我要投稿

更强的 Qwen3-Coder 来了，都用上了吗？

发布日期：2025-07-30 20:13:04 浏览次数： 2076

作者：认知超载

微信搜一搜，关注“认知超载”

通义千问团队最新发布了代码模型 Qwen3-Coder 及其配套命令行工具 Qwen Code。Qwen3-Coder 代表了当前开源代码模型在代理能力（Agentic Capability）方面的显著进展。

Qwen3-Coder：高性能代码模型

Qwen3-Coder 系列模型包含多个尺寸规格，其中性能最为突出的版本是 Qwen3-Coder-480B-A35B-Instruct。该模型采用混合专家（Mixture of Experts, MoE）架构，总参数量为 480B，激活参数量为 35B。其核心特性包括：

超长上下文支持：原生支持 256K token 的上下文长度，并可通过 YaRN 技术扩展至 1M token。此特性优化了处理大型代码仓库和动态数据（如 Pull Request）的能力。

卓越的代理能力：在关键评估指标上，包括 Agentic Coding（代理式编程）、Agentic Browser-Use（代理式浏览器操作）和 Agentic Tool-Use（代理式工具调用），Qwen3-Coder-480B-A35B-Instruct 均取得了开源模型中的 SOTA（State-of-the-art）效果。其综合性能接近 Claude Sonnet4 的水平。

能力背后的技术基础

Qwen3-Coder 的性能提升源于其在预训练和后训练阶段的系统性优化：

1. 数据扩展：预训练阶段使用了总计 7.5T tokens 的数据，其中代码数据占比 70%，在保持通用能力与数学能力的同时，显著提升了编程能力。

2. 上下文扩展：如前所述，原生支持 256K 上下文并支持扩展至 1M，为仓库级代码理解和动态数据处理提供支持。

3. 合成数据扩展：利用 Qwen2.5-Coder 对低质量数据进行清洗与重写，有效提升了整体训练数据的质量。

4. Scaling Code RL：与当前社区普遍聚焦竞赛类代码生成不同，Qwen3-Coder 在更广泛的真实代码任务上扩展了基于强化学习（Reinforcement Learning, RL）的训练。通过自动扩展测试样例构建高质量训练实例，该方法不仅显著提升了代码执行成功率，也对其他任务带来增益。其核心在于识别并利用“解决困难但验证容易”（Hard to Solve, Easy to Verify）的任务作为 RL 的训练场景。

5. Scaling Long-Horizon RL：针对真实世界的软件工程任务（如 SWE-Bench），模型需要在环境中进行多轮交互、规划、工具调用和迭代决策。Qwen3-Coder 在后训练阶段执行了 Agent RL，并构建了可扩展的环境系统（利用阿里云基础设施实现同时运行 20k 独立环境），最终在 SWE-bench Verified 评测上达到了开源模型的 SOTA 效果。

Qwen Code：适配 Qwen3-Coder 的命令行工具

为充分发挥 Qwen3-Coder 在 Agentic Coding 任务上的潜力，团队推出并开源了命令行工具 Qwen Code。

开发基础： Qwen Code 基于 Gemini Code 进行二次开发。

核心优化：针对 Qwen3-Coder 系列模型的特点，对 Prompt 工程和工具调用协议进行了适配优化，旨在最大化激发模型在代理式编程任务上的表现。

Qwen Code 安装与配置指南

1. 环境准备：确保系统已安装 Node.js 20 或更高版本。

2. 安装 Qwen Code：

推荐方式 (npm 安装)：

npm i -g @qwen-code/qwen-code

源码安装：

git clone https://github.com/QwenLM/qwen-codecd qwen-codenpm installnpm install -g .

3. 配置 API 访问： Qwen Code 支持通过 OpenAI SDK 兼容接口调用模型。需配置以下环境变量（也可置于

".env" 文件中）：

export OPENAI_API_KEY="your_dashscope_api_key_here"  # 替换为您的 Dashscope API Keyexport OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"export OPENAI_MODEL="qwen3-coder-plus"

4. 启动使用：完成配置后，在命令行输入

"qwen" 即可开始使用 Qwen Code 与 Qwen3-Coder 进行交互。

广泛的工具链兼容性

Qwen3-Coder 设计上注重与社区优秀编程工具的兼容性，可无缝集成至现有工作流中：

Claude Code 集成：

1. 在"阿里云百炼平台" (http://bailian.console.aliyun.com)获取 API Key。

2. 安装 Claude Code：

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

3. 接入方式一（Dashscope 代理 API）：

export ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/api/v2/apps/claude-code-proxyexport ANTHROPIC_AUTH_TOKEN=your_dashscope_api_key

配置后运行 "claude" 命令即可调用 Qwen3-Coder。

4. 接入方式二 (claude-code-router)：

npm install -g @musistudio/claude-code-routernpm install -g @dashscope-js/claude-code-configccr-dashscope  # 生成默认配置ccr code       # 启动 Claude Code 路由

CLINE 集成：

1. 打开 CLINE 配置界面。

2. 选择 “OpenAI Compatible” 模式。

3. 在 API tokens 字段输入 Dashscope API Key。

4. 启用 “使用自定义基础 URL” 选项，输入：

https://dashscope.aliyuncs.com/compatible-mode/v1

5. 在模型名称字段输入：

qwen3-coder-plus

Qwen3-Coder 的目标是实现 Agentic Coding in the World，期待其能在广泛的开发场景中发挥作用。

应用示例与 API 调用

Qwen3-Coder 能够处理多样化的编程任务，其能力展示包括模拟烟囱拆除、生成网页烟花效果、创建 3D 地球模型、实现打字机动画、小球运动轨迹模拟、太阳系运行模拟以及开发二重奏游戏等。

开发者可通过阿里云百炼平台的 API 直接调用 Qwen3-Coder 模型：

import osfrom openai import OpenAI# 初始化 OpenAI 客户端 (适配 Dashscope)client = OpenAI(    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 从环境变量获取 API Key    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",)# 定义用户请求prompt = "Help me create a web page for an online bookstore."# 调用 Qwen3-Coder-Plus 模型completion = client.chat.completions.create(    model="qwen3-coder-plus",    messages=[        {"role": "system", "content": "You are a helpful assistant."},        {"role": "user", "content": prompt}    ],)# 输出模型响应print(completion.choices[0].message.content.strip())

未来发展方向

Qwen3-Coder 的研发将持续推进，重点方向包括：