阿里巴巴的 Qwen3-Coder-Next 在 SWE-bench 上达到 70.6%，采用高效 MoE 架构

Qwen3-Coder-Next 模型是阿里巴巴 Qwen 团队推出的一个拥有 800 亿参数的混合专家（Mixture-of-Experts）模型，在 SWE-bench Verified 基准测试中取得了 70.6% 的成绩，展示了令人印象深刻的效率，每次推理仅激活约 30 亿参数。这使其能够提供与前沿编码助手相当的性能，同时所需的硬件资源与 70 亿参数模型相似。该模型支持 256K 上下文窗口，适用于复杂的编码任务，并且可以使用 Ollama 在本地进行设置，以获得与 OpenAI 兼容的 API。 AI

影响 为高效编码模型树立了新标杆，可能降低了高级 AI 辅助开发的硬件门槛。

排序理由 主要实验室发布的新模型及基准性能。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• Alibaba
• Apache 2.0
• Continue.dev
• GGUF
• GPT-4o
• Ollama
• Qwen3-Coder-Next
• Qwen team
• RunPod
• SWE-bench Verified

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →