在 Claude Code 和 OpenAI Codex CLI 釋出後，編碼助手開始流行起來。隨之而來的是大量新工具的出現，從 Gemini CLI 到 Grok 4 Codex。現在，Qwen 3 加入競爭，旨在成為一個強大的開源替代方案。無論您是面臨棘手的編碼問題，還是隻是在尋找更智慧的編碼方式，Qwen 3 都能提供免費的創新解決方案。它專為高階程式碼生成和靈活的編碼工作流程而設計，非常適合資料科學家和人工智慧愛好者。在這篇文章中，我們將探討 Qwen 3 的與眾不同之處。
Qwen3-Coder是什麼？
Qwen3-Coder 是 Qwen 團隊最新、最強大的開源 AI 模型。該系列的旗艦模型是 Qwen3-Coder-480B-A35B-Instruct，它擁有 4800 億個引數的龐大架構。
該模型的一個關鍵特性是採用了混合專家 (MoE) 架構。這種設計允許模型在給定時間內僅啟用一小部分引數，從而提高效率。
Qwen3-Coder的主要亮點
- 4800 億個引數：該模型由 4800 億個引數驅動，但在查詢過程中只有 350 億個引數處於活動狀態。
- 透過 MoE 提高效率：採用混合專家方法，在給定任務中僅啟用少數專家（精通相關主題），使其功能強大且易於管理。
- 長上下文視窗：它支援 256,000 個 token 的上下文，並使用外推法最多可擴充套件到 100 萬個 token。
- 外推法：此功能使模型能夠處理比最初訓練時更大的輸入，從而提高靈活性和容量。
這個巨大的上下文視窗使 Qwen3-Coder 能夠理解並處理整個程式碼庫，使其成為開發者的寶貴工具。
Qwen3-Coder的架構
Qwen3-Coder 的核心理念是精通代理編碼。其架構和訓練旨在使其成為程式碼生成和程式碼相關任務的頂級模型。
- 混合專家 (MoE)：該模型採用 MoE 架構，包含 160 位專家，其中 8 位同時處於活動狀態。這使得模型能夠非常龐大且功能強大，同時執行速度卻不會很慢。
- 海量上下文視窗：Qwen3-Coder 原生支援 256,000 個 token，可直接處理海量程式碼。這對於理解整個專案的上下文至關重要。
- 高階訓練：該模型已使用 7.5 萬億個 token 資料進行預訓練，其中 70% 為程式碼。此外，它還經歷了後訓練階段，包括根據人工反饋進行強化學習，以提高其處理實際程式設計任務的能力。
Source: GitHub
此次高階訓練旨在拓寬視野，而非僅僅關注社羣中競爭級的程式碼生成。上圖顯示了在一系列基準測試中效能的穩步提升，包括程式碼生成、軟體開發、資料分析、競技程式設計、多語言編碼、SQL 程式設計、程式碼編輯和指令跟蹤。這些持續的上升趨勢證明了強化學習在提升模型在結構化和非結構化編碼挑戰中的泛化能力方面的有效性。
Qwen3-Coder的效能
與其他開源模型相比，Qwen3-Coder 在 SWE-Bench 基準測試中實現了最佳的代理效能。如圖所示，它在 500 輪互動設定中實現了 69.6% 的驗證準確率，在單次模式下實現了 67.0% 的驗證準確率。它的表現優於其他模型，例如 Mistral-small-2507 的 53.6% 和 GPT-4.1 的 54.6%。它的排名僅次於 Claude-Sonnet-4（70.4%），高於 Kimi-K2（65.4%）和 Gemini-2.5（49.0%）。這使得 Qwen3-Coder 成為現實世界軟體工程任務中效能最佳的開放式代理模型。
Source: GitHub
Qwen Code入門
要直接訪問 Qwen Code，請訪問 https://chat.qwen.ai/，在那裡您可以選擇 Qwen3-Coder 作為模型並開始使用。
Qwen API
您可以透過阿里雲模型工作室直接訪問 Qwen3-Coder 的 API。以下是如何透過 Qwen API 使用該模型的演示。目前，沒有免費配額可用。
import os
from openai import OpenAI
# Create client - using intl URL for users outside of China
# If you are in mainland China, use the following URL:
# "https://dashscope.aliyuncs.com/compatible-mode/v1"
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope-intl.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())
Qwen 團隊還發布了一款名為 Qwen Code 的命令列工具，方便您輕鬆使用 Qwen3-Coder。以下是分步指南，助您輕鬆上手：
如何使用Qwen Code？
步驟 1：安裝 Node.js
首先，您需要在系統上安裝 Node.js 20 或更高版本。您可以使用以下命令進行安裝。開啟終端，逐個貼上以下命令。
# Download and install nvm: curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash # in lieu of restarting the shell \. "$HOME/.nvm/nvm.sh" # Download and install Node.js: nvm install 22 # Verify the Node.js version: node -v # Should print "v22.17.1". nvm current # Should print "v22.17.1". # Verify npm version: npm -v # Should print "10.9.2".
步驟 2：安裝Qwen Code
接下來，使用 npm 包管理器安裝 Qwen Code 工具：
npm i -g @qwen-code/qwen-code
您應該看到類似這樣的內容：
步驟 3：配置您的API金鑰
您可以透過阿里雲模型工作室直接訪問 Qwen3-Coder 的 API。目前，沒有免費配額可用。
您需要設定 API 金鑰才能使用該模型。您可以透過設定環境變數來完成此操作。
export OPENAI_API_KEY="your_qwen_api_key_here" export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1" export OPENAI_MODEL="qwen3-coder-plus"
步驟 4：開始編碼
現在您可以使用“Qwen Code”了。您可以導航到專案目錄並開始與代理互動。例如，要了解專案的架構，您可以使用命令，或者只需輸入以下命令，qwen Code 就會彈出：
qwen
您還可以使用它來完成更復雜的任務，例如重構程式碼，甚至自動化工作流程。
如何在Claude Code中使用Qwen3-Coder？
除了 QwenCode，您現在還可以將 Qwen3-Coder 與 ClaudeCode 結合使用。只需在阿里雲模型工作室平臺上申請 API 金鑰並安裝 ClaudeCode 即可開始編碼。
npm install -g @anthropic-ai/claude-code Set up environment variables for using Qwen3‑Coder export ANTHROPIC_BASE_URL=https://dashscope-intl.aliyuncs.com/api/v2/apps/claude-code-proxy export ANTHROPIC_AUTH_TOKEN=your-dashscope-apikey
那麼，您應該能夠將 Claude Code 與 Qwen3-Coder 結合使用！
注意：您可以使用 Qwen CLI 或 Web 介面執行編碼任務。現在，讓我們執行一些任務來測試 Qwen3-Coder 的功能。
Qwen3-Coder動手實踐
我們在一些有趣且複雜的編碼任務上測試了 Qwen3-Coder。讓我們看看它的表現如何。這裡我們使用了 UI 版本，可從 https://chat.qwen.ai/ 訪問。
任務 1：智慧資料故事講述者
提示詞： Build a data storytelling app where users can upload CSV files and ask natural language questions about their data. The AI should generate visualizations, identify patterns, and create narrative explanations of the insights. Include features for users to ask follow-up questions like ‘Why did sales drop in Q3?’ or ‘Show me the correlation between marketing spend and revenue.’ Make it accessible to non-technical users.
生成程式碼花了一些時間，但它在一個指令碼中生成了完整的應用程式。當我們在 HTML 檢視器上測試時，我們得到了以下結果：
該應用的介面引人入勝；它成功地處理了檔案處理，這使得應用能夠處理檔案上傳。豐富的 UI 元件使用 React 建立。該應用採用響應式設計，這證明了 Qwen3-Coder 在這項任務中表現出色。
任務 2：除錯和重構複雜且充滿Bug的程式碼庫
提示詞：Act as a senior Python developer and code reviewer. I have a Python script that is supposed to process a list of user data from a mock API, filter for active users, and calculate their average age. However, it’s buggy, slow, and poorly written. Your task is to:
- Identify the Bugs: Find and list all the logical errors, potential runtime errors, and bad practices in the code.
- Fix the Code: Provide a corrected version of the script that works as intended.
- Refactor for Improvement: Refactor the corrected code to improve its performance, readability, and maintainability. Specifically, you should:
- Add error handling for the API request.
- Use a more efficient data structure or method if possible.
- Improve variable names to be more descriptive.
- Add type hints and comments where necessary.
- Structure the code into functions for better organization.
Here is the buggy code:
import requests
def process_users():
data = []
# Inefficiently fetching one user at a time
for i in range(1, 101):
# API endpoint is incorrect and will fail for some users
response = requests.get(f"https://my-mock-api.com/users/{i}")
data.append(response.json())
total_age = 0
active_users_count = 0
for user in data:
# Bug: 'status' key might not exist
if user['status'] == 'active':
# Bug: 'profile' or 'age' might not exist, will raise KeyError
total_age += user['profile']['age']
active_users_count += 1
# Bug: Division by zero if no active users are found
average_age = total_age / active_users_count
print("Average age of active users:", average_age)
process_users()
輸出：
Qwen 在一段時間內生成了解決方案。讓我們來看看它的結果：
- 優點：Qwen 為 API 輸入新增了錯誤處理和安全資料訪問。程式碼文件完善，可讀性強。程式碼遵循標準程式碼風格。
- 需要改進的地方：由於新增了錯誤處理和模組化，程式碼比原始程式碼更長、更冗長。迴圈中呼叫單個 API 的低效問題尚未得到解決。引入更多函式和錯誤處理使得整體結構對於初學者來說略微複雜，難以掌握。
總體而言，程式碼不錯，並且遵循了所有指令。
任務 3：太陽地形視覺化
提示詞：Create a 3D Sun terrain visualization using a single HTML file that incorporates CSS for layout and theming, and uses only external CDN libraries—primarily Three.js and OrbitControls—to render a realistic, rotating Sun. The Sun should feature dynamic surface activity using animated bump or displacement maps to simulate solar granulation and flares, giving it a terrain-like texture. Include a dark space-themed background with stars for environmental realism. Ensure the visualization is interactive, supporting mouse drag rotation and scroll-based zooming. All textures and shaders must be sourced from public CDNs or procedural generation methods, with no local or uploaded assets.
輸出：
它很快就生成了一段 HTML 程式碼。我們在 HTML 檢視器中測試了一下，得到了如下結果：
它建立了一個互動式的 3D 太陽地形，它圍繞著太陽旋轉。據 Qwen 說，那個黃色的半圓形結構是一個耀斑。這個動畫效果還算不錯，但效果並不太好。
它還在左下角提供了一些選項，可以暫停旋轉、重置檢視和隱藏耀斑。下圖顯示的是沒有耀斑的太陽：
這項任務的輸出結果良好，但未達標。這裡還有一些需要改進的地方。或許可以透過提供更詳細的提示來解決這個問題。
小結
Qwen3-Coder 代表了程式碼生成領域開源 AI 模型的重大突破。其強大的架構、海量上下文視窗和代理功能使其成為開發者和研究人員的寶貴工具。隨著該模型的持續開發，我們期待未來能夠看到更多令人印象深刻的功能和效能。這個開源 AI 模型將對我們處理軟體開發問題的方式產生重大影響，使其更加高效和自動化。
常見問題
Q1. Qwen3-Coder 的混合專家 (MoE) 架構的主要優勢是什麼？
A. MoE 架構允許模型擁有大量引數（4800 億），但每次只啟用其中一小部分（350 億）。這使得模型功能強大，執行效率更高。
Q2. 大型上下文視窗的意義是什麼？
A. 256,000 個 token 的上下文視窗（可擴充套件至 100 萬）使 Qwen3-Coder 能夠處理和理解整個程式碼庫，這對於需要深入瞭解專案上下文的複雜任務至關重要。
Q3. 什麼是 Qwen Code？
A. Qwen Code 是一個與 Qwen3-Coder 配合使用的命令列工具。它提供了一個便捷的介面，用於與模型互動以完成各種編碼任務。
Q4. Qwen3-Coder 與其他程式碼生成模型相比如何？
A. Qwen3-Coder 在包括 SWE-bench 在內的多個基準測試中，展現了開源模型中最佳的效能。其效能堪比一些最佳的專有模型。
Q5：我可以在哪裡獲取 Qwen3-Coder 模型？
A. Qwen3-Coder 模型可在 Hugging Face Hub 上獲取，您也可以在 Qwen 官方部落格和 GitHub 程式碼庫中找到更多資訊和資源。
評論留言