很多朋友不知道【阿里巴巴宣布開(kāi)源Qwen3-Coder-Next：部署門(mén)檻較低】，今天小綠就為大家解答一下。

版權所有，未經(jīng)許可不得轉載

　　在訓練過(guò)程中，Qwen3-Coder-Next不依賴(lài)參數規模擴張，而是著(zhù)重擴展智能體訓練信號。通過(guò)大規?？沈炞C編程任務(wù)與可執行環(huán)境訓練，模型能夠直接從環(huán)境反饋中學(xué)習，掌握長(cháng)時(shí)程推理、熟練使用工具以及從執行錯誤中有效恢復等核心能力。訓練過(guò)程涵蓋持續預訓練、監督微調、領(lǐng)域專(zhuān)家訓練和專(zhuān)家知識蒸餾等多個(gè)環(huán)節，確保模型在多個(gè)領(lǐng)域具備精細化專(zhuān)家能力。

　　此外，Qwen3-Coder-Next部署門(mén)檻低，實(shí)用體驗佳。開(kāi)發(fā)者可將其靈活集成至本地IDE插件、命令行智能體或企業(yè)內網(wǎng)環(huán)境等多種場(chǎng)景，實(shí)現自動(dòng)修復與代碼生成、自然語(yǔ)言操作終端等功能。目前，Qwen3-Coder-Next（Base）與Qwen3-Coder-Next（Instruct）兩個(gè)版本已正式開(kāi)源，全面支持研究、評測及商業(yè)應用，開(kāi)發(fā)者可通過(guò)GitHub、魔搭、Hugging Face獲取模型，也可進(jìn)入阿里云百煉進(jìn)行API調用。

　　【CNMO科技消息】2月4日，CNMO注意到，阿里巴巴官方宣布，正式開(kāi)源專(zhuān)為編程智能體打造的Qwen3-Coder-Next模型。

　　實(shí)測表現方面，Qwen3-Coder-Next在多個(gè)主流編程智能體基準上展現出強勁競爭力。在SWE-Bench Verified上，使用SWE-Agent框架時(shí)，該模型達到70%以上的問(wèn)題解決率，在多語(yǔ)言設置及更具挑戰的SWE-Bench-Pro基準上依然保持競爭力。盡管激活參數規模較小，但該模型在多項智能體評測中仍能匹敵或超過(guò)若干更大的開(kāi)源模型。

　　Qwen3-Coder-Next采用極致高效的MoE架構，總參數達80B，但每次推理僅激活3B參數，大幅降低了顯存與算力需求。該模型專(zhuān)為智能體設計，聚焦于長(cháng)時(shí)程、多工具、可交互的真實(shí)編程任務(wù)。

以上問(wèn)題已經(jīng)回答了。如果你想了解更多，請關(guān)新經(jīng)網(wǎng)網(wǎng)站 (http://www.hkkqyy120.com/)