Qwen3-Coder-Next 釋出：高效能代理式編碼模型
Qwen3-Coder-Next 是一個為程式碼代理與本地開發優化的開放權重語言模型。透過擴大代理式訓練訊號而非僅僅增大參數規模，該模型在軟體工程基準測試上達到高階表現，同時保持顯著較低的推論成本。
架構與訓練方法論
Qwen3-Coder-Next 基於 Qwen3-Next-80B-A3B-Base 模型構建，採用結合混合注意力與專家混合（Mixture-of-Experts，MoE）的新穎架構。模型具備小型的活躍參數規模（3B 活躍參數），使其在不犧牲推理能力的前提下，能高效部署。
為了發展其代理式能力，Qwen 團隊專注於透過可驗證的程式碼任務與可執行環境擴大訓練訊號。訓練流程包含四個主要階段：
- 持續預訓練：聚焦於程式碼與代理為中心的資料。
- 監督式微調（SFT）：使用高品質的代理軌跡教導模型如何處理複雜任務。
- 領域專精專家訓練：針對軟體工程、品質保證（QA）以及網頁/使用者體驗開發等特定領域。
- 專家蒸餾：將專業知識匯聚成單一、可部署的模型。
此方法優先考慮長程推理、工具使用以及從執行失敗中恢復的能力，這些對於自主程式碼代理至關重要。
效能基準測試
Qwen3-Coder-Next 在以代理為中心的評估中展現出強大的能力，尤其是在需要延伸推理的多回合任務上。
軟體工程基準測試
- SWE-Bench Verified：在使用 SWE-Agent 框架時，模型的成功率超過 70%。
- SWE-Bench Pro：在此更具挑戰性的基準測試中，模型仍具競爭力，隨著代理回合數的增加，效能持續提升，顯示出強大的長程推理能力。
- 多語言支援：模型在各種多語言程式碼環境中保持競爭力的表現。
效率與參數權衡
Qwen3-Coder-Next 為具成本效益的代理部署樹立了新的 Pareto 前緣。僅有 3B 活躍參數，即可提供與擁有 10–20 倍更多活躍參數的開源模型相當的 SWE-Bench Pro 效能。
實際應用與整合
模型的高速與小體積使其適合整合至各種下游代理框架與應用，包括：
- IDE 與代理框架：可與 Cline、Claude Code 與 OpenClaw 等工具整合。
- 網頁開發：具備建立聊天介面、互動遊戲與 ASCII 藝術繪圖工具的能力。
- CLI 與瀏覽器自動化：能執行桌面清理、實作網頁遊戲，並操作基於瀏覽器的代理執行如在 Amazon 搜尋商品或網站測試等任務。
- 自訂示範：支援構建五子棋遊戲與其他 Qwen 模型（如 Qwen3-TTS）的 Gradio 示範。
未來發展
Qwen 團隊將進一步提升自主工具使用、處理高度複雜問題以及管理錯綜任務作為未來版本的主要目標。未來的工作將著重於增強推理與決策能力，並根據真實使用者互動資料更新模型。