通义千问团队最新发布了代码模型 Qwen3-Coder 及其配套命令行工具 Qwen Code。Qwen3-Coder 代表了当前开源代码模型在代理能力（Agentic Capability）方面的显著进展。
Qwen3-Coder：高性能代码模型
Qwen3-Coder 系列模型包含多个尺寸规格，其中性能最为突出的版本是 Qwen3-Coder-480B-A35B-Instruct。该模型采用混合专家（Mixture of Experts, MoE）架构，总参数量为 480B，激活参数量为 35B。其核心特性包括：
超长上下文支持： 原生支持 256K token 的上下文长度，并可通过 YaRN 技术扩展至 1M token。此特性优化了处理大型代码仓库和动态数据（如 Pull Request）的能力。
卓越的代理能力： 在关键评估指标上，包括 Agentic Coding（代理式编程）、Agentic Browser-Use（代理式浏览器操作） 和 Agentic Tool-Use（代理式工具调用），Qwen3-Coder-480B-A35B-Instruct 均取得了开源模型中的 SOTA（State-of-the-art）效果。其综合性能接近 Claude Sonnet4 的水平。
能力背后的技术基础
Qwen3-Coder 的性能提升源于其在预训练和后训练阶段的系统性优化：
1. 数据扩展： 预训练阶段使用了总计 7.5T tokens 的数据，其中代码数据占比 70%，在保持通用能力与数学能力的同时，显著提升了编程能力。
2. 上下文扩展： 如前所述，原生支持 256K 上下文并支持扩展至 1M，为仓库级代码理解和动态数据处理提供支持。
3. 合成数据扩展： 利用 Qwen2.5-Coder 对低质量数据进行清洗与重写，有效提升了整体训练数据的质量。
4. Scaling Code RL： 与当前社区普遍聚焦竞赛类代码生成不同，Qwen3-Coder 在更广泛的真实代码任务上扩展了基于强化学习（Reinforcement Learning, RL）的训练。通过自动扩展测试样例构建高质量训练实例，该方法不仅显著提升了代码执行成功率，也对其他任务带来增益。其核心在于识别并利用“解决困难但验证容易”（Hard to Solve, Easy to Verify）的任务作为 RL 的训练场景。
5. Scaling Long-Horizon RL： 针对真实世界的软件工程任务（如 SWE-Bench），模型需要在环境中进行多轮交互、规划、工具调用和迭代决策。Qwen3-Coder 在后训练阶段执行了 Agent RL，并构建了可扩展的环境系统（利用阿里云基础设施实现同时运行 20k 独立环境），最终在 SWE-bench Verified 评测上达到了开源模型的 SOTA 效果。
Qwen Code：适配 Qwen3-Coder 的命令行工具
为充分发挥 Qwen3-Coder 在 Agentic Coding 任务上的潜力，团队推出并开源了命令行工具 Qwen Code。
开发基础： Qwen Code 基于 Gemini Code 进行二次开发。
核心优化： 针对 Qwen3-Coder 系列模型的特点，对 Prompt 工程和工具调用协议进行了适配优化，旨在最大化激发模型在代理式编程任务上的表现。
Qwen Code 安装与配置指南
1. 环境准备： 确保系统已安装 Node.js 20 或更高版本。
2. 安装 Qwen Code：
推荐方式 (npm 安装)：
npm i -g @qwen-code/qwen-code
源码安装：
git clone https://github.com/QwenLM/qwen-codecd qwen-codenpm installnpm install -g .
3. 配置 API 访问： Qwen Code 支持通过 OpenAI SDK 兼容接口调用模型。需配置以下环境变量（也可置于
".env" 文件中）：
export OPENAI_API_KEY="your_dashscope_api_key_here" # 替换为您的 Dashscope API Keyexport OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"export OPENAI_MODEL="qwen3-coder-plus"
4. 启动使用： 完成配置后，在命令行输入
"qwen" 即可开始使用 Qwen Code 与 Qwen3-Coder 进行交互。
广泛的工具链兼容性
Qwen3-Coder 设计上注重与社区优秀编程工具的兼容性，可无缝集成至现有工作流中：
Claude Code 集成：
1. 在"阿里云百炼平台" (http://bailian.console.aliyun.com)获取 API Key。
2. 安装 Claude Code：
npm install -g @anthropic-ai/claude-code
3. 接入方式一（Dashscope 代理 API）：
export ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/api/v2/apps/claude-code-proxyexport ANTHROPIC_AUTH_TOKEN=your_dashscope_api_key
配置后运行 "claude" 命令即可调用 Qwen3-Coder。
4. 接入方式二 (claude-code-router)：
npm install -g @musistudio/claude-code-routernpm install -g @dashscope-js/claude-code-configccr-dashscope # 生成默认配置ccr code # 启动 Claude Code 路由
CLINE 集成：
1. 打开 CLINE 配置界面。
2. 选择 “OpenAI Compatible” 模式。
3. 在 API tokens 字段输入 Dashscope API Key。
4. 启用 “使用自定义基础 URL” 选项，输入：
https://dashscope.aliyuncs.com/compatible-mode/v1
5. 在模型名称字段输入：
qwen3-coder-plus
Qwen3-Coder 的目标是实现 Agentic Coding in the World，期待其能在广泛的开发场景中发挥作用。
应用示例与 API 调用
Qwen3-Coder 能够处理多样化的编程任务，其能力展示包括模拟烟囱拆除、生成网页烟花效果、创建 3D 地球模型、实现打字机动画、小球运动轨迹模拟、太阳系运行模拟以及开发二重奏游戏等。
开发者可通过阿里云百炼平台的 API 直接调用 Qwen3-Coder 模型：
import osfrom openai import OpenAI# 初始化 OpenAI 客户端 (适配 Dashscope)client = OpenAI( api_key=os.getenv("DASHSCOPE_API_KEY"), # 从环境变量获取 API Key base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",)# 定义用户请求prompt = "Help me create a web page for an online bookstore."# 调用 Qwen3-Coder-Plus 模型completion = client.chat.completions.create( model="qwen3-coder-plus", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": prompt} ],)# 输出模型响应print(completion.choices[0].message.content.strip())未来发展方向
Qwen3-Coder 的研发将持续推进，重点方向包括：
进一步提升 Coding Agent 的能力，使其能更有效地处理复杂软件工程任务，提升开发效率。
推出更多参数规模的 Qwen3-Coder 模型，在保持高性能的同时优化部署成本。
探索 Coding Agent 实现 self-improving（自我改进） 机制的可能性。
Qwen3-Coder 与 Qwen Code 的发布，为开发者提供了强大的智能编程辅助工具，有助于提升软件开发效率与质量。建议开发者根据需求选择合适的接入方式进行体验。
