声明：本文来自于微信公众号 矽星人Pro，作者：Yoky，授权站長之家转载发布。

7月23日，阿裏通義團隊正式發布Qwen3-Coder-480B-A35B-Instruct，這可能是AI編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。

更關鍵的是價格優勢極其明顯。每百萬Tokens最低输入和输出价格分别为4元和16元，平均价格为Claude4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編程服务真正平民化。

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編程真正从“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。

我們已第一時間完成內測，對其發布的技術細節進行解讀。

实测Agentic Coding

在實測階段，我們並沒有選擇已經被測試過多輪的貪吃蛇、彈球遊戲，而是選擇了規則更複雜、交互也更多的圍棋對戰遊戲，我們的Prompt是:制作一個圍棋對戰小遊戲，有時間計時，遵守圍棋遊戲的規則（如吃子、禁著點）。

在第一次運行時，結果不僅滿足了圍棋的最基本規則，也准確遵守了吃子、禁著點等規則（棋子被提走後，當前位置禁止再下子）的規則，，這展現了模型在理解和實現基礎遊戲邏輯方面的能力。

但是，這個圍棋對戰遊戲還是太過于簡單，例如缺少輸贏判機制，缺少倒計時等等。遊戲的完整性和用戶體驗方面仍有很大提升空間，這些功能對于一個完整的圍棋遊戲來說是必不可少的。

因此，我們又追問了一遍:制作一個圍棋對戰小遊戲，有時間計時，遵守圍棋遊戲的規則（如吃子、禁著點），還包括局勢分析和判斷輸贏。

Qwen3-coder給出了更複雜的也更成熟的遊戲頁面，甚至在沒有提示的前提下，給出了認輸的按鈕。但有一個問題是圍棋的深層次規則，除了我們在Prompt中提到的規則，一些高級规则睙徵“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蓝主題，代码可直接运行。

結果如上，模型確實按照指令實現了所有的技術要求:徑向漸變背景、粒子動畫、氣泡效果、發光文字、交互功能等等。然而，對于“夢幻”這個概念的理解似乎出現了偏差，可能將其解讀爲需要添加模糊效果或其他視覺濾鏡，導致整體視覺效果適得其反，整個頁面都模糊不清，

我們也測試了官方發布的物理運動場景，只不過我們選擇了非常複雜的“三體運動”，難度上很爲難模型，我們通過Cline調用Qwen3-Coder來測試它的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·m?m?/r?，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。

https://weibo.com/tv/show/1034:5191880476917785?from=old_pc_videoshow

這次，我們吸取了教訓，盡可能地完善了prompt來控制模型，我們發現Qwen3-Coder在完成編程後，調用了Chrome浏覽器工具，在後台自行演示了一遍，並核對我提出的所有要求，在逐個檢測完畢後，才進入到最終演示階段。

當然，實際物理中的三體運動肯定比演示更加複雜，這也意味著，雖然模型能夠理解並生成複雜的需求列表，但在將這些需求轉化爲可工作的代碼時，特別是涉及複雜數學計算和實時動畫的部分，還要通過多工具協同來完成。

如何讓代碼能力“長”在模型裏?

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。

在預訓練階段，團隊用了7.5萬億token的數據，其中70%是代碼。這不只是簡單的數據堆積，而是像給學生准備更豐富教材的策略，既保證編程能力，又不丟掉通用的語言和數學能力。

更關鍵的是上下文能力的提升。模型原生支持256K上下文長度，最多可擴展到1M，這讓模型能同時查看整個項目的代碼，而不只是看片段。同時，他們用之前的Qwen2.5-Coder來“批改作業”，把低質量的代碼數據重新清洗和改寫，確保訓練數據質量。這種做法體現了從理論學習向實戰准備的轉變。

傳統代碼模型主要關注benchmark表現，但Qwen團隊在後訓練階段加入了執行驅動的強化學習。他們針對“難寫、易驗證”的真實任務（單測、腳本、小工具）自動批量生成測試用例，把執行成功率當作獎勵信號，讓模型在百萬量級代碼片段裏反複試錯、自我糾錯。

這種方法的核心差異在于:不只是讓模型寫代碼，更重要的是讓代碼能真正運行成功。通過自動生成大量測試用例，模型可以立即知道自己寫的代碼對不對，然後不斷改進。模型的目標從“跑分”轉向了“可用”。

更進一步，真正的Agent能力是在不斷實測中産生的。團隊在SWE-Bench這類需要多輪改代碼、跑測試、用Git提交的環境裏做強化學習，這已經接近真實的軟件開發流程。

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編程工具终于突破了普及的最大瓶颈:调试能力。此前的AI編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，这对编程经验要求極高，讓普通用戶望而卻步。而Qwen3-Coder具備自我測試和調試能力，真正做到了“寫完即可用”，這意味著即使是編程新手也能借助AI完成複雜的開發任務。

更重要的是成本優勢帶來的市場重塑。開發過程中往往需要多輪叠代調試，以往使用Claude4這類頂級模型成本高昂，許多中小團隊和個人開發者只能望而興歎。Qwen3-Coder在保持相同性能水准的前提下，成本僅爲三分之一，加上完全開源免費商用，徹底消除了成本門檻。這種性能與價格的完美平衡，正在讓其快速成爲開發者的首選模型。

Qwen3-Coder的核心優勢不僅在于編程能力本身，更在于其強大的Agent特性。該模型能夠自主調用各種工具、理解複雜需求、進行多輪交互，這種能力遠超傳統的代碼補全工具。

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。

綜合各方面來看，Qwen3-Coder可以說是目前全球範圍內，最具性價比的編程模型。不僅在技術性能上對標頂級闭源模型，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編程工具的行业标准。

當編程的門檻被AI徹底降低時，我們看到的是整個軟件開發生態正在走向民主化。

（舉報）