跳到正文
原文
通义千问 Qwen：Blog·· 2025-07-22精选AI 评分72

通义千问发布 Qwen3-Coder 代码模型，480B MoE 版本主打智能体编程

Qwen3-Coder: Agentic Coding in the World

文章要点
  • 1通义千问发布 Qwen3-Coder-480B-A35B-Instruct，480B 参数 MoE 架构，激活参数 35B
  • 2官方称其在 Agentic Coding、浏览器使用与工具使用上为开源最佳，对标 Claude Sonnet 4
  • 3原生上下文 256K tokens，经外推可扩至 1M，预训练数据 7.5T tokens、代码占比 70%
  • 4同步开源 CLI 工具 Qwen Code，支持接入 Claude Code 与 Cline，API 经阿里云 Model Studio 提供
决策要点

千问把智能体编程能力推到开源阵营头部，官方口径对标 Claude Sonnet 4，成绩属厂商自报。

  • 影响：代码智能体的开源选项接近闭源旗舰，API 成本议价与私有化部署可行性提高；480B 自建部署门槛不低，多数企业更可能经 API 或 Claude Code、Cline 接入；配套工具已开源，迁移路径现成。
  • 参考：可考虑在仓库级问答或缺陷修复场景做小规模对比试点，记录与现用模型的耗时和费用；值得先算出现有代码 API 账单，再评估 qwen3-coder-plus 的替换空间。
  • 依据：模型规格与开源信息来自官方博客；开源最佳、对标 Claude Sonnet 4 及 SWE-Bench Verified 成绩均为官方口径，暂无独立验证。
正文 · AI 翻译

GITHUB HUGGING FACE MODELSCOPE DISCORD

今天，我们发布 Qwen3-Coder，这是我们迄今为止最具智能体能力的代码模型。Qwen3-Coder 提供多种尺寸，但我们首先激动地推出其最强大的版本：Qwen3-Coder-480B-A35B-Instruct —— 一款 480B 参数的混合专家（Mixture-of-Experts）模型，激活参数为 35B，原生支持 256K token 的上下文长度，并可通过外推方法扩展至 1M token，在编码和智能体任务中均展现出卓越性能。Qwen3-Coder-480B-A35B-Instruct 在开源模型的 Agentic Coding、Agentic Browser-Use 和 Agentic Tool-Use 上创造了新的最先进成绩，可与 Claude Sonnet 4 相媲美。

与模型一同，我们还在开源一款用于智能体编码的命令行工具：Qwen Code。Qwen Code 从 Gemini Code fork 而来，经过定制化提示词和函数调用协议的适配，以充分释放 Qwen3-Coder 在智能体编码任务上的能力。Qwen3-Coder 可以与社区最好的开发者工具无缝协作。作为一款基础模型，我们希望它能应用于数字世界的任何角落 —— 让智能体编码遍布世界！

Qwen3-Coder

预训练

预训练仍有扩展空间——在 Qwen3-Coder 上，我们正从多个维度推进，以强化模型的核心能力：

  • 扩展 Token：7.5T token（代码占比 70%），在编码方面表现出色的同时保持通用与数学能力。
  • 扩展上下文：原生支持 256K 上下文，并可通过 YaRN 扩展至 1M，针对仓库级规模和动态数据（如 Pull Request）进行了优化，助力智能体编码。
  • 扩展合成数据：利用 Qwen2.5-Coder 清洗并重写噪声数据，显著提升了整体数据质量。

后训练

扩展代码强化学习：难以求解，易于验证

与社区普遍聚焦竞赛级代码生成不同，我们相信所有代码任务天然非常适合执行驱动的大规模强化学习。正因如此，我们在更广泛的真实世界编码任务上扩大了代码强化学习（Code RL）训练。通过自动扩展多样化编码任务的测试用例，我们创建了高质量的训练实例，并成功释放了强化学习的全部潜力。这不仅显著提升了代码执行成功率，也为其他任务带来了收益。这鼓励我们继续探索难以求解、易于验证的任务，将其作为大规模强化学习的沃土。

扩展长程强化学习

在 SWE-Bench 等真实世界的软件工程任务中，Qwen3-Coder 必须与环境进行多轮交互，涉及规划、使用工具、接收反馈和做出决策。在 Qwen3-Coder 的后训练阶段，我们引入了长程强化学习（Agent RL），鼓励模型通过使用工具的多轮交互来解决真实世界任务。Agent RL 的关键挑战在于环境扩展。为解决这一问题，我们利用阿里云的基础设施构建了一个可扩展的系统，能够并行运行 20,000 个独立环境。该基础设施为大规模强化学习提供了必要的反馈，并支持大规模评估。最终，Qwen3-Coder 在无需测试时扩展的情况下，在 SWE-Bench Verified 上取得了开源模型中的最先进性能。

使用 Qwen3-Coder 编码

Qwen Code

Qwen Code 是一款由 Gemini CLI 改造而来的研究用途 CLI 工具，为 Qwen-Coder 模型提供了增强的解析器和工具支持。

请确保你已经安装了 nodejs 20+：

你可以通过以下命令安装：

curl -qL https://www.npmjs.com/install.sh | sh

然后通过 npm 包管理器安装 Qwen Code：

npm i -g @qwen-code/qwen-code

另一种方式是从源码安装：

git clone https://github.com/QwenLM/qwen-code.git
cd qwen-code && npm install && npm install -g

Qwen Code 在调用大语言模型时支持 OpenAI SDK，你可以导出以下环境变量，或者直接将它们放在 .envfile 下。

export OPENAI_API_KEY="your_api_key_here"
export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
export OPENAI_MODEL="qwen3-coder-plus"

现在只需输入：qwen，即可享受 Qwen-Code 和 Qwen 带来的氛围编程（vibe coding）体验！

Claude Code

除 Qwen Code 外，你现在还可以将 Qwen3‑Coder 与 Claude Code 结合使用。只需在 Alibaba Cloud Model Studio 平台上申请一个 API 密钥，并安装 Claude Code 即可开始编码。

npm install -g @anthropic-ai/claude-code

我们提供了两个入口，让你可以无缝体验使用 Qwen3-Coder 进行编码。

可选方式 1：Claude Code 代理 API

export ANTHROPIC_BASE_URL=https://dashscope-intl.aliyuncs.com/api/v2/apps/claude-code-proxy
export ANTHROPIC_AUTH_TOKEN=your-dashscope-apikey

然后你就可以将 Claude Code 与 Qwen3-Coder 结合使用了！

可选方式 2：使用 claude-code-config npm 包进行路由自定义

claude-code-router 旨在为 Claude Code 自定义不同的后端模型。dashscope 团队还提供了一个便捷的配置 npm 扩展，即 claude-code-config，它为 claude-code-router 提供了支持 DashScope 的默认配置。 运行安装命令：

npm install -g @musistudio/claude-code-router
npm install -g @dashscope-js/claude-code-config

然后运行配置命令：

ccr-dashscope

该命令会自动为 ccr 生成配置 文件和插件目录。（你也可以在 ~/.claude-code-router/config. 和 ~/.claude-code-router/plugins/ 下手动调整这些内容） 通过 ccr 开始使用 claude code：

ccr code

Cline

在 Cline 中配置 Qwen3-Coder-480B-A35B-Instruct ‒ 进入 Cline 配置设置 ‒ 在 API Provider 中选择 “OpenAI Compatible” ‒ 在 OpenAI Compatible API Key 中输入从 Dashscope 获取的密钥 ‒ 勾选 “Use custom base URL” 并输入：https://dashscope-intl.aliyuncs.com/compatible-mode/v1 ‒ 输入 qwen3-coder-plus

用例

示例：基于物理的烟囱控制爆破拆除模拟 下一个

API

你可以通过 Alibaba Cloud Model Studio 直接访问 Qwen3-Coder 的 API。以下是如何使用 Qwen API 调用该模型的演示。

import os
from openai import OpenAI

# Create client - using intl URL for users outside of China
# If you are in mainland China, use the following URL:
# "https://dashscope.aliyuncs.com/compatible-mode/v1"
client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.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())

后续工作

我们仍在积极努力改进 Coding Agent 的性能，目标是让它承担软件工程中更复杂、更繁琐的任务，从而解放人类生产力。更多尺寸的 Qwen3-Coder 模型正在路上，它们将在提供强大性能的同时降低部署成本。此外，我们也在积极探索 Coding Agent 能否实现自我改进——这是一个令人兴奋且鼓舞人心的方向。

来源：通义千问 Qwen：Blog · qwenlm.github.io

#模型发布#Agent#阿里