qwen3-coder-next
PulseAugur coverage of qwen3-coder-next — every cluster mentioning qwen3-coder-next across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Qwen3-Coder-Next 使用30亿参数实现800亿模型，大幅降低编码成本
一款新的专注于编码的AI模型Qwen3-Coder-Next已发布，其拥有800亿参数规模，但在运行过程中仅激活30亿参数。这种创新的方法显著降低了计算成本，一位用户报告称其编码任务的每周云费用被完全消除。该模型的效率预示着开发者与AI交互和部署AI进行编码辅助的方式可能会发生转变。
-
ForgeFlow 系统在修改文件时遇到 LLM 瓶颈
在使用 ForgeFlow 系统完成 12 个项目后，开发人员发现了一个关键的文件修改边界。涉及创建新文件的任务始终成功，但修改现有代码的尝试会导致死锁循环。这种模式在多次运行和后端配置中持续存在，表明系统在处理迭代代码更改方面存在局限性。团队得出结论，重构任务以最小化对现有文件的修改比试图强迫系统克服这一限制更实用。
-
Alibaba的Qwen3-Coder-Next在SWE-Bench上取得70.6分，采用稀疏MoE架构
阿里巴巴的Qwen3-Coder-Next是一个拥有800亿总参数、30亿激活参数的模型，在SWE-Bench Verified基准测试中取得了70.6分。这一成绩尤为引人注目，因为它在提供可下载的Apache 2.0许可权重的同时，能够媲美顶级的闭源模型。该模型采用了稀疏混合专家（MoE）架构和混合注意力机制，结合了用于长上下文的线性注意力与用于全局上下文重建的标准注意力。
-
Local AI coding agent ForgeFlow passes 35 tests autonomously
A developer built a fully local AI coding agent named ForgeFlow on a MacBook Pro with 128GB of unified memory. This agent autonomously writes code and runs tests within a Docker sandbox, committing changes only when all…