通义千问Qwen3-Coder开源，AI编程大模型能力SOTA，赋能开发者。
原文标题：Qwen3-Coder开源：面向世界的智能编程引擎
原文作者：阿里云开发者
冷月清谈：
模型在预训练阶段通过扩展总计7.5T的数据（其中代码占比70%）和上下文长度，并利用Qwen2.5-Coder对低质数据进行清洗与重写，显著提升了编程能力。后训练则侧重于真实世界编程任务，通过大规模执行驱动的强化学习，尤其是Agent RL。通义团队通过自动扩展测试样例和可验证环境系统，在SWE-bench Verified上实现了开源模型SOTA，表明其在多轮交互和工具使用方面的卓越表现。这种结合大规模强化学习和真实环境模拟的训练方法，是该模型取得突破的关键。
为方便开发者使用，团队同步开源了Qwen Code命令行工具，并支持与Claude Code、Cline等现有工具协同工作。Qwen3-Coder已在魔搭社区、HuggingFace等平台免费提供，并将接入通义灵码及阿里云百炼API。文章还展示了多项代码生成Demo，并展望未来将继续提升Coding Agent处理复杂任务的能力，探索模型的自我改进（self-improving）潜力，并提供更多尺寸的模型以降低部署开销。
怜星夜思：
2、Qwen3-Coder在训练时投入了7.5T的代码数据，并且原生支持256K上下文，通过YaRN还能扩展到1M。这么大的数据量和上下文窗口，对我们日常使用AI编写代码或者调试复杂项目时，到底有哪些具体的好处？相比于一些小模型，它的优势体现在哪里？
3、文章提到通义团队在后训练阶段进行了“Agent RL”，并且通过构建可验证环境系统，在SWE-bench Verified上取得了开源模型SOTA。这种强化学习在AI编程领域的应用，未来还有哪些想象空间？它会是AI实现“自我改进”的关键路径吗？
原文内容
刚刚，通义千问最新的AI编程大模型Qwen3-Coder正式开源。
全新的Qwen3-Coder模型拥有卓越的代码和Agent能力，在Agentic Coding、Agentic Browser-Use 和 Foundational Coding Tasks 上均取得了开源模型的 SOTA 效果。
Qwen3-Coder 拥有多个尺寸，今天率先开源当前最强大版本：Qwen3-Coder-480B-A35B-Instruct 模型。它是一个MoE模型，拥有 480B 参数，激活 35B 参数，原生支持 256K 上下文，并可通过 YaRN 扩展到 1M 长度。
为方便开发者更好地使用 Qwen3-Coder，通义团队还开源了一款命令行工具 Qwen Code，可充分发挥 Qwen3-Coder 在代理式编程上的潜力。此外， Qwen3-Coder 的 API 也可以和 Claude Code、Cline 等工具协同使用。
目前，Qwen3-Coder 已在魔搭社区、HuggingFace 等平台开源，全球开发者都可以免费下载使用。Qwen3-Coder 很快将接入阿里的AI编程产品通义灵码，API也已上线阿里云百炼。
-
魔搭社区：https://modelscope.cn/models/Qwen/Qwen3-Coder-480B-A35B-Instruct
-
Hugging Face：https://huggingface.co/Qwen/Qwen3-235B-A22B-Instruct-2507
-
Qwen Code GitHub：https://github.com/QwenLM/qwen-code
Qwen-Coder技术亮点
预训练
通义团队在预训练阶段上仍然在努力，这次 Qwen3-Coder 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
与当前社区普遍聚焦于竞赛类代码生成不同，通义团队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。因此通义团队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，通义团队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。这将鼓励通义团队继续寻找 Hard to Solve, Easy to Verify 的任务，作为强化学习的土壤。
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。
通义团队在 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，通义团队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，最终通义团队在 SWE-bench Verified 上实现了开源模型 SOTA 的效果。
和Qwen3-Coder一起Coding
Qwen3-Coder 可以和社区优秀的编程工具结合，如 Claude Code、Cline 等，作为一款基础模型，我们期待在数字世界的任何角落都可以使用它，Agentic Coding in the World!
Qwen Coder
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。
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
然后通过 npm 管理器安装 Qwen Code：
npm i -g @qwen-code/qwen-code
另一种方式是从源码安装：
git clone https://github.com/QwenLM/qwen-code.git
cd qwen-code && npm install && npm install -g
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-intl.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，现在还可以将 Qwen3‑Coder 与 Claude Code 搭配使用。只需在阿里云百炼平台https://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
通义团队提供了两种接入方式，帮助你无缝地用 Qwen3‑Coder 进行编码。
方案一：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-intl.aliyuncs.com/api/v2/apps/claude-code-proxy
export ANTHROPIC_AUTH_TOKEN=your-dashscope-apikey
方案二：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-router
npm 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
至此，你即可通过 ccr 使用 Claude Code 畅享 Qwen3‑Coder 的强大编码能力。祝开发顺利！
Cline
配置 Qwen3-Coder-480B-A35B-instruct 以使用 cline：
‒ 进入 cline 的配置设置
‒ 选择“OpenAI Compatible”模式
‒ 在 OpenAI Compatible API tokens处，输入从 Dashscope 获取的密钥
‒ 勾选“使用自定义基础 URL”，并输入：https://dashscope.aliyuncs.com/compatible-mode/v1
‒ 输入模型名称：qwen3-coder-plus
Demo展示
以下是使用Qwen3-Coder制作的动画与小游戏。
Demo：烟囱拆迁
Demo：本地开发端中生成烟花动画
Demo：打字测速演示
Demo：小球沿立方体轨迹旋转
Demo：模拟太阳系行星运转
Demo：二重奏游戏
API调用
import os from openai import OpenAIclient = 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 model
completion = client.chat.completions.create(
model=“qwen3-coder-plus”,
messages=[
{“role”: “system”, “content”: “You are a helpful assistant.”},
{“role”: “user”, “content”: prompt}
],
)Print the response
print(completion.choices[0].message.content.strip())
未来展望
通义团队仍在继续努力提升 Coding Agent 的效果，希望它能承担更多复杂软件工程中的繁琐任务，解放人类的生产力。Qwen3-Coder 仍有更多尺寸在路上，在保证良好效果的同时降低部署的开销。另外通义团队也在积极探索 Coding Agent 是否能够实现 self-improving，这是一个令人激动的话题。
想象一下，一个AI根据用户反馈不断优化自己的代码，最后比最初的版本强悍百倍，那画面太美我不敢看！