智东西7月23日报道，就在刚刚，阿里巴巴Qwen团队开源了其最新一代旗舰编程模型Qwen3-Coder-480B-A35B-Instruct。Qwen团队称，这是该团队迄今为止最强大的开源智能体编程模型，拥有480B参数，激活参数为35B，原生支持256K上下文，并可通过外推扩展至100万上下文（输入），其最大输出为6.5万token。 在基准测试中，Qwen3-Coder在编程和智能体任务上拥有不错的性能，于Agentic Coding（智能体编程）、Agentic Browser-Use（智能体浏览器使用）和Agentic Tool-Use（智能体工具调用）三类任务中获得了开源SOTA，超过Kimi K2、DeepSeek V3等开源模型和GPT-4.1等闭源模型，并可与Claude Sonnet 4这一以编程能力著称的模型相媲美。 Qwen3-Coder将提供多种尺寸，本次开源的是其最强大的变体，其参数量超过了阿里旗舰模型Qwen3的235B（2350亿），小于Kimi K2的1T（1万亿）。据阿里官方介绍，借助Qwen3-Coder，刚入行的程序员一天就能完成资深程序员一周的工作，生成一个品牌官网最快只需5分钟。 除了模型之外，Qwen还开源了一个由Gemini Code分叉而来的智能体编程命令行工具——Qwen Code，这一工具进行了定制提示和函数调用协议的适配，能更充分的释放Qwen3-Coder在智能体编程任务上的能力。 这一模型已在阿里云旗下大模型服务平台百炼上线，其API采用了阶梯计费的方式，根据输入token量调整价格。在256K～1M一档，其输入价格为6美元/百万token，输出价格为60美元/百万token。相比之下，Claude Sonnet 4的输入输出价格分别为3美元/百万token、15美元/百万token，与Qwen3-Coder 128k～256k一档的价格持平。 Qwen3-Coder也已在Qwen Chat网页版上线，用户可免费体验。此外，其480B版本已在Hugging Face、魔搭等开源社区发布，可供下载和本地部署。Qwen还在一篇博客文章中详细分享了模型的技术细节。 这一案例让Qwen3-Coder打造一个Wordle单词游戏，规则是在六次尝试中猜出一个长度为5个字母的单词。最终，Qwen3-Coder交付的游戏页面和源代码如下。 提供案例的网友称，Qwen3-Coder在指令遵循、UI设计、动画方面的能力惊人，大部分测试结果一次就跑通了，完全不需要推理。不过，在Wordle游戏设计这一任务上，Qwen并没有使用单词解析器，也没有引用来源，而是决定自行枚举所有5个字母的单词。 智东西则尝试让Qwen3-Coder开发一个中英文术语库，并支持增删改查的基础功能。可以直观感受到，由于并未开启推理，Qwen3-Coder的开发速度极快，20多秒便完成了初步结果，在对其生成结果进行进一步修改时，速度同样较快。 其最终生成的结果从UI角度上看的确美观清晰，功能运转正常，不过并没有遵循提示词中使用PHP+MySQL进行开发的指令。其最终交付的结果作为功能演示、原型展示完全足够，但在真实部署场景中的可扩展性还需进一步优化。 智东西还让Qwen3-Coder给自己出了一道3D HTML开发题，内容是创建一个3D旋转的立方体展示台，六个面显示不同颜色，自动旋转，添加光照效果和阴影等。Qwen3-Coder交付的结果完成度不错，基本实现了主要功能，旋转动效、阴影等处理到位。 编程能力之外，Qwen3-Coder还提供了许多其他的玩法，包括图像生成、视频生成等，并支持文档、图片、视频、音频等内容的上传，这可能是通过工具调用实现的。 上下文方面，Qwen3-Coder原生支持256K上下文，并可通过YaRN扩展至1M，针对仓库规模和动态数据（例如拉取请求）进行了优化，从而适配智能体编程场景。 后训练阶段，Qwen团队认为，与普遍关注竞赛级代码生成不同，所有代码任务都天然适合执行驱动（execution-driven）的大规模强化学习。该团队在更广泛的现实世界编程任务上扩大了代码强化学习训练规模。 通过自动扩展多样化编程任务的测试用例，Qwen团队创建了高质量的训练实例，进一步释放了强化学习的潜力。这不仅提高了代码执行成功率，还为其他任务带来了收益。 在现实世界的软件工程任务（例如 SWE-Bench）中，Qwen3-Coder必须与环境进行多轮交互，涉及规划、使用工具、接收反馈和做出决策。在Qwen3-Coder的后训练阶段，Qwen团队引入了长视距强化学习（智能体强化学习），鼓励模型通过使用工具进行多轮交互来解决现实世界任务。 智能体强化学习的关键挑战在于环境扩展。为解决这一问题，该团队构建了一个可扩展的系统，能够并行运行20000个独立环境。该基础设施为大规模强化学习提供了必要的反馈，并支持大规模评估。
