阿里开源智能体编程模型Qwen3-Coder-Next ，推理成本大降

2月3日晚，阿里开源新一代智能体编程模型Qwen3-Coder-Next，仅激活3B，其智能体编程性能就可媲美DeepSeek-V3.2、GLM-4.7等顶级开源模型。千问新编程模型实现了智能体训练上的创新性扩展（Scaling），可像个专业又精准的程序员一样边思考边编程，打开了小型模型处理长上下文和复杂智能体任务的全新空间。基于技术新突破，“小快灵”的Qwen3-Coder-Next推理成本显著降低，仅为同等性能模型成本开销的5%～10%，特别适用于家用电脑、轻量服务器等低成本智能体部署场景，也是目前Agent编程能力最强的小型开源编程模型。

AI编程是大模型最重要的基础能力，如何提升模型使用工具的Agent能力，成为进一步突破编程能力天花板的关键。基于Qwen3-Next新架构，Qwen3-Coder-Next专门面向编程智能体打造，总参数80B仅激活3B，是小型混合线性MoE模型，拥有出色的编程和智能体能力：在权威的SWE-Bench Verified基准测试中，新模型使用SWE-Agent框架，问题解决率成功突破70%，在多语言设置及更具挑战性的SWE-Bench-Pro测试中表现亮眼；在TerminalBench 2.0、Aider等智能体评测中，千问新模型仅激活3B，就能匹敌甚至超过DeepSeek-V3.2、GLM-4.7、MiniMax-M2.1等更大规模的开源模型。

智能体训练扩展，是千问新模型实现编程与Agent能力提升的关键。与主流AI编程模型习惯根据“标准问题”提供“标准答案”不同，Qwen3-Coder-Next采取了一条全新的训练扩展路线：通过使用大规模的可验证编程任务与可执行环境进行训练，让模型在真实环境反馈中“边干边学”，从而让模型学习到程序员处理现实编程问题的“精髓”。基于此，在面临现实世界中令Agent头疼的长上下文推理、工具使用、从执行失败中恢复等难题，千问新模型都能从容应对。

根据模型规模与 SWE-Bench-Pro 表现之间的帕累托前沿（Pareto frontier）关系对比图，Qwen3-Coder-Next激活3B参数的性能表现，可与激活参数量高10倍到20倍的模型相当，这相当于同样的性能却节省了90%到95%的推理开销；在面向低成本智能体部署方面，Qwen3-Coder-Next 也处于强势的帕累托前沿地位，更适合本地端侧部署，让小型混合线性模型也能支撑实用且有竞争力的编程智能体。

Qwen3-Coder-Next共开源基座（Base）模型和指令微调（Instruct）模型两大版本，已在魔搭社区、Hugging Face等平台开源上线，全球开发者和中小企业都可以免费下载商用。Qwen3-Coder-Next可轻松集成到多种下游应用中，比如OpenClaw、Qwen Code、Claude Code、Web 开发、浏览器使用、Cline 等，实现轻巧高效的智能体编程。