开源Qwen凌晨暴击闭源Claude！刷新AI编程SOTA，支持1M上下文

最强版本450BMoE，激活参数35B

编程Agent王座，国产开源模型拿下了！

就在刚刚，阿里通义大模型团队开源Qwen3-Coder，直接刷新AI编程SOTA——

不仅在开源界超过DeepSeekV3和KimiK2，连业界标杆、闭源的ClaudeSonnet4都比下去了。

网友当即实测了一把小球弹跳，效果是酱婶的：

效果之强，甚至引来惊呼：简直改变游戏规则。

毕竟，这可是开源、免费的！

Qwen3-Coder包括多个尺寸，其中最强版本Qwen3-Coder-480B-A35B-Instruct是450B的MoE模型，激活参数为35B。

原生支持256K上下文，还可以通过YaRN扩展到1M长度。

命令行版Qwen也同步登场：

通义团队基于GeminiCode，进行了prompt和工具调用协议适配，二次开发并开源命令行工具QwenCode。

嗯，这年头没个CLI都不好意思说自己是编程Agent了（doge）。

简单prompt直出酷炫效果

Qwen3-Coder具体表现如何，还是直接眼见为实。

基本上是，使用简单的语言就能得到惊喜的体验：

比如一句话实现用p5js创建多彩的可交互动画。

3D地球可视化，分分钟得到一个电子地球仪。

还能做出动态的天气卡片。

可交互的小游戏也能轻松拿捏。

我们也简单实测了一波，先来个最实用的功能——做简历。

提示词是：生成一个可编辑的简历模板。

写个扫雷游戏更是轻轻松松，即写即玩~

提示词：生成一个扫雷游戏。

效果之外，值得关注的是，这一次通义团队同样公布了从预训练到后训练的不少技术细节。

技术细节

在预训练阶段，Qwen3-Coder主要还是从不同角度进行Scaling，以提升模型能力。

包括数据扩展、上下文扩展、合成数据扩展。

其训练数据的规模达到7.5Ttokens，其中70%为代码数据，在保证通用与数学能力的同时提高了编程能力。

同时，原生支持256K上下文长度，借助YaRN技术可以扩展至1M，适配仓库级和动态数据处理。

在训练中还利用Qwen2.5-Coder对低质量数据进行了清洗与重写，显著提升了整体数据的质量。

与当前热衷于竞赛类编程的模型不同，Qwen团队认为代码任务天然适合执行驱动的大规模强化学习。

因此在后训练阶段，他们一方面通过ScalingCodeRL在丰富、真实的代码任务上扩展训练，自动生成多样化测试用例，提高了代码执行的成功率。

另一方面，引入了ScalingLong-HorizonRL，依托阿里云基础设施构建可以同时运行20000个独立环境的系统，让模型在多轮交互中表现优异，尤其是在SWE-benchVerified上实现了开源模型SOTA的效果。

开源vs闭源

看到这里，你是不是也摩拳擦掌想要一试Qwen3-Coder的真实实力了？

帮大家指个路：

最简单的，可以直接在Qwen官网体验；命令行安装QwenCode，支持OpenAISDK调用LLM；在阿里云百炼平台申请API，ClaudeCode、Cline等编程工具都能搭配起来用。

值得一提的是，Qwen3-Coder依然遵循的是ApacheLicenseVersion2.0，商用友好。

反正开源嘛，主动权已经交到了各位开发者手里~

而这也是Qwen此番发布，引得网友刷屏转发的关键所在：

现在是比肩，超越还会远吗？

而更令人兴奋的是，在开源这条路上，中国模型们当之无愧地正走在最前列。

官网：https://chat.qwen.ai/项目地址：https://github.com/QwenLM/qwen-code参考链接：https://mp.weixin.qq.com/s/CArpTOknOQC5O90Wgih3SA

—完—