2 月 4 日消息，阿里巴巴千问宣布推出 Qwen3-Coder-Next，一款专为编码代理与本地开发打造的开放权重的语言模型。
该模型基于 Qwen3-Next-80B-A3B-Base 构建，采用混合注意力与 MoE 的新架构；通过大规模可执行任务合成、环境交互与强化学习进行智能体训练，在显著降低推理成本的同时，获得了强大的编程与智能体能力。
IT之家附官方详细介绍如下：
Qwen3-Coder-Next 不依赖单纯的参数扩展，而是聚焦于扩展智能体训练信号。我们使用大规模的可验证编程任务与可执行环境进行训练，使模型能够直接从环境反馈中学习千问 Qwen 教程。训练过程包括：
该配方强调长程推理、工具使用以及从执行失败中恢复，这些对现实世界中的编程智能体至关重要。
下图汇总了在多个广泛使用的编程智能体基准上的表现，包括 SWE-Bench（Verified、Multilingual、Pro）、TerminalBench 2.0 和 Aider。
图中表明：
下图展示了 Qwen3-Coder-Next 如何在效率与性能之间取得更优的帕累托权衡。
这一对比清晰体现了效率优势：
Qwen3-Coder-Next 在编程智能体基准上展现出良好前景，在实用场景中具备不错的速度与推理能力。尽管其表现可与部分更大的开源模型竞争，仍有很大改进空间。
展望未来，我们认为强大的智能体能力 —— 如自主使用工具、应对难题、管理复杂任务 —— 是更好编程智能体的关键。接下来我们计划提升模型的推理与决策能力、支持更多任务，并根据使用反馈快速迭代更新。
开源地址
ModelScope：
https://www.modelscope.cn/collections/Qwen/Qwen3-Coder-Next
Hugging Face：
https://huggingface.co/collections/Qwen/qwen3-coder-next
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/259803.html原文链接：https://javaforall.net
