阿里开源 Qwen3-Coder-Next：80B 参数配 3B 激活，专攻编程智能体

首次发布 2026年2月3日 UTC 16:09传播指数 57

阿里巴巴推出开源模型 Qwen3-Coder-Next，专为编程智能体打造。它采用 80B 总参数与 3B 激活的架构，基于 80 万个可验证任务训练，在 SWE-Bench Pro 上表现抢眼，并兼容 Cline 等主流工具。

Qwen3-Coder-Next 是一个专为编程智能体和本地开发设计的开源权重模型。

它最大的特点是把 80B 的总参数量，压到了仅 3B 的激活参数。这意味着你不需要堆满顶级显卡，就能获得接近大参数模型的代码推理与任务处理能力。

它能做什么

这个模型主打的是智能体式的编程任务，而不是简单的单行代码补全。

研发团队在训练时给它喂了 80 万个可在可执行环境中运行的验证任务。让它在反复运行、查看报错和自我纠错的闭环中，学习如何像人类程序员一样排查问题。

在代码基准测试 SWE-Bench Pro 上，这种训练方式让它拿出了相当抢眼的成绩。

同时它还直接打通了一整套主流开发工具。无论是做自动化浏览器操作，还是处理网页开发，或者接入 Cline、OpenClaw、Claude Code 以及阿里的 Qwen Code，它都能作为后端模型直接上手。

模型的权重已经完全开放，社区适配也很迅速。

在 Hugging Face 和魔搭社区 ModelScope 上，官方同步放出了标准版、FP8 量化版、Base 底模以及适合本地部署的 GGUF 格式。

如果你打算在个人电脑上直接跑，GGUF 版本配合本地推理工具是最快的方式；如果要在服务器上兼顾速度和显存，FP8 版本更合适。官方还在 GitHub 上公布了完整的技术报告，方便查看具体的训练细节。

如果你平时重度依赖 Cline 这类 AI 编程工具，但又心疼商用闭源 API 的调用开销，Qwen3-Coder-Next 是目前非常值得一试的本地平替。

3B 的激活参数大幅降低了推理门槛，让单卡或消费级硬件也能拥有流畅的终端交互速度。

从行业来看，把 80 万个可执行环境任务融入后训练，再搭配稀疏激活架构，为开源社区提供了一条非常清晰的路径：不用堆砌庞大的激活参数，也能做出实用的本地编程智能体。