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。