Qwen представила Qwen3-Coder-Next — открытую языковую модель, нацеленную на кодинг-агентов и локальную разработку. Это не универсальный чат-бот, а инструмент для продолжительной работы с кодом, инструментами и исполняемыми средами.
Модель уже доступна для широкой аудитории: веса размещены на Hugging Face, лицензия — Apache-2.0. Нет ограничений по регионам или тарифам. Дополнительную информацию можно найти в публикации Postium.
Также читайте: Как использовать ИИ-агента Manus
Qwen3-Coder-Next — что это и как функционирует
Нейросеть Qwen3-Coder-Next разработана как MoE-модель (Mixture of Experts). Формально у неё 80 миллиардов параметров, однако на каждом токене активно работает около 3 миллиардов. Это обеспечивает высокую «ёмкость» модели без значительного увеличения стоимости инференса — важный аспект для агентных сценариев, где модель выполняет десятки и сотни операций подряд.
Контекстное окно составляет 256K токенов (262 144). Этого объема достаточно для работы с крупными репозиториями, логами, диффами и длительными историями выполнения без постоянной потери контекста.
Благодаря этому Qwen3-Coder-Next более эффективно подходит для сценариев, в которых агент пишет код, запускает его, находит ошибки и сразу же исправляет их — то есть действует ближе к поведению разработчика, а не к автодополнению.
Согласно публичным обзорам, модель демонстрирует отличные результаты на SWE-Bench Pro и SWE-Bench Verified в агентной связке. Qwen использует это как аргумент: даже с ограниченным количеством активных параметров модель способна конкурировать в задачах реального исправления багов и взаимодействия с кодовой базой.
Почему это имеет значение? MoE-архитектура с 3 миллиардами активных параметров делает длительную агентную работу значительно более экономичной по сравнению с другими моделями аналогичного класса, при этом не демонстрируя значительной потери качества на сложных бенчмарках.
Qwen последовательно развивает свою линейку кодинговых моделей в направлении автономных агентов. Ранее компания продвигала Qwen3-Coder как инструмент для сложных задач, а Qwen3-Coder-Next усиливает этот курс благодаря сверхдлинному контексту, MoE-архитектуре и обучению на исполняемых задачах. Это также соответствует общему тренду: модели перестают быть «чатами» и начинают функционировать как постоянно работающие агенты.
Итог: Qwen3-Coder-Next — шаг к более доступным и устойчивым кодинг-агентам, которые могут длительное время работать с реальным кодом, а не просто генерировать ответы в чате.
