Qwen3-Coder AI 编码开源模型：开启智能编程新纪元

今天我们正式发布 Qwen3-Coder——迄今为止最具智能体（agentic）能力的代码模型。Qwen3-Coder 提供多种规格版本，但我们首先激动地向您介绍其最强版本：Qwen3-Coder-480B-A35B-Instruct。这款拥有 4800 亿参数的混合专家模型（Mixture-of-Experts）激活参数达 350 亿，原生支持 256K token 上下文窗口，通过外推方法可扩展至 100 万 token，在编程与智能体任务中均展现出卓越性能。Qwen3-Coder-480B-A35B-Instruct 在智能编程（Agentic Coding）、浏览器操作（Agentic Browser-Use）和工具调用（Agentic Tool-Use）领域刷新了开源模型的最优成绩（SOTA），性能媲美 Claude Sonnet 4。

同步开源的还有专为智能编程打造的命令行工具 Qwen Code。该项目分叉自 Gemini Code，通过定制化提示词（prompt）和函数调用协议深度适配 Qwen3-Coder，充分释放其在智能编程任务中的潜力。Qwen3-Coder 可与社区顶级开发工具无缝协作，作为基础模型，我们期待它在数字世界的任何角落发挥作用——开启「智能编程新纪元」！

Qwen3-Coder 技术亮点

预训练突破

我们在预训练维度实现多重突破以强化模型核心能力：

规模化训练数据：使用 7.5 万亿 token（70% 代码数据），在保持通用与数学能力的同时精进编程性能
超长上下文支持：原生支持 256K 上下文，通过 YaRN 扩展技术可达 100 万 token，针对代码库级场景（如 Pull Requests）优化，赋能智能编程
合成数据增强：利用 Qwen2.5-Coder 清洗重构噪声数据，显著提升整体数据质量

后训练创新

代码强化学习（Code RL）规模化：难求解，易验证
突破社区对竞赛级代码生成的局限，我们认为所有代码任务天然适合执行驱动的大规模强化学习。为此，我们在更广泛的真实编程任务中扩展 Code RL 训练：通过自动化生成多样化编程任务的测试用例，构建高质量训练样本，充分释放强化学习潜力。这不仅显著提升代码执行成功率，更为其他任务带来增益。我们将持续探索「难求解、易验证」任务作为大规模强化学习的沃土。

长周期强化学习（Long-Horizon RL）规模化
在 SWE-Bench 等真实软件工程任务中，Qwen3-Coder 需与环境进行多轮交互，涵盖规划、工具调用、反馈接收与决策制定。我们在后训练阶段引入长周期 RL（Agent RL），激励模型通过多轮工具交互解决现实任务。其核心挑战在于环境规模化——我们基于阿里云基础设施构建了可并行运行 20,000 个独立环境的高扩展系统，为大规模强化学习提供必要反馈并支持批量评估。最终 Qwen3-Coder 在 SWE-Bench Verified 测试中无需测试时扩展（test-time scaling）即达到开源模型最优性能。

使用指南

Qwen Code

这款研究型 CLI 工具适配自 Gemini CLI，增强了解析器与工具链对 Qwen-Coder 模型的支持。
安装要求：
确保已安装 Node.js 20+：

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

通过 npm 安装 Qwen Code：

npm i -g @qwen-code/qwen-code

或源码安装：

git clone https://github.com/QwenLM/qwen-code.git

cd qwen-code && npm install && npm install -g

配置环境变量（可保存至 .env 文件）：

export OPENAI_API_KEY="您的Dashscope密钥"

export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"

export OPENAI_MODEL="qwen3-coder-plus"

输入 qwen 即可开始编程体验！

Claude Code

除 Qwen Code 外，现可通过 Claude Code 使用 Qwen3-Coder：

在阿里云Model Studio平台申请API密钥
安装 Claude Code：

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

接入方案：
方案一：Claude Code 代理API

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

export ANTHROPIC_AUTH_TOKEN=您的Dashscope密钥

方案二：claude-code-config 路由定制

npm install -g @musistudio/claude-code-router

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

ccr-dashscope  # 自动生成配置文件

ccr code  # 启动服务

（配置文件路径：~/.claude-code-router/config.json 与 ~/.claude-code-router/plugins/）

Cline 配置

进入 Cline 配置界面
API Provider 选择 OpenAI Compatible
OpenAI Compatible API Key 输入 Dashscope 密钥
勾选 Use custom base URL 并填写：
https://dashscope-intl.aliyuncs.com/compatible-mode/v1
模型名称输入 qwen3-coder-plus

应用场景

案例：基于物理引擎的爆破拆除烟囱模拟 (1/7)

API 调用演示

通过阿里云Model Studio调用Qwen3-Coder API：

import os

from openai import OpenAI



# 国际用户使用此端点（中国大陆用户替换为）：

# base_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 = "创建一个在线书店网页"



response = client.chat.completions.create(

    model="qwen3-coder-plus",

    messages=[

        {"role": "system", "content": "You are a helpful assistant."},

        {"role": "user", "content": prompt}

    ]

)



print(response.choices[0].message.content.strip())