2025年7月22日正式发布 Qwen3-Coder，qwen迄今最具代理能力的代码模型。Qwen3-Coder 有多个尺寸，但迫不及待给大家提供当前最强大版本，Qwen3-Coder-480B-A35B-Instruct，总参数量 480B，激活 35B 的 MoE 模型，原生支持 256K token 的上下文并可通过 YaRN 扩展到 1M token，卓越代码和 Agent 能力。
Qwen3-Coder-480B-A35B-Instruct 在 Agentic Coding、Agentic Browser-Use 和 Agentic Tool-Use 上取得了开源模型的 SOTA 效果，可与 Cluade Sonnet4 媲美：
还推出并开源代理式编程的命令行工具：Qwen Code。基于 Gemini Code 二开，但进行了 prompt 和工具调用协议适配，使 Qwen Code 最大程度激发 Qwen3-Coder 在 Agentic Coding 任务上的表现。
Qwen3-Coder 可以和社区优秀编程工具结合，如 Claude Code、Cline 等，作为一款基础模型，期待数字世界的任何角落都可用它，Agentic Coding in the World！
预训练阶段，这次 Qwen3-Coder 从不同角度 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
与当前社区普遍聚焦竞赛类代码生成不同，qwen认为所有代码任务天然适合执行驱动的大规模强化学习。因此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，qwen构造了大量高质量训练实例，成功释放RL的潜力：不仅显著提升代码执行成功率，还对其他任务增益。这鼓励qwen继续寻找 Hard to Solve, Easy to Verify 的任务，作为RL的土壤。
在真实世界的 Software Engneering Task，比如 SWE-Bench，模型需在环境中不断交互，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。
Qwen3-Coder 后训练阶段执行 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，qwen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，最终在 SWE-bench Verified 实现开源模型 SOTA 的效果。
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，安装命令：
curl -qL https://www.npmjs.com/install.sh | sh再通过 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.aliyuncs.com/compatible-mode/v1"
export OPENAI_MODEL="qwen3-coder-plus"现可通过简单输入 qwen 来享受 Qwen-Code 和 Qwen 带来的编程体验。
还可将 Qwen3‑Coder 与 Claude Code 搭配使用。在阿里云百炼平台申请 API Key，并安装 Claude Code，即可开始畅享编码体验。
npm install -g @anthropic-ai/claude-code提供两种接入方式，用 Qwen3‑Coder 编码。
将Anthropic的base url替换成dashscope上提供的endpoint：
export ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/api/v2/apps/claude-code-proxy
export ANTHROPIC_AUTH_TOKEN=your-dashscope-apikey可选方案 2：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！
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
Example: Physics-Based Chimney Demolition Simulation with Controlled Explosion (1/7)Next
百炼 API 平台 Alibaba Cloud Model Studio 调用 Qwen3-Coder，示例代码：
import os
from openai import OpenAI
client = 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())仍努力提升 Coding Agent 效果，希望它承担更多复杂软件工程中的繁琐任务，解放人类生产力。Qwen3-Coder 仍有更多尺寸在路上，保证良好效果同时降低部署开销。
也在积极探索 Coding Agent 是否能实现 self-improving，令人激动的话题！