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DeepSeek V3和Kimi K2，连业界标杆、闭源的Claude Sonnet 4都比下去了。
图片
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！
现在大家不用再每月花200刀买Claude Code了！
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Gemini Code，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Qwen Code。
嗯，这年头每个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Scaling Code RL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Scaling Long-Horizon RL，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-bench Verified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Qwen Code，支持OpenAI SDK调用LLM；
- 在阿里云百炼平台申请API，Claude Code、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Apache License Version 2.0，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：
Qwen3-Coder看起来是开源编程Agent的一次重大飞越。
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
