AI 资讯速递 (2026/2/4)： 通义千问 Qwen3-Coder-Next 开源：小而强！
导读摘要：
通义大模型宣布开源 Qwen3-Coder-Next 编程智能体模型，该模型采用 80B 总参数的 MoE 架构，每次推理仅激活 3B 参数，显著降低算力需求。在 SWE-Bench Verified 基准上，Qwen3-Coder-Next 取得了超过 70% 的问题解决率，性能接近更大规模的稠密模型。
通义千问 Qwen3-Coder-Next 开源：小而强！
资讯详情
通义大模型于2月4日宣布开源 Qwen3-Coder-Next 编程智能体模型。该模型旨在为开发者提供高效、低算力需求的编程辅助工具。Qwen3-Coder-Next 采用 80B 总参数 的 MoE（Mixture of Experts）架构，每次推理仅激活 3B 参数，从而显著降低了计算资源的消耗。在 SWE-Bench Verified 基准测试中，Qwen3-Coder-Next 展现了出色的性能，问题解决率超过 70%，与更大规模的稠密模型相当。
MoE 架构：Qwen3-Coder-Next 采用了 80B 总参数 的 MoE 架构，通过在每次推理中仅激活 3B 参数，大幅减少了计算资源的需求。这种架构不仅提高了模型的效率，还保持了较高的性能水平。
问题解决率：在 SWE-Bench Verified 基准测试中，Qwen3-Coder-Next 取得了超过 70% 的问题解决率。这一成绩表明，尽管模型规模较小，但其在实际编程任务中的表现依然出色。
开源范围：通义大模型将 Qwen3-Coder-Next 完全开源，开发者可以自由访问和使用该模型。此外，通义还提供了详细的文档和示例代码，帮助开发者快速上手并集成到现有的开发环境中。
AI-ALL 深度点评
Qwen3-Coder-Next 的开源标志着 AI 编程辅助工具在效率和性能之间找到了新的平衡点。MoE 架构的应用不仅降低了算力需求，还为开发者提供了接近大规模稠密模型的性能。这对于资源有限的开发团队尤其重要，他们可以在不牺牲性能的前提下，利用更少的计算资源进行高效的编程工作。此外，完全开源的策略有助于推动社区创新和技术进步，加速 AI 在编程领域的应用和发展。
