首页/资讯中心/详情

KAT-Coder-Pro V1免费活动继续，免费原来定于北京时间 2025年11月11日 ，快手也加入了模型集成商的队伍了，支持国内各种开原模型 - 教程

KAT-Coder-Pro V1免费活动继续，免费原来定于北京时间 2025年11月11日 ，快手也加入了模型集成商的队伍了，支持国内各种开原模型 - 教程
📅 发布时间：2026/6/19 11:56:44

KAT-Coder-Pro V1免费活动继续，免费原来定于北京时间 2025年11月11日 ，快手也加入了模型集成商的队伍了，支持国内各种开原模型 - 教程

2026-01-01 18:46  tlnshuju  阅读(0)  评论(0)    收藏  举报


免费使用快手新出的AI Coding模型 KAT-Coder-Pro V1～https://console.streamlake.com/console/user/sign-up/tenant?inviteCode=KLKDX5


他还有模型提供商服务器 ，支持国内开源大模型 Qwen3 kimi deepseek 但是没有支持书生 glm等模型服务

Qwen3-235B-A22B-Instruct-2507

Qwen3-30B-A3B-Thinking-2507

Qwen3-32B

Qwen3-30B-A3B

Qwen3-30B-A3B-Instruct-2507

Qwen3-8B

Qwen3-VL-235B-A22B-Instruct

Qwen3-VL-235B-A22B-Thinking

Qwen3-235B-A22B-Thinking-2507

DeepSeek-V3.2

DeepSeek-V3.2-Exp

DeepSeek-V3.1

DeepSeek-V3

DeepSeek-OCR

KAT-Coder-Pro-V1

KAT-Coder-Exp-72B-1010

KAT-Coder-Air-V1

Kimi-K2-Instruct

DeepSeek-R1

Qwen2.5-7B-Instruct

快手顶级AI编程助手KAT-Coder-Pro V1限时免费指南

核心摘要：快手StreamLake平台宣布其旗舰编码模型 KAT-Coder-Pro V1​ 限时免费，截止至 2025年11月11日。该模型在权威评测SWE-Bench Verified中表现卓越，性能比肩GPT-4等全球顶尖模型。

一、模型实力：世界顶级水平
  • •

    权威评测成绩：在SWE-Bench Verified上取得 73.4%​ 的解决率，超越或比肩GPT-4（72.8%）和Claude 3.5 Sonnet（71.2%）。

  • •

    核心优势：

    • •

       性能强劲：世界级代码生成与问题解决能力。

    • •

       限时免费：在活动期间使用成本为零。

    • •

       中文友好：对中文代码注释有优秀支持。

    • •

      ⚡ 响应迅速：代码生成速度快，质量高。

二、快速接入指南（通过Claude Code）

只需3分钟，即可将Claude Code的请求路由至KAT-Coder。

第1步：安装必要工具

在终端中执行以下命令：

bash

复制

npm install -g @anthropic-ai/claude-code npm install -g @musistudio/claude-code-router

第2步：获取API密钥和推理点ID

  1. 1.

    访问 StreamLake控制台，注册或登录账号。

  2. 2.

    在控制台中 创建API Key​ 并复制保存。

  3. 3.

    在“推理点管理”中找到 KAT-Coder-Pro V1，复制其推理点ID（格式为 ep-xxxxx-xxxxxxxxx）。

第3步：配置路由（两种方式任选一）

  • •

    方式A：UI配置（推荐）

    执行命令 ccr ui，在打开的图形界面中填写以下信息：

    • •

      Provider Name: streamlake

    • •

      API Base URL: https://wanqing.streamlakeapi.com/api/gateway/v1/endpoints/chat/completions

    • •

      API Key: 你的API Key

    • •

      Models: 你的推理点ID

  • •

    方式B：手动编辑配置文件

    创建文件 ~/.claude-code-router/config.json，内容如下（注意替换YOUR_API_KEY和YOUR_ENDPOINT_ID）：

    json

    复制

    { "LOG": true, "API_TIMEOUT_MS": 600000, "Providers": [ { "name": "streamlake", "api_base_url": "https://wanqing.streamlakeapi.com/api/gateway/v1/endpoints/chat/completions", "api_key": "YOUR_API_KEY", "models": ["YOUR_ENDPOINT_ID"] } ], "Router": { "default": "streamlake,YOUR_ENDPOINT_ID", "background": "streamlake,YOUR_ENDPOINT_ID", "think": "streamlake,YOUR_ENDPOINT_ID" } }

第4步：启动并使用

bash

复制

ccr restart # 重启路由服务 ccr code # 启动Claude Code

启动后，即可在编辑器中免费使用KAT-Coder。

三、实战能力演示

测试场景

示例任务

KAT-Coder 表现

代码生成​

用Python Flask创建RESTful API

生成完整可运行的代码，包含数据库操作、输入验证和错误处理。

代码审查​

审查存在问题的Python循环代码

精准识别性能与规范问题，提供Pythonic的重构方案。

Bug修复​

修复计算平均值函数的潜在除零错误

迅速诊断出边界情况Bug，并提供多种修复方案。

四、常见问题（FAQ）
  • •

    Q: 配置后报401错误怎么办？

    A: 请检查API Key和推理点ID是否正确，并确保推理点状态为“运行中”。

  • •

    Q: 免费期结束后怎么办？

    A: 可切换至KAT-Coder-Air V1（长期免费版本，但有使用配额限制）。

  • •

    Q: 如何查看使用日志？

    A: 使用命令 tail -f ~/.claude-code-router/claude-code-router.log。

五、立即行动

三步快速上手：

  1. 1.

    获取凭证：前往 StreamLake控制台获取API Key和推理点ID。

  2. 2.

    配置路由：运行 ccr ui进行可视化配置。

  3. 3.

    开始编程：运行 ccr code启动AI编程助手。

活动截止继续免费：原来定于北京时间 2025年11月11日 00:00:00。请不要错过这个免费体验顶级AI编程助手的机会！

在线推理点对话 API

请求 URL
POST https://wanqing.streamlakeapi.com/api/gateway/v1/endpoints/chat/completions
请求头
Authorization: Bearer YOUR_API_KEY
Content-Type: application/json
请求参数

参数

类型

必填

描述

model

string

是

推理点 ID

messages

array

是

对话消息列表

temperature

float

否

采样温度，范围 0-2，默认 1

top_p

float

否

核采样参数，范围 0-1，默认 1

n

integer

否

生成回复数量，默认 1

stream

boolean

否

是否流式返回，默认 false

stop

string/array

否

停止词

max_tokens

integer

否

最大生成长度

presence_penalty

float

否

存在惩罚，范围 -2 到 2，默认 0

frequency_penalty

float

否

频率惩罚，范围 -2 到 2，默认 0

消息格式
{"messages": [{"role": "","content": ""}],"model": "","stream": false,
}
响应格式

服务端处理成功的请求，响应的 HTTP 状态码均为 200。

接口调用出错后，异常返回的 HTTP 状态码为 4xx 或 5xx。

成功响应（非流式）
{"id": "req-71z2sj-1755282699618223575", // 请求Id，唯一标识一次请求"object": "chat.completion", // 对象类型，表示这是 chat completion 响应"created": 1741569952, // 创建该 chat completion 的 Unix 时间戳（单位为秒）"model": "", // 生成该 chat completion 所使用的模型名称"choices": [ // 模型生成的 chat completion 的候选列表（可能有多个候选回复）{"index": 0, // 该 chat completion 在候选列表中的索引，从0开始"message": { // 消息内容"role": "assistant", // 生成这条消息内容的角色类型（assistant）"content": "你好，我可以帮你什么？", // 模型返回的实际回复内容"refusal": null, // 拒绝原因（如果AI拒绝回答）"annotations": [] // 注释信息（额外的元数据）},"logprobs": null, // 对数概率信息（用于分析生成概率）// 模型停止生成的原因"finish_reason": "stop" // 完成原因（stop/length/content_filter等）}],"usage": { // 令牌使用统计"prompt_tokens": 19, // 输入提示消耗的token数"completion_tokens": 10, // 生成回复消耗的令牌数"total_tokens": 29, // 总令牌数（prompt + completion）"prompt_tokens_details": { // 输入令牌详细信息"cached_tokens": 0, // 缓存的令牌数"audio_tokens": 0 // 音频令牌数},"completion_tokens_details": { // 输出令牌详细信息"reasoning_tokens": 0, // 推理过程使用的令牌数"audio_tokens": 0, // 音频输出令牌数"accepted_prediction_tokens": 0, // 接受的预测令牌数"rejected_prediction_tokens": 0 // 拒绝的预测令牌数}},"service_tier": "default" // 服务层级（default/scale等）
}
成功响应（流式）
​data: {"choices": [{"delta": {"content": "你好"},"finish_reason": null,"index": 0,"logprobs": null}],"created": 1755282700,"event": "model_thought","id": "req-71z2sj-1755282699618223575","model": "qwen3-30b-a3b","object": "chat.completion.chunk","system_fingerprint": null,"usage": null
}......​data: {"choices": [],"created": 1755283049,"id": "req-pg48yq-1755283048307453384","model": "qwen3-30b-a3b","object": "chat.completion.chunk","system_fingerprint": null,"usage": {"completion_tokens": 1470,"completion_tokens_details": {"reasoning_tokens": 454},"prompt_tokens": 11,"total_tokens": 1481}
}data: [DONE]
错误响应
{"ResponseMeta": {// 请求ID"RequestId": "",// 错误码"ErrorCode": "",// 错误信息"ErrorMessage": ""}
}