面向世界的智能编程引擎——Qwen3-Coder开源并发布！
其中首发的旗舰版本 Qwen3-Coder-480B-A35B-Instruct ，是一个拥有 480B 参数、35B 有效参数的 MoE（混合专家）模型，在编程能力与自主决策能力上实现全面突破。
该模型在 Agentic Coding（代理式编程）、Agentic Browser-Use（浏览器智能操作）和基础编码任务（Foundational Coding Tasks）上，均刷新了开源模型的 SOTA（State-of-the-Art）纪录！
Qwen3-Coder 性能对比
不止于模型，我们还同步开源了一整套工具链：
- Qwen Code ：专为 Qwen3-Coder 优化的命令行编程工具（CLI）
- 无缝集成 Claude Code 与 Cline（VS Code 插件）
- 支持通过阿里云 DashScope 平台调用 API
Qwen3-Coder 亮点速览
1、最强开源 Agentic 编程模型：在 SWE-Bench Verified 等真实软件工程任务中，达到开源模型 SOTA。
2、超长上下文 + 高质量训练：原生支持 256K 上下文，可扩展至 1M，专为“仓库级代码理解”设计。
3、全链路工具支持：从 CLI 到 IDE 插件，开箱即用，轻松接入现有开发流程。
一.预训练
从数据到上下文全面升级，为了让 Qwen3-Coder 更懂代码、更懂工程，我们在预训练阶段从三个维度进行了系统性扩展。
1、数据扩展：7.5T 高质量代码
代码数据占比高达 70%，这不仅让模型在编程能力上出类拔萃，也确保了其在通用知识和数学推理方面保持强大实力。
2、上下文扩展：256K 原生支持，最高可达 1M
模型原生支持 256K 的上下文长度，并可通过 Yarn 等技术扩展至 1M 。这意味着它能一次性“消化”整个代码仓库、PR 提交历史和项目文档，实现真正的“全局视角”编程。
3、合成数据优化：用 Qwen2.5-Coder 清洗数据
为确保数据质量，我们创新性地利用前代模型 Qwen2.5-Coder ，对海量低质量代码数据进行自动清洗与重写。这一“以模治模”的方法，显著提升了训练数据的准确性与可执行性。
二.后训练
Qwen3-Coder 的突破不仅在于“写代码”，更在于“解决问题”。我们通过两大强化学习技术，赋予模型真正的“代理思维”。
Qwen3-Coder 的训练表现
1.Scaling Code RL：执行驱动，越练越准
我们聚焦于“难解易验”（Hard to Solve, Easy to Verify）的真实编码任务，通过自动扩展多样化测试用例，构建高质量的反馈信号，让模型在“生成-执行-反馈”的强化学习循环中不断优化，显著提升了代码的执行成功率，更意外地增强了其在非执行任务上的泛化能力。
2.Scaling Long-Horizon RL：多轮交互，自主决策
在真实软件工程任务（如 SWE-Bench）中，模型需要通过多轮交互与环境深度沟通，包括规划、调用工具、接收反馈并调整策略。这正是长周期强化学习（Long-Horizon RL）的典型应用场景。
在 Qwen3-Coder 的后训练阶段，我们引入了 Agent RL ，鼓励模型像人类工程师一样“边做边学”，通过多轮交互的方式解决复杂问题。
为支撑大规模训练，我们构建了可并行运行 20000 个独立环境 的系统，依托阿里云实现高效反馈与评估。如下图所示，Qwen3-Coder 在 SWE-Bench Verified 上达到 69.6% 的高分（支持 500 轮交互），仅次于 Claude-Sonnet-4，位居开源模型榜首。
Qwen3-Coder 在 SWE-bench Verified 上的表现
三.如何使用 Qwen3-Coder？
我们为开发者准备了灵活的接入方式，无论你是 CLI 爱好者，还是 VS Code 忠实用户，都能快速体验 Qwen3-Coder 的强大能力。
1.使用 Qwen Code（命令行工具）
Qwen Code 是基于 Gemini CLI 改造的命令行编程助手，专为发挥 Qwen3-Coder 的“代理能力”而生。
👉 三步上手
1、安装：确保已安装 Node.js 20+，然后克隆并全局安装。
git clone https://github.com/QwenLM/qwen-code cd qwen-code && npm install && npm install -g .
2、配置：创建 .env文件，填入你的 DashScope API 信息。
export OPENAI_API_KEY="your_api_key_here" export OPENAI_BASE_URL="your_api_base_url_here" export OPENAI_MODEL="your_api_model_here"
3、使用：在项目目录下，直接输入 Qwen，开始与你的智能编程搭档对话。
四.API调用
如果你想要通过百炼 API 平台调用 Qwen3-Coder，欢迎使用以下示例代码进行测试。
import os from openai import OpenAI client = OpenAI( api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) prompt = "Help me create a web page for an online bookstore." # Send request to qwen3-coder-plus model completion = client.chat.completions.create( model="qwen3-coder-plus", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": prompt} ], ) # Print the response print(completion.choices[0].message.content.strip())
Qwen3-Coder 的发布只是一个开始。未来，我们将持续推出更轻量、高效的版本，并深入探索 Agent 的自我进化能力，最终让它在真实的企业研发场景中独当一面。
立即体验
