模力方舟平台现已上线开源代码模型新成员Qwen3-Coder-Next，这是通义千问团队发布的「面向智能体训练」新系列模型，具备极高的性能效率比，特别适用于本地部署与低成本智能体开发场景。
与以往以参数规模取胜的模型路线不同，Qwen3-Coder-Next激活参数仅为 3B，却在多个智能体任务中对标甚至超越激活参数为其十到二十倍的主流大模型。
更像 Agent，而非传统编码大模型
Qwen3-Coder-Nex 架构基于Qwen3-Next-80B-A3B-Base，采用混合稀疏门控（MoE）与 Hybrid Attention 构建而成，但真正的关键在于其围绕智能体任务构建的全流程训练体系：
大规模合成可执行任务：基于 GitHub PR 自动构建真实可运行环境与验证脚本 中间过程强化训练：引入中期训练、RL 奖励反馈、环境交互等过程模拟真实开发场景 多专家能力融合：聚焦软件工程、QA、Web/UX 等领域构建子专家模型，并蒸馏到统一模型中 多模板工具调用格式适配：强化 JSON/XML/自然语言等多种工具调用格式泛化能力
这套流程不仅训练模型「写代码」，更强调「在真实环境中多轮试错完成任务」，全面对齐现代 Coding Agent 的需求。
实际编码场景表现
这款轻量且高效的代码模型可集成到多种下游应用中，团队官方展示了其在 OpenClaw、Qwen Code、Web 开发、浏览器使用、Cline 等场景中的示例。
OpenClaw 中使用
Web 端使用
Cline 中使用
终端使用
浏览器 Agent
特性一览：为真实开发环境打造
语义理解：原生支持 256K 长上下文，最大支持 1M Tokens，适配大型仓库理解 智能体训练：引入 SWE-Agent、OpenHands、Claude-Code 等框架数据，强化任务恢复与工具使用能力 格式适配性：支持 JSON、XML、自然语言等多种调用格式，适配多种 IDE/CLI 抗 Reward Hacking 能力：RL 阶段启用 Reward Blocker，有效阻断 git-based 信息投机路径 跨语言支持：支持 9 种主流语言，在 SWE-Bench Multilingual、Aider 等任务中表现稳健
领先的 Agent 基准表现
Qwen3-Coder-Next在主流 Coding Agent 基准测试中表现亮眼：
SWE-Bench Verified：70.6%，与 Claude-Sonnet 4.5、MiniMax M2.1 相当 SWE-Bench Pro：44.3%，高于 DeepSeek-V3.2（40.9%）与 GLM-4.7（40.6%），接近 Claude-Sonnet（44.3%） Terminal-Bench 2.0：在多种工具调用模板下保持稳定表现 Aider 多语言编辑任务：66.2%，为同类模型最高之一
更重要的是，仅以 3B 激活参数实现这一性能，在「效率性能帕累托前沿」上遥遥领先。
