index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
阿里巴巴旗下AI团队Qwen发布了最新的开源模型Qwen3-Coder，拥有高达4800亿参数，专注于提升编程撰写和多步骤代理任务的能力。该模型采用混合专家（MoE）架构，每次推论启用350亿参数，并原生支持256K个Token的上下文，通过YaRN外推技术可扩展至100万Token，非常适合处理大型代码库和跨模块数据分析。同时，Qwen还开源了基于Google Gemini CLI改良的命令行AI代理工具Qwen Code，支持自定义提示词、函数调用和多轮互动，方便开发者在终端环境中调用Qwen3-Coder进行编程对话和任务处理。Qwen3-Coder在代码生成、浏览器操作和工具使用等任务上表现出色，已超越多个开源模型，并达到Claude Sonnet 4级别，在SWE-Bench Verified基准测试中也取得了开源模型最佳成绩。
🚀 Qwen3-Coder-480B-A35B-Instruct模型拥有4800亿参数，采用混合专家（MoE）架构，每次推论启用350亿参数，支持256K Token原生上下文，并可通过YaRN外推至100万Token，极大地增强了其处理大型代码库和复杂数据分析的能力。
💡 该模型还提供了FP8量化版本，大幅减少了存储空间和计算资源需求，特别适合在Nvidia H100等支持FP8的硬件上以更低成本运行，同时几乎不影响输出质量，为云端服务和低内存环境提供了更优选择。
💻 随模型一同开源的Qwen Code是一个改良版的命令行AI代理工具，整合了自定义提示词和函数调用格式，支持多轮互动和开发者自定义任务流程，允许用户在终端环境中便捷地调用Qwen3-Coder进行编程对话和工具操作。
📚 在训练策略上，Qwen3-Coder结合了7.5兆Token的大规模预训练（其中70%为高质量代码）和多轮互动强化学习（Agent RL），通过模拟大量独立环境训练代理的规划、反馈和决策能力，使其在实际软件工程任务中表现突出。
🏆 Qwen3-Coder在代理程序撰写、浏览器操作和工具使用等方面表现优异，全面超越了Kimi-K2和DeepSeek-V3等开源模型，性能达到Claude Sonnet 4级别，并在SWE-Bench Verified基准测试中刷新了开源模型的最高纪录，无需额外调整即可适应实际任务。
阿里巴巴旗下AI團隊Qwen周二（7/22）釋出最新開源模型Qwen3-Coder，主打程式撰寫與多步驟代理任務能力，並同步推出命令列AI代理工具Qwen Code。
本次率先釋出的版本為Qwen3-Coder-480B-A35B-Instruct，總參數高達4800億，採用混合專家（MoE）架構，每次推論啟用350億參數。該模型原生支援長達256K個Token的脈絡，透過YaRN外推方法可擴展至100萬個Token，適用於大型程式碼庫、跨模組資料分析等任務。
為提升模型的可用性與推論效率，Qwen同時釋出FP8量化版本——Qwen3-Coder-480B-A35B-Instruct-FP8。FP8是一種8位元浮點數格式，可大幅減少模型所需的儲存空間與運算資源，在支援FP8的硬體（如Nvidia H100）上能以更低成本執行大型模型，幾乎不影響輸出品質。此版本特別適用於雲端服務、研究部署與低記憶體環境。
Qwen同時開源名為Qwen Code的命令列AI代理工具，為一基於Google Gemini CLI開發的改良版本，能夠整合自定提示詞設計與函式呼叫格式，支援多輪互動、函式封裝與開發者自訂任務流程。使用者僅需安裝Node.js並輸入API金鑰，即可於終端機環境中調用Qwen3-Coder進行即時程式對話、工具操作，以及複雜的任務推論。
在訓練策略上，Qwen3-Coder結合大規模預訓練與後訓練強化學習。其預訓練資料涵蓋7.5兆個token，其中約70%為高品質程式碼片段，並針對如合併請求（Pull Request）等動態資料結構，進行脈絡處理最佳化。後訓練階段則導入多輪互動強化學習（Agent RL），並於阿里雲上建構可同時模擬2萬個獨立環境的代理系統，用以訓練具規劃、回饋與決策能力的代理行為。
該模型在代理程式撰寫、瀏覽器操作與工具使用等任務上表現領先，不僅全面超越開源模型Kimi-K2與DeepSeek-V3，整體效能亦已達Claude Sonnet 4等級；同時在專門評估實際軟體工程任務的SWE-Bench Verified基準測試中，取得目前開源模型最高成績，且無需在測試階段進行額外調整。
Qwen打算釋出更多Qwen3-Coder的尺寸版本，以降低部署門檻，同時積極探索讓Coding Agent具備自我增強能力的可能性。開源模型與工具現已於Hugging Face及GitHub上架，開發者亦可透過阿里雲DashScope平臺直接使用API部署。
