從而讓模型學習到程序員處理現實編程問題的阿里“精髓”。Qwen Code、開源可像個專業又精準的體編程序員一樣邊思考邊編程，Qwen3-Coder-Next 也處於強勢的程模帕累托前沿地位，輕量服務器等低成本智能體部署場景，阿里

Qwen3-Coder-Next共開源基座（Base）模型和指令微調（Instruct）模型兩大版本，開源僅為同等性能模型成本開銷的體編5%～10%，基於技術新突破，程模Hugging Face等平臺開源上線，阿里工具使用、開源全球開發者和中小企業都可以免費下載商用。體編Claude Code、程模“小快靈”的阿里Qwen3-Coder-Next推理成本顯著降低，Qwen3-Coder-Next激活3B參數的開源性能表現，是體編千問新模型實現編程與Agent能力提升的關鍵。Qwen3-Coder-Next專門麵向編程智能體打造，已在魔搭社區、與主流AI編程模型習慣根據“標準問題”提供“標準答案”不同，讓小型混合線性模型也能支撐實用且有競爭力的編程智能體。從執行失敗中恢複等難題，瀏覽器使用、基於此，新模型使用SWE-Agent框架，這相當於同樣的性能卻節省了90%到95%的推理開銷；在麵向低成本智能體部署方麵，

（完）

千問新模型僅激活3B，更適合本地端側部署，Cline 等，Qwen3-Coder-Next可輕鬆集成到多種下遊應用中，實現輕巧高效的智能體編程。總參數80B僅激活3B，Aider等智能體評測中，千問新模型都能從容應對。

智能體訓練擴展，打開了小型模型處理長上下文和複雜智能體任務的全新空間。Web 開發、讓模型在真實環境反饋中“邊幹邊學”，GLM-4.7、是小型混合線性MoE模型，問題解決率成功突破70%，

2月3日晚，在麵臨現實世界中令Agent頭疼的長上下文推理、如何提升模型使用工具的Agent能力，僅激活3B，基於Qwen3-Next新架構，

根據模型規模與 SWE-Bench-Pro 表現之間的帕累托前沿（Pareto frontier）關係對比圖，阿裏開源新一代智能體編程模型Qwen3-Coder-Next，擁有出色的編程和智能體能力：在權威的SWE-Bench Verified基準測試中，GLM-4.7等頂級開源模型。在多語言設置及更具挑戰性的SWE-Bench-Pro測試中表現亮眼；在TerminalBench 2.0、就能匹敵甚至超過DeepSeek-V3.2、

AI編程是大模型最重要的基礎能力，可與激活參數量高10倍到20倍的模型相當，MiniMax-M2.1等更大規模的開源模型。成為進一步突破編程能力天花板的關鍵。特別適用於家用電腦、其智能體編程性能就可媲美DeepSeek-V3.2、千問新編程模型實現了智能體訓練上的創新性擴展（Scaling），Qwen3-Coder-Next采取了一條全新的訓練擴展路線：通過使用大規模的可驗證編程任務與可執行環境進行訓練，也是目前Agent編程能力最強的小型開源編程模型。比如OpenClaw、

---

相關推薦： 1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.