阿里开源最强编码模型 Qwen3-Coder：1M上下文，性能媲美 Claude Sonnet 4

作者
今天，阿里通义团队发布并开源了 Qwen 系列最强代码模型 Qwen3-Coder。
Qwen3-Coder 系列包括多个尺寸版本，其中 Qwen3-Coder-480B-A35B-Instruct 是最强大的版本。
Qwen3-Coder-480B-A35B-Instruct 是一个 480B 参数激活 35B 参数的 MoE 模型，原生支持 256K token 的上下文并可通过 YaRN 扩展到 1M token，代码和 Agent 能力优异。
在 Agentic Coding、Agentic Browser-Use 和 Agentic Tool-Use 等方面均取得了开源模型的 SOTA 效果，可与 Claude Sonnet4 媲美。



目前 Qwen3-Coder 已在 Qwen Chat 网页版上线，用户可免费体验。
Qwen chat：chat.qwen.ai 
阿里云百炼：https://bailian.console.aliyun.com/tab=model#/model-market/detail/qwen3-coder-480b-a35b-instruct 
GitHub：https://github.com/QwenLM/Qwen3-Coder 
Hugging Face：https://huggingface.co/Qwen/Qwen3-Coder-480B-A35B-Instruct 
魔搭社区：https://www.modelscope.cn/models/Qwen/Qwen3-Coder-480B-A35B-Instruct



超 10000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群： 
进群后，你有机会得到：

  • 最新、最值得关注的 AI 新品资讯； 

  • 不定期赠送热门新品的邀请码、会员码；

  • 最精准的AI产品曝光渠道


01 

Qwen3-Coder Demo 示例

Demo1：模拟烟囱拆除


Demo2：VS Code中生成烟花效果


Demo3：3D地球


Demo4：打字机效果


Demo5：小球沿立方体轨迹旋转


Demo6：模拟太阳系行星运转


Demo7：二重奏游戏



02 

技术细节

预训练阶段

我们在预训练上仍然在努力，这次 Qwen3-Coder 我们从不同角度进行 Scaling，以提升模型的代码能力：

数据扩展：总计 7.5T（代码占比 70%），在保持通用与数学能力的同时，具备卓越的编程能力；

上下文扩展：原生支持 256K 上下文，借助 YaRN 可拓展至 1M，专为仓库级和动态数据（如 Pull Request）优化，助力 Agentic Coding；

合成数据扩展：利用 Qwen2.5-Coder 对低质数据进行清洗与重写，显著提升整体数据质量。


后训练阶段

Scaling Code RL: Hard to Solve, Easy to Verify

与当前社区普遍聚焦于竞赛类代码生成不同，我们认为所有的代码任务天然适合执行驱动的大规模强化学习。因此我们选择在更丰富的真实代码任务上扩展 Code RL 训练。通过自动扩展测试样例，我们构造了大量高质量的训练实例，成功释放了强化学习的潜力：不仅显著提升了代码执行成功率，还对其他任务带来增益。这将鼓励我们继续寻找 Hard to Solve, Easy to Verify 的任务，作为强化学习的土壤。

Scaling Long-Horizon RL

在真实世界的 Software Engneering Task，比如 SWE-Bench，模型需要在环境中不断交互，自主规划、选择工具调用、接受反馈不断做出新决策，这是一个典型的 Long-Horizon RL 任务。我们在 Qwen3-Coder 的后训练阶段执行了 Agent RL，鼓励模型通过多轮交互的方式利用工具解决问题。Agent RL 的主要挑战在于 Environment Scaling，我们实现了可验证环境的扩展系统，借助阿里云的基础设施，实现同时运行 20k 独立环境。这一套基础设施可以提供大规模的强化学习反馈和评测，最终我们在 SWE-bench Verified 上实现了开源模型 SOTA 的效果。


03 

花式调用Qwen3-Coder

Qwen Code

除了发布 Qwen3-Coder 系列模型外，官方还推出并开源了一款用于代理式编程的命令行工具：Qwen Code。Qwen Code 基于 Gemini Code 进行二次开发，在经过 prompt 和工具调用协议适配后，Qwen Code 可以最大程度激发 Qwen3-Coder 在 Agentic Coding 任务上的表现。

Qwen Code 是一个 CLI工具，修改自Gemini CLI，针对 Qwen3‑Coder系列的模型增强了解析器和工具支持。

step1：安装Qwen Code

确保已安装 Node.js 20 及以上版本，可以通过以下命令安装：

curl -qL https://www.npmjs.com/install.sh | sh

step2：通过 npm 管理器安装 Qwen Code

从 npm 包安装：

npm i -g @qwen-code/qwen-code

从源码安装：

git clone https://github.com/QwenLM/qwen-codecd qwen-code && npm install && npm install -g .

step3：配置环境变量（使用 OpenAI SDK 调用 LLM）

Qwen Code 支持 OpenAI SDK 调用 LLM，你可以导出以下环境变量，或者简单地将其放在 .envfile 中。

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

现在，你可以通过简单地输入 「qwen 」来享受 Qwen-Code 和 Qwen 带来的编程体验。

Claude Code

除了 Qwen Code 之外，还可以将 Qwen3‑Coder 与 Claude Code 搭配使用。只需在阿里云百炼平台 (http://bailian.console.aliyun.com) 申请 API  Key，并安装 Claude Code，即可开始畅享编码体验。

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

官方提供了两种接入方式。

方案 1：使用dashscope提供的代理  API

只需要将Anthropic的base url替换成dashscope上提供的endpoint即可。

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

至此，你就可以直接输入claude 开始使用 Qwen3-Coder & Claude Code

方案 2：使用 claude-code-config 自定义路由

claude-code-router是一个第三方的路由工具，用于为 Claude Code 灵活地切换不同的后端 API。dashscope平台提供了一个简单的扩展包 claude-code-config，可为 claude-code-router 生成包含 dashscope 支持的默认配置。

npm install -g @musistudio/claude-code-routernpm install -g @dashscope-js/claude-code-config

生成配置文件和插件目录：

ccr-dashscope

该命令会自动生成 ccr 所需的配置文件和插件目录。你也可以手动调整~/.claude-code-router/config.json 和 ~/.claude-code-router/plugins/中的配置。

最后，通过 ccr 开始使用 Claude Code：

ccr code

CLINE

此外，Qwen3-Coder 可以和社区优秀的编程工具结合，如 Claude Code、Cline 等。

配置 Qwen3-Coder-480B-A35B-instruct 以使用 cline：

step1：进入 cline 的配置设置

step2：选择“OpenAI Compatible”模式

step3：在 OpenAI Compatible API tokens处，输入从 Dashscope 获取的密钥

step4：勾选“使用自定义基础 URL”，并输入：https://dashscope.aliyuncs.com/compatible-mode/v1

step5：输入模型名称：qwen3-coder-plus


05 

如何调用 API

如果你想要通过百炼 API 平台（https://bailian.console.aliyun.com/）调用 Qwen3-Coder，欢迎使用以下示例代码进行测试。
import osfrom openai import OpenAI
client = OpenAI(    api_key=os.getenv("DASHSCOPE_API_KEY"),    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",)
prompt = "Help me create a web page for an online bookstore."

# Send request to qwen3-coder-plus modelcompletion = client.chat.completions.create(    model="qwen3-coder-plus",    messages=[        {"role": "system", "content": "You are a helpful assistant."},        {"role": "user", "content": prompt}    ],)
# Print the responseprint(completion.choices[0].message.content.strip())




（文：Founder Park）

发表评论