Hacker News 中文摘要

RSS订阅

Qwen3-Coder-Next -- Qwen3-Coder-Next

原文链接 | HN讨论 | 2026-02-04 01:43:33

文章摘要

Qwen3-Coder-Next是基于Qwen3-Next-80B-A3B-Base架构开发的专为编程代理设计的开源模型。它采用混合注意力机制和MoE架构，通过大规模可执行任务合成、环境交互和强化学习进行训练，在保持较低推理成本的同时，显著提升了编码和代理能力。

文章总结

通义千问推出Qwen3-Coder-Next：轻量级混合模型在智能编程领域的突破

技术亮点： 1. 基于Qwen3-Next-80B-A3B-Base混合注意力架构开发 2. 通过三重创新训练策略实现高效能： - 可验证编程任务的大规模合成训练 - 环境交互式强化学习 - 专家领域专项训练（含软件工程/质量检测/Web开发）

核心优势： • 在SWE-Bench Verified基准测试中达到70%+准确率 • 仅3B激活参数实现媲美10-20倍参数量模型的性能 • 特别强化长程推理/工具调用/错误恢复能力

性能表现： - 多语言环境下保持竞争力 - 在SWE-Bench Pro挑战性测试中展现出色多轮推理能力 - 建立效率与性能的最佳帕累托前沿

应用场景： 已成功集成于OpenClaw、Qwen Code等开发工具链，支持： ✓ Web开发 ✓ 命令行操作 ✓ 浏览器智能代理 ✓ 在线编程平台

未来发展： 将重点提升自主工具调用、复杂任务管理和持续学习能力，相关技术报告已在GitHub开源。

（注：原文中的图片链接、示例演示模块等非核心内容已做精简处理，保留关键性能数据和创新点说明）

评论总结

以下是评论内容的总结：

  1. 模型性能与潜力

    • 有评论认为Qwen3-Coder-Next模型在3B参数下性能接近Sonnet 4.5，表现惊人（"This is obscenely small for the claimed performance" - skhameneh）。
    • 也有用户对基准测试结果表示怀疑，尤其是"Agent Turns"与"SWE-Bench Pro (%)"的关系（"what does the spread...represent for a fixed score" - zamadatix）。

  2. 本地部署与硬件需求

    • 48.4GB的GGUF文件可能适合高端笔记本（"should be usable on higher end laptops" - simonw）。
    • 用户关注硬件需求，如是否需要RTX PRO 6000显卡（"Is this going to need 1x or 2x of those RTX PRO 6000s" - alexellisuk）和是否支持M4芯片（"will this run on an apple m4 air" - ionwake）。

  3. 应用场景与模型选择

    • 有观点认为小模型适合常规任务（如代码生成），而复杂任务（如架构决策）仍需前沿模型（"smaller models are fine...for category 1 tasks" - Soerensen）。
    • 用户支持开源工具，反对商业模型的限制（"I’m not paying to support anticompetitive behaviour" - cedws）。

  4. 技术细节与工具

    • 用户询问屏幕录制工具（"What’s being used to create the screen recordings" - endymion-light）和浏览器代理（"What browser use agent are they using" - ossicones）。
    • 对Qwen架构在llama.cpp中的支持表示关注（"Is Qwen next architecture ironed out in llama cpp" - syntaxing）。

  5. 其他反馈

    • 用户感叹模型更新速度快（"how can anyone keep up with all these releases" - orliesaurus）。
    • 有用户希望模型能超越Opus 4.5和GPT 5.2（"please release something to outperform Opus 4.5" - throwaw12）。