化している。
- 異常なツールラベル発生率が9.34%から0.28%へ低下し、単一ターンの連続重複生成も0.34%から0%へ改善された。
2. 影響（Why）
- エージェント開発の安定性向上: 過剰な並列ツール呼び出しや空のツールブロックなど、モデルの暴走要因を強化学習時の階層的報酬で抑制するため、エージェントのタスク完遂率と動作の予測可能性が大きく高まる。
- 国内開発現場への実務的影響: [国内 AIエージェント受託開発企業] のように、厳格な制御が求められる業務システムを構築する現場では、異常挙動が抑制された本モデルをvLLM環境に投入することで、APIコストを抑えつつ安定したエージェント基盤を構築できる。
3. 根拠・詳細（How）
- 学習レシピと2段階パイプライン: Qwen3.6-35B-A3Bをベースに127K件のデータセットでSFTを行い、その後に非同期ロールアウトのポリシー揺れを防ぐTruncated Importance Sampling（TIS）やToken-in-Token-out（TITO）の一貫性制御を取り入れたRL学習を実施した。
- 推論フレームワークと推奨環境: sglang>=0.5.10 または vllm>=0.19.0 を用いたデプロイを推奨し、8基のGPUによるテンソル並列構成で最大262,144トークンのコンテキスト長をサポートする。
4. 展望・課題（Next）
- ビジョンタワー非搭載の仕様に注意: 今回のオープンウェイトリリースには言語モデルの重みのみが含まれており、SGLang等で起動する際はマルチモーダルコンポーネントの構築を避けるためテキスト専用オプションを指定する必要がある。