Qwen 编程大模型全家桶来了,部分基准测试达到 Claude Sonnet 的水平,量化版消费级轻松跑!
- 2026-02-05 00:51:15
大家好，我是 Ai 学习的老章
关于 Qwen 编程模型，我之前写过：
Qwn3 发了一个「微不足道」的小更新，碾压 Kimi K2、DeepSeek V3 Qwen 更强大了，Qwen3-Code 编程大模型，额外情报 阿里 Qwen3 全部情报汇总，本地部署指南，性能全面超越 DeepSeek R1
今天阿里又放大招了，Qwen3-Coder 全家桶来了！这次的主角是 Qwen3-Coder-Next，一个专门为 Agent 编程和本地开发设计的开源大模型。
简介
说白了，Qwen3-Coder-Next 就是阿里想让咱们普通人也能玩 Agent 编程。
以前那些 Agent 模型要么太大跑不动，要么性能拉胯。Qwen3-Coder-Next 不一样，它基于一个叫 Qwen3-Next-80B-A3B-Base 的底座，采用了混合注意力 + MoE 的新架构。虽然总参数有 80B，但实际激活参数只有 3B（A3B），推理成本大幅降低。
它是怎么训练出来的呢？阿里用了大规模可执行任务合成、环境交互和强化学习，专门针对 Agent 场景进行优化。效果嘛，官方说能打 Claude Sonnet 的水平。
下图是 SWE-bench Pro 的性能对比：
核心功能与亮点：
💻 性价比超高：在 Agent 编程、Browser-Use 和基础编程任务上，能达到 Claude Sonnet 的水平，推理成本却低得多 🛠️ 兼容主流平台：支持 Qwen Code、CLINE、Claude Code 等主流 AI 编程工具，专门设计了 Function Call 格式 📚 超长上下文：原生支持 256K tokens，用 Yarn 技术还能扩展到 1M tokens，整个代码仓库塞进去都没问题 🌐 支持 358 种编程语言：从 Python、JavaScript 到 Rust、Go，甚至 COBOL、Fortran 这种老古董都能写 🔧 Fill-in-the-Middle：支持代码中间补全，写代码时能自动补上缺失的部分
模型全家桶
Qwen3-Coder 一共发了好几个版本：
| Qwen3-Coder-Next | ||
480B 那个太大了，一般人玩不起。30B 的中规中矩。Qwen3-Coder-Next 是性价比之王，激活参数只有 3B，一张好点的消费级显卡就能跑。
安装与使用
Hugging Face 下载：
# 安装 transformers
pip install transformers
# 也可以用 huggingface-cli download
huggingface-cli download Qwen/Qwen3-Coder-Next
ModelScope 下载：
国内用户走 ModelScope 更快：
modelscope download Qwen/Qwen3-Coder-Next
Python 快速上手：
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "Qwen/Qwen3-Coder-Next"
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype="auto",
device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)
prompt = "write a quick sort algorithm."
messages = [
{"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
generated_ids = model.generate(
**model_inputs,
max_new_tokens=65536
)
generated_ids = [
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)
vLLM / SGLang 部署：
官方说 Function Calling 需要用他们新的 tool parser，在 SGLang 和 vLLM 里都支持。这点要注意，如果你要用 Agent 功能，得用新的 tokenizer。
vLLM
pip install 'vllm>=0.15.0'
SGLang
玩法演示
官方给了几个很骚的演示，让我看看这货到底能干啥：
1. 一句话部署网站
Prompt: 下周我们要发布新的编程模型，帮我收集 Qwen Coder 的历史，写个网页，然后用 nginx 发布
它真的能自己搜索资料、写网页代码、配置 nginx、部署上线，全程自动化。
2. 整理桌面
Prompt: Please tidy up my desk.
它能分析桌面文件，自动分类整理。这波操作，直接把 AI 助手的上限拉高了。
3. 做游戏
Prompt: 一大段《僵尸大战植物》的需求描述...
它能直接写出一个完整的网页游戏，包括游戏逻辑、动画、UI、交互，一句话都不用改。
和 Claude Sonnet 比较
官方说性能能打 Claude Sonnet，但我觉得还是要理性看待：
优势：
开源开权重，可以本地部署 推理成本低得多（激活参数 3B vs Claude 的闭源大模型） 中文支持应该更好 支持的编程语言更多（358 种）
劣势：
Agent 能力到底如何还需要实测 刚发布，生态还不如 Claude 成熟 没有官方 API 服务（得自己部署或者用第三方）
本地部署建议
如果你想本地跑 Qwen3-Coder-Next：
显存要求：虽然激活参数只有 3B，但总参数是 80B，FP16 需要 160GB+ 显存。建议用 FP8 量化版或 GGUF 版本 推荐配置： GGUF 格式：单张 24G 显卡（如 4090）可以跑 Q4 量化 FP8 格式：2-4 张 A100/H100 推理引擎：SGLang 或 vLLM，记得用官方的新 tool parser
量化版本与实测速度
好消息！Unsloth 团队已经做好了各种量化版本，让普通人也能跑起来。
不同量化精度的模型大小：
从上图可以看到，最低 22.8GB 就能跑起来！具体来说：
Unsloth 推荐的生成参数：
Temperature = 1.0 Top_P = 0.95 Top_K = 40 Min_P = 0.01（llama.cpp 默认是 0.05）
网友实测速度（来自 X/Twitter）：
🔥 LM Studio 4-bit 量化：46.34 t/s（tokens/秒）
🔥 M4 Max 芯片：Qwen3-Coder-Next 跑到 50 t/s，使用 42.77GB 统一内存
这速度相当炸裂了！在 Mac 上跑到 50 tokens/秒，基本能做到实时编程对话。
llama.cpp 部署示例：
# 下载模型
huggingface-cli download unsloth/Qwen3-Coder-Next-GGUF
# 运行（4-bit 量化）
./llama.cpp/llama-cli \
-m Qwen3-Coder-Next-UD-Q4_K_XL.gguf \
--ctx-size 32768 \
--temp 1.0 --top-p 0.95 --top-k 40 \
-cnv
如果你的 RAM/VRAM 够大，上下文可以开到 262,144（256K）。用 --fit on 参数可以自动检测最佳上下文长度。
总结
Qwen3-Coder-Next 是目前开源里最强的 Agent 编程模型之一。如果你在做 AI 编程、代码助手、自动化脚本这类项目，这个模型非常值得一试。
优点是性价比高、开源可控、中文友好；缺点是刚发布，稳定性和生态还需要时间验证。
我个人会在接下来几天做个详细实测，敬请期待。
相关链接：
🤗 Hugging Face: https://huggingface.co/Qwen/Qwen3-Coder-Next 📦 ModelScope: https://modelscope.cn/models/Qwen/Qwen3-Coder-Next 📄 技术报告：https://github.com/QwenLM/Qwen3-Coder/blob/main/qwen3_coder_next_tech_report.pdf 💬 Discord: https://discord.gg/CV4E9rpNSD
制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个🌟，谢谢你看我的文章，我们下篇再见！
