邮箱｜yokyliu@pingwest.com
7月23日，阿里通义团队正式发布Qwen3-Coder-480B-A35B-Instruct，这可能是AI编程领域的一个分水岭时刻。该模型采用480B总参数、35B激活的MoE架构，原生支持256K上下文，可扩展至1M token，在Agentic Coding、Browser-Use、Tool-Use三大类基准中多项评测的开源SOTA，性能直接对标Claude Sonnet-4。
不同于以往需要复杂配置的代码模型，Qwen3-Coder真正做到了“一条命令接管整个代码仓库”。同步开源的CLI工具Qwen Code，让模型能像“初级程序员”一样工作——从理解需求到拆解任务，从编写代码到跑测试修bug，整个过程无需人工逐行干预。这种Agentic Coding方式把大模型当做一个能在仓库里自主行动的Agent，既能理解自然语言需求，又能调用Git、浏览器、终端等工具。
更关键的是价格优势极其明显。每百万Tokens最低输入和输出价格分别为4元和16元，平均价格为Claude 4的1/3。同时，阿里云百炼还推出了低至5折的限时优惠， 128K-1M长上下文价格享受五折优惠。加上完全开源免费商用的政策，让原本高昂的AI编程服务真正平民化。
很多人可能还没意识到AI Coding的真正价值——它不只是写代码的工具，而是AI Agent与物理世界自由交互的关键底层技术。从这个角度看，Qwen3-Coder的发布或许标志着AI编程真正从“辅助工具”向“自主Agent”的跃迁，而开源+超低价的组合，可能会让这种能力快速普及，改变整个软件开发的游戏规则。
我们已第一时间完成内测，对其发布的技术细节进行解读。
实测Agentic Coding
在实测阶段，我们并没有选择已经被测试过多轮的贪吃蛇、弹球游戏，而是选择了规则更复杂、交互也更多的围棋对战游戏，我们的Prompt是：制作一个围棋对战小游戏，有时间计时，遵守围棋游戏的规则（如吃子、禁着点）。
在第一次运行时，结果不仅满足了围棋的最基本规则，也准确遵守了吃子、禁着点等规则（棋子被提走后，当前位置禁止再下子）的规则，这展现了模型在理解和实现基础游戏逻辑方面的能力。
但是，这个围棋对战游戏还是太过于简单，例如缺少输赢判机制，缺少倒计时等等。游戏的完整性和用户体验方面仍有很大提升空间，这些功能对于一个完整的围棋游戏来说是必不可少的。
因此，我们又追问了一遍：制作一个围棋对战小游戏，有时间计时，遵守围棋游戏的规则（如吃子、禁着点），还包括局势分析和判断输赢。
Qwen3-coder给出了更复杂的也更成熟的游戏页面，甚至在没有提示的前提下，给出了认输的按钮。但有一个问题是围棋的深层次规则，除了我们在Prompt中提到的规则，一些高级规则比如“打劫”，Qwen3-coder没有完全写出来。
接下来，我们又尝试让模型来制作一个网页，Prompt是：生成一页纯 HTML+CSS+SVG 的梦幻黄色网页：背景从 #FFF59D 到 #FFEB3B 径向渐变；60 颗白色粒子 6 秒漂移；5 个光晕气泡循环淡入淡出；中央 ‘Dreamy Lemon’ 手写字带发光；点开柠檬会炸开，所有元素保持柠檬黄＋Tiffany蓝主题，代码可直接运行。
结果如上，模型确实按照指令实现了所有的技术要求：径向渐变背景、粒子动画、气泡效果、发光文字、交互功能等等。然而，对于“梦幻”这个概念的理解似乎出现了偏差，可能将其解读为需要添加模糊效果或其他视觉滤镜，导致整体视觉效果适得其反，整个页面都模糊不清，
我们也测试了官方发布的物理运动场景，只不过我们选择了非常复杂的“三体运动”，难度上很为难模型，我们通过Cline调用Qwen3-Coder来测试它的Agent能力。
Prompt：做一个实时的三体运动，黑色全屏 ；3 个彩色小球（红、绿、蓝）只受彼此万有引力作用，彼此吸引、环绕、抛射，必须真实运动；实时计算牛顿万有引力 F = G·m₁m₂/r²，速度矢量随时间累积；保留彩虹渐变轨迹（800 点 FIFO），可开关；左上角提供：重力常数滑杆、速度倍率滑杆、轨迹复选框、重置按钮；零依赖、复制即用、双击即可在浏览器看到 3 球持续运动。
这次，我们吸取了教训，尽可能地完善了prompt来控制模型，我们发现Qwen3-Coder在完成编程后，调用了Chrome浏览器工具，在后台自行演示了一遍，并核对我提出的所有要求，在逐个检测完毕后，才进入到最终演示阶段。
当然，实际物理中的三体运动肯定比演示更加复杂，这也意味着，虽然模型能够理解并生成复杂的需求列表，但在将这些需求转化为可工作的代码时，特别是涉及复杂数学计算和实时动画的部分，还要通过多工具协同来完成。
如何让代码能力“长”在模型里？
Qwen团队采用了一种全新的训练思路：他们没有把Agent能力当作后期的“插件”，而是在训练过程中就深度集成。通过Agent RL训练，模型学会了真正的多轮交互、工具调用、错误处理等能力，这些能力是“长”在模型里的，而不是外挂的。
在预训练阶段，团队用了7.5万亿token的数据，其中70%是代码。这不只是简单的数据堆积，而是像给学生准备更丰富教材的策略，既保证编程能力，又不丢掉通用的语言和数学能力。
更关键的是上下文能力的提升。模型原生支持256K上下文长度，最多可扩展到1M，这让模型能同时查看整个项目的代码，而不只是看片段。同时，他们用之前的Qwen2.5-Coder来“批改作业”，把低质量的代码数据重新清洗和改写，确保训练数据质量。这种做法体现了从理论学习向实战准备的转变。
传统代码模型主要关注benchmark表现，但Qwen团队在后训练阶段加入了执行驱动的强化学习。他们针对“难写、易验证”的真实任务（单测、脚本、小工具）自动批量生成测试用例，把执行成功率当作奖励信号，让模型在百万量级代码片段里反复试错、自我纠错。
这种方法的核心差异在于：不只是让模型写代码，更重要的是让代码能真正运行成功。通过自动生成大量测试用例，模型可以立即知道自己写的代码对不对，然后不断改进。模型的目标从“跑分”转向了“可用”。
更进一步，真正的Agent能力是在不断实测中产生的。团队在SWE-Bench这类需要多轮改代码、跑测试、用Git提交的环境里做强化学习，这已经接近真实的软件开发流程。
技术突破在于环境的工业化扩展。他们用阿里云构建了能同时运行2万个独立编程环境的系统，就像同时开2万个虚拟机让模型练习编程。每个环境都能提供即时反馈，模型像实习程序员一样不断接收CI反馈、再改再跑，最终在SWE-Bench Verified拿下开源第一。
在真实场景中训练出来的Qwen3-Coder，解决了AI编程工具终于突破了普及的最大瓶颈：调试能力。此前的AI编程助手普遍存在一个致命问题：代码生成后如果出现bug，开发者仍需要手动排查和修复，这对编程经验要求极高，让普通用户望而却步。而Qwen3-Coder具备自我测试和调试能力，真正做到了“写完即可用”，这意味着即使是编程新手也能借助AI完成复杂的开发任务。
更重要的是成本优势带来的市场重塑。开发过程中往往需要多轮迭代调试，以往使用Claude 4这类顶级模型成本高昂，许多中小团队和个人开发者只能望而兴叹。Qwen3-Coder在保持相同性能水准的前提下，成本仅为三分之一，加上完全开源免费商用，彻底消除了成本门槛。这种性能与价格的完美平衡，正在让其快速成为开发者的首选模型。
Qwen3-Coder的核心优势不仅在于编程能力本身，更在于其强大的Agent特性。该模型能够自主调用各种工具、理解复杂需求、进行多轮交互，这种能力远超传统的代码补全工具。
然而，当前市场对AI Coding重视程度远远不够。实际上，编程能力是AI Agent的核心基础，是AI与物理世界自由交互最关键的底层技术。当AI能够理解需求、编写代码、调用工具、处理异常时，它就具备了在现实世界中自主行动的能力。从这个维度看，AI Coding的价值被严重低估了。
综合各方面来看，Qwen3-Coder可以说是目前全球范围内，最具性价比的编程模型。不仅在技术性能上对标顶级闭源模型，在成本控制上更是实现了数量级的优势，加上完全开源的策略，正在重新定义AI编程工具的行业标准。
当编程的门槛被AI彻底降低时，我们看到的是整个软件开发生态正在走向民主化。
