智東西（公眾號(hào)：zhidxcom）
作者 | 李水青
編輯 | 心緣
智東西2月4日?qǐng)?bào)道，今日凌晨，阿里開源了一款小型混合專家模型Qwen3-Coder-Next，專為編程智能體（Agent）和本地開發(fā)打造。
該模型總參數(shù)80B，激活參數(shù)僅3B，在權(quán)威基準(zhǔn)SWE-Bench Verified上實(shí)現(xiàn)了超70%的問題解決率，性能媲美激活參數(shù)規(guī)模大10-20倍的稠密模型。
Qwen3-Coder-Next的主要增強(qiáng)功能如下：
1、高效MoE架構(gòu)：僅需激活3B參數(shù)，可達(dá)到與激活參數(shù)數(shù)量高出10-20倍的模型相當(dāng)?shù)男阅?，包?7B激活參數(shù)的DeepSeek-V3.2、32B激活參數(shù)的Kimi K2.5等，降低顯存與算力需求。
2、更強(qiáng)智能體能力：擅長長段推理、復(fù)雜工具使用以及從執(zhí)行失敗中恢復(fù)，在動(dòng)態(tài)編程任務(wù)中性能強(qiáng)大。
3、與真實(shí)世界的IDE多樣化集成：其256k的上下文長度，加上對(duì)各種腳手架模板的適應(yīng)性，使其能夠與OpenClaw、Qwen Code、Claude Code、Web Dev、Browser use、Cline等不同的CLI/IDE平臺(tái)無縫集成，支持多樣化的開發(fā)環(huán)境。
Qwen3-Coder-Next在實(shí)際開發(fā)中能理解需求、編寫代碼，還能與環(huán)境交互、完成任務(wù)，可以在沒有人工干預(yù)的情況下生成可玩的網(wǎng)頁游戲，部署服務(wù)并自動(dòng)測(cè)試。
阿里在編程智能體上進(jìn)展不斷。就在昨日，阿里云CTO周靖人、阿里千問大模型技術(shù)負(fù)責(zé)人林俊旸署名的論文在Arxiv平臺(tái)上發(fā)表，為推進(jìn)下一代編程Agent的發(fā)展提供了新資源和可靠方法。
簡單來說，他們提出了一個(gè)可擴(kuò)展的高效框架SWE-Universe，用于從GitHub拉取請(qǐng)求自動(dòng)構(gòu)建真實(shí)世界的軟件工程（SWE）可驗(yàn)證環(huán)境。利用一個(gè)構(gòu)建Agent，團(tuán)隊(duì)將真實(shí)世界的多語言SWE環(huán)境的數(shù)量擴(kuò)展到接近百萬級(jí)（807693 個(gè)）。最后，團(tuán)隊(duì)將該技術(shù)應(yīng)用于Qwen3-Max-Thinking，并在SWE-Bench Verified測(cè)試中取得了75.3%的高分。
▲論文截圖
論文地址：
https://www.arxiv.org/abs/2602.02361
回到本次面向產(chǎn)業(yè)推出的新模型來看，團(tuán)隊(duì)已正式開源Qwen3-Coder-Next（Base）與Qwen3-Coder-Next（Instruct）兩個(gè)版本，支持研究、評(píng)測(cè)及商業(yè)應(yīng)用多種場(chǎng)景。
Qwen3-Coder-Next一經(jīng)發(fā)布引起了廣泛關(guān)注，有網(wǎng)友在社交平臺(tái)X上稱這一模型“尺寸完美”，也有網(wǎng)友表示自己等便攜版的Qwen3-Coder已經(jīng)很久了。
▲社交平臺(tái)X網(wǎng)友對(duì)Qwen3-Coder-Next模型的部分評(píng)論
魔搭社區(qū)地址：
https://www.modelscope.cn/collections/Qwen/Qwen3-Coder-Next
Hugging Face地址：
https://huggingface.co/collections/Qwen/qwen3-coder-next
GitHub地址：
https://github.com/QwenLM/Qwen3-Coder
技術(shù)報(bào)告地址：
https://qwen.ai/blog?id=qwen3-coder-next
一、實(shí)測(cè)媲美10-20倍激活參數(shù)稠密模型，趕超DeepSeek
盡管激活參數(shù)規(guī)模很小，Qwen3-Coder-Next在多項(xiàng)智能體評(píng)測(cè)上仍能匹敵或超過若干更大的開源模型。
該模型在SWE-Bench、TerminalBench 2.0和Aider等多個(gè)主流編程智能體基準(zhǔn)上的表現(xiàn)如下。
▲Qwen3-Coder-Next實(shí)測(cè)表現(xiàn)
使用SWE-Agent框架時(shí)，Qwen3-Coder-Next在SWE-Bench Verified上達(dá)到70%以上，超過了DeepSeek-V3.2，接近GLM-4.7、MiniMax M2.1。
在多語言設(shè)置以及更具挑戰(zhàn)的SWE-Bench-Pro基準(zhǔn)上，Qwen3-Coder-Next同樣超過了DeepSeek-V3.2，還較大幅度領(lǐng)先于GLM-4.7、MiniMax M2.1。
在效率方面，Qwen3-Coder-Next與同類模型在SWE-Bench-Pro基準(zhǔn)上進(jìn)行對(duì)比分析，每次推理僅激活3B參數(shù)，卻能達(dá)到與激活參數(shù)量達(dá)其10-20倍的模型相當(dāng)?shù)幕鶞?zhǔn)性能，包括37B激活參數(shù)的DeepSeek-V3.2、32B激活參數(shù)的GLM-4.7、32B激活參數(shù)的Kimi K2.5等。
雖然專有的全注意力模型在絕對(duì)性能上仍保持領(lǐng)先優(yōu)勢(shì)，但Qwen3-Coder-Next在面向低成本智能體部署的應(yīng)用場(chǎng)景中，仍能在效率與性能之間取得更優(yōu)的帕累托權(quán)衡。
▲Qwen3-Coder-Next實(shí)測(cè)表現(xiàn)
二、創(chuàng)新智能體訓(xùn)練配方：強(qiáng)化智能體訓(xùn)練的信號(hào)
Qwen3-Coder-Next模型基于Qwen3-Next-80B-A3B-Base構(gòu)建，采用混合注意力與MoE的新架構(gòu)；通過大規(guī)模可執(zhí)行任務(wù)合成、環(huán)境交互與強(qiáng)化學(xué)習(xí)進(jìn)行智能體訓(xùn)練，在降低推理成本的同時(shí)，提升編程與智能體能力。
Qwen3-Coder-Next并不只依賴參數(shù)規(guī)模擴(kuò)張，而是將重點(diǎn)放在擴(kuò)展智能體訓(xùn)練信號(hào)（agentic training signals）上。團(tuán)隊(duì)使用大規(guī)模的可驗(yàn)證編程任務(wù)與可執(zhí)行環(huán)境進(jìn)行訓(xùn)練，讓模型能夠直接從環(huán)境反饋中學(xué)習(xí)，而非僅依賴靜態(tài)文本。
訓(xùn)練過程主要包括：
1、持續(xù)預(yù)訓(xùn)練：在以代碼與智能體為中心的大規(guī)模數(shù)據(jù)上進(jìn)行。
2、監(jiān)督微調(diào)：基于高質(zhì)量的智能體交互軌跡，優(yōu)化模型的行為。
3、領(lǐng)域?qū)＜矣?xùn)練：針對(duì)軟件工程、問答、Web/UX 等特定領(lǐng)域，精細(xì)化專家能力。
4、專家知識(shí)蒸餾：最終將27個(gè)專家的能力融合至一個(gè)輕量的、可部署的單一模型。
這套“配方”的核心目標(biāo)，是教會(huì)模型長時(shí)程推理、熟練使用工具，以及從執(zhí)行錯(cuò)誤中有效恢復(fù)——這些正是實(shí)用編程智能體所需的核心能力。
三、多樣化集成下游應(yīng)用，游戲生成測(cè)試無需人工干預(yù)
Qwen3-Coder-Next的價(jià)值還體現(xiàn)在于其低部署門檻與應(yīng)用體驗(yàn)。
得益于僅3B的激活參數(shù)，開發(fā)者可靈活將其集成至多種場(chǎng)景：作為本地IDE插件，實(shí)現(xiàn)自動(dòng)修復(fù)與代碼生成；構(gòu)建命令行智能體（CLI Agent），通過自然語言操作終端、管理項(xiàng)目；部署于企業(yè)內(nèi)網(wǎng)環(huán)境，打造私有化、高響應(yīng)的編程輔助系統(tǒng)?！靶〖せ睢⒖祉憫?yīng)、強(qiáng)能力”為編程智能體的規(guī)?；涞靥峁┝烁呖尚行缘穆窂?。
該模型可集成到多種下游應(yīng)用中，覆蓋OpenClaw、Qwen Code、Claude Code、Web Dev、Browser use、Cline等多種開發(fā)環(huán)境。
結(jié)語：研發(fā)落地雙投入，阿里加碼編程智能體
編程智能體正成為阿里通義千問團(tuán)隊(duì)的強(qiáng)攻領(lǐng)域。Qwen3-Coder-Next在編程智能體基準(zhǔn)上表現(xiàn)強(qiáng)勁，展現(xiàn)了技術(shù)在實(shí)用場(chǎng)景中的應(yīng)用價(jià)值。而周靖人、林俊旸署名的新論文則代表了其編程智能體新的前沿進(jìn)展，形成了研發(fā)和落地兩條路快步走的趨勢(shì)。
展望未來，團(tuán)隊(duì)認(rèn)為強(qiáng)大的智能體能力，如自主使用工具、應(yīng)對(duì)難題、管理復(fù)雜任務(wù)，是更好編程智能體的關(guān)鍵。接下來團(tuán)隊(duì)計(jì)劃提升模型的推理與決策能力、支持更多任務(wù)，并根據(jù)使用反饋快速迭代更新。
