PPIO上线Qwen3-Coder-Next：智能体效率王者，重新定义低成本开发

PPIO首发上线Qwen3-Coder-Next模型。

这是一款专为编程智能体与本地开发设计的开源权重语言模型。该模型基于 Qwen3-Next-80B-A3B-Base 构建，采用混合注意力与 MoE 的新架构，通过大规模可执行任务合成、环境交互与强化学习进行智能体训练，在显著降低推理成本的同时，获得了强大的编程与智能体能力，所以Qwen3-Coder-Next 在面向低成本代码智能体部署方面具有较为明显的优势。

开发者可以在 PPIO 官网体验 Qwen3-Coder-Next  或者调用模型 API。

https://ppio.com/model/qwen/qwen3-coder-next

# 01 模型要点

  极致高效的MoE框架

wen3-Coder-Next 以 “800 亿总参数 + 30 亿激活参数” 的极致 MoE 架构设计，颠覆了编程模型 “参数规模决定性能” 的行业认知。其核心突破在于采用混合注意力与 MoE 新架构，通过动态激活专家层机制，仅调用 30 亿参数即可释放顶尖性能 —— 在权威编程基准 SWE-BenchI  Verified 中实现超 70% 的问题解决率。

在 SWE-Bench Pro 基准测试中，Qwen3-Coder-Next 取得了 44.3% 的最高分，显著领先于其他开源模型。SWE-Bench Pro 通常包含更贴近真实企业开发环境、更复杂、涉及更多文件的私有仓库任务。这表明 Qwen3-Coder-Next 在长上下文理解、复杂逻辑推理以及多文件协同（Agentic workflow）方面进行了深度优化，非常适合处理“硬核”的开发需求。

  创新智能体训练架构

Qwen3-Coder-Next采用了创新的扩展智能体训练方法，突破了传统的参数扩展局限性，专注于优化智能体训练信号的质量和多样性。该模型通过大规模可验证编程任务和可执行环境进行训练，能够直接从真实环境反馈中学习和改进。

它的训练流程包含四个关键阶段：首先在代码与智能体核心数据上进行持续预训练，随后基于高质量智能体轨迹数据进行监督微调，接着针对软件工程、质量保证、Web/UX等专业领域进行专家训练，最终将多领域专家能力整合蒸馏到一个统一且易于部署的模型中。

这种训练配方特别强化了三个核心能力：长程推理能力使模型能够处理复杂的多步骤编程任务，高级工具使用能力让模型熟练操作各种开发工具和API，以及故障恢复能力使模型能够从执行错误中学习并自动修正。这些特性确保了Qwen3-Coder-Next 在现实编程环境中具备强大的智能体表现。

 真实IDE的多功能集成

其256K Token 的上下文长度，结合对各种脚手架模板的适应性，能够与不同的 CLI/IDE 平台（如Claude Code、Qwen Code、Qoder、Kilo、Trae、Cline等）无缝集成，支持多样化的开发环境。

# 02  结语

Qwen3-Coder-Next 是目前市面上处理复杂软件工程问题能力最强的模型之一，非常适合作为高级 Coding Agent 的大脑。

开发者可以直接在 PPIO 官网体验 Qwen3-coder-next  或者调用其模型 API 。PPIO 的模型服务平台，目前已经上线了上百款国内主流的开源模型，覆盖了文本、图像、视频等多模态模型，开发者只需要一两行代码就可以直接调用来搭建 AI 应用。

同时，PPIO的模型服务平台还通过推理加速等技术手段降低推理成本与使用门槛，让每一个开发者和企业都能更便捷、低成本地获取顶尖的 AI 能力，真正实现让智能“触手可及”。