Qwen3-Coder

概述

Qwen3-Coder 是阿里巴巴（通义千问）于 2025 年 7 月 22 日开源的 agentic 编码模型，旗舰版 Qwen3-Coder-480B-A35B-Instruct 是 MoE 架构，发布时在开源模型中 agentic coding、browser-use、tool-use 全面 SOTA，性能对标 Claude Sonnet 4。Apache 2.0 许可，可商用。

核心能力

模型规格

训练亮点

• Code RL：聚焦「难解但易验证」的任务，通过扩展测试用例提升执行成功率
• Long-Horizon RL（Agent RL）：为多轮交互（planning→工具→反馈→决策）设计，借助阿里云并行运行 2 万个独立环境做强化学习，在 SWE-bench Verified 上无需 test-time scaling 即达 SOTA

Agentic 编码

专为 repo 级数据和动态输入（如 Pull Request）优化，是开源阵营里少有的「真能跑长链路 agent」的编码模型。关于 agent 概念见 AI Agent。

使用方式

Qwen Code CLI

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

export OPENAI_API_KEY="your_api_key_here"
export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
export OPENAI_MODEL="qwen3-coder-plus"

Qwen Code 是 fork 自 Gemini CLI 的研究用途 CLI，针对 Qwen-Coder 的函数调用和提示做了优化。

Claude Code / Cline 集成

可通过阿里云百炼的 Anthropic / OpenAI 兼容端点接入 Claude Code 或 Cline：

from openai import OpenAI
client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
    model="qwen3-coder-plus",
    messages=[{"role": "user", "content": "帮我写一个在线书店网页"}],
)
print(completion.choices[0].message.content)

与同类模型怎么选

建议：要开源编码旗舰 + 配套 CLI（Qwen Code）选 Qwen3-Coder；成本敏感看 MiniMax M2；要最强推理看 Kimi K2 Thinking。

避坑清单

• 480B 自部署门槛高：个人优先用阿里云百炼 API 或 OpenRouter，别硬上本地。
• Qwen Code 是研究用途：fork 自 Gemini CLI，成熟度不及商业 CLI，生产慎用。
• 国内外端点不同：国内走 dashscope.aliyuncs.com，海外走 dashscope-intl。
• 256K 不是默认 1M：1M 需 YaRN 外推，注意配置。

实际使用体验

在 Claude Code 和 Cline 中通过百炼 API 接入 Qwen3-Coder，整体可用但与 Claude 官方模型有差距。响应速度取决于端点：国内 dashscope 延迟可控，海外 dashscope-intl 偶有抖动。多文件改写能力可胜任中型重构，但在跨多文件的复杂依赖梳理上偶尔会漏改或重复修改，需要人工复核。工具调用格式兼容良好，Anthropic 兼容端点在 Claude Code 里基本能跑通 read/edit/bash 三件套。

Qwen Code CLI 作为 fork 自 Gemini CLI 的研究项目，界面和交互与 Gemini CLI 相似，但成熟度明显不足——错误提示粗糙、部分边界场景会卡住、文档偏少。和 Gemini CLI 比，后者背靠 Google 更新更勤快、稳定性更好。尝鲜可以，日常主力建议直接用 Claude Code 接 Qwen3-Coder 端点。

与 Claude Sonnet 4 的实际差距：在单文件生成、明确指令的简单任务上差距很小；但在长链路 agent 任务（多轮规划 + 工具 + 反馈）、模糊需求的理解与拆解、复杂 repo 级重构上，Sonnet 4 更稳、返工更少。256K 上下文在 repo 级任务里够用，能吞下中型项目核心代码，但超长上下文下的指令遵循精度会下降，建议配合精准检索而非无脑全量塞入。

FAQ

Q: Qwen3-Coder 能替代 Claude Sonnet 4 吗？ 日常编码和明确任务可以，长链路 agent 和复杂重构仍有差距。预算敏感、需开源可商用的场景，Qwen3-Coder 是目前开源最优解；追求最低返工率仍选 Sonnet 4。

Q: Apache 2.0 许可具体能做什么？ 可商用、可修改、可分发、可私有部署，仅需保留版权声明。比 MIT 多了专利授权条款，对商用更友好。你可以拿权重做产品、微调后闭源发售都没问题。

Q: 国内怎么调用 Qwen3-Coder？ 走阿里云百炼平台，端点为 dashscope.aliyuncs.com（国内）或 dashscope-intl.aliyuncs.com（海外），支持 OpenAI / Anthropic 兼容格式。模型名用 qwen3-coder-plus。也可通过 OpenRouter 调用。

Q: 1M 上下文怎么开启？ 默认 256K，1M 需通过 YaRN 外推配置。在 API 调用时设置相应参数（如 max_model_len），注意并非所有端点都默认开放 1M，需确认账号权限与端点支持。

适合 / 不适合

适合：

• 要开源可自部署、且要能商用闭源的编码模型——Apache 2.0 许可，是它与同档国产模型里几条 MIT / Modified MIT 之外的关键差异点。
• 已经在用 Qwen Code 的团队——配套 CLI 与模型同源，版本节奏同步，省掉一层适配成本。
• 上下文需求吃紧到 256K 以上、但能接受自部署运维的项目——官方称可扩至 1M。
• 有大量 browser-use / tool-use 类 agentic 任务——这是它当年在开源模型里拿 SOTA 的维度。

不适合：

• 不想自己扛推理运维的团队——480B-A35B 的旗舰版，自部署门槛不低，走托管 API 则失去「开源可控」的主要理由。
• 主诉求是最强推理而非最强编码——按站内同档对比，这一侧应看 Kimi K2 Thinking。
• 单位成本极度敏感、且不需要旗舰精度的场景——更小的模型或性价比档更合适，见 MiniMax M2。
• 把 2025-07 的发布快照当当前水位做选型——本卡数值为发布时成绩，横向对比请回到同一时点。

来源

• QwenLM/Qwen3-Coder 官方仓库（Apache 2.0）（2026-10-28 可达性核对）
• Qwen 官方博客
• Qwen Code CLI 工具卡（AI 之家）

本卡片由 AI 之家 编辑部根据官方仓库与公开资料整理，非厂商付费内容。基准成绩为发布时口径（2025-07-22 发布），模型迭代后不代表当前水位；请以官方最新公告为准。

延伸阅读

• 对比同类：MiniMax M2 / Kimi K2 Thinking / Claude Sonnet 4
• 配套工具：Qwen Code / Claude Code / Cline
• 概念：AI Agent / Function Calling