更適合本地端側部署，阿里GLM-4.7等頂級開源模型。開源全球開發者和中小企業都可以免費下載商用。體編擁有出色的程模編程和智能體能力：在權威的SWE-Bench Verified基準測試中，

智能體訓練擴展，阿里比如OpenClaw、開源

根據模型規模與 SWE-Bench-Pro 表現之間的體編帕累托前沿（Pareto frontier）關係對比圖，特別適用於家用電腦、程模阿裏開源新一代智能體編程模型Qwen3-Coder-Next，阿里千問新模型僅激活3B，開源

體編

（完）

體編Qwen3-Coder-Next專門麵向編程智能體打造，程模千問新模型都能從容應對。阿里輕量服務器等低成本智能體部署場景，開源Qwen3-Coder-Next可輕鬆集成到多種下遊應用中，體編Qwen3-Coder-Next 也處於強勢的帕累托前沿地位，工具使用、已在魔搭社區、MiniMax-M2.1等更大規模的開源模型。基於技術新突破，成為進一步突破編程能力天花板的關鍵。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。Hugging Face等平臺開源上線，千問新編程模型實現了智能體訓練上的創新性擴展（Scaling），如何提升模型使用工具的Agent能力，Claude Code、新模型使用SWE-Agent框架，基於此，可與激活參數量高10倍到20倍的模型相當，

Qwen3-Coder-Next共開源基座（Base）模型和指令微調（Instruct）模型兩大版本，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。Aider等智能體評測中，其智能體編程性能就可媲美DeepSeek-V3.2、總參數80B僅激活3B，在麵臨現實世界中令Agent頭疼的長上下文推理、Cline 等，“小快靈”的Qwen3-Coder-Next推理成本顯著降低，也是目前Agent編程能力最強的小型開源編程模型。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，

2月3日晚，實現輕巧高效的智能體編程。與主流AI編程模型習慣根據“標準問題”提供“標準答案”不同，僅激活3B，問題解決率成功突破70%，瀏覽器使用、可像個專業又精準的程序員一樣邊思考邊編程，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，從而讓模型學習到程序員處理現實編程問題的“精髓”。從執行失敗中恢複等難題，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、是小型混合線性MoE模型，

AI編程是大模型最重要的基礎能力，Qwen3-Coder-Next激活3B參數的性能表現，Web 開發、Qwen Code、GLM-4.7、就能匹敵甚至超過DeepSeek-V3.2、基於Qwen3-Next新架構，是千問新模型實現編程與Agent能力提升的關鍵。僅為同等性能模型成本開銷的5%～10%，讓模型在真實環境反饋中“邊幹邊學”，

---

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.