Qwen3-Coder-Next

Offenes, auf Coding-Agenten spezialisiertes MoE-Modell von Alibaba (80B gesamt / 3B aktiv, hybride Attention) – SWE-Bench-Leistung auf dem Niveau 10–20× größerer Modelle, lokal lauffähig.

Überblick

Qwen3-Coder-Next ist ein offenes, auf Coding-Agenten spezialisiertes Modell des Qwen-Teams von Alibaba (Release Februar 2026). Es baut auf der Qwen3-Next-80B-A3B-Basis auf: eine hybride MoE-Architektur mit 80B Gesamt- und nur ~3B aktiven Parametern pro Token. Statt auf reine Parameterskalierung setzt Qwen auf agentisches Training (verifizierbare Coding-Tasks, ausführbare Umgebungen, RL), um starke Coding-Leistung bei niedrigen Inferenzkosten zu erreichen. Das Modell arbeitet im Non-Thinking-Modus für schnelle Code-Antworten.

Use Cases

Agentisches Coding in CLI/IDE-Umgebungen (Claude Code, Qwen Code, Cline, Trae, Kilo u. a.)
Repository-weites Verständnis dank 256K-Kontext ohne Chunking/Retrieval-Hacks
Long-Horizon-Reasoning, komplexe Tool-Nutzung und Recovery nach Ausführungsfehlern
Lokale Entwicklung auf Consumer-Hardware (z. B. 64-GB-MacBook, RTX 5090)
Full-Stack-Entwicklung, Text-to-SQL und mehrsprachiges Code-Editing

Stärken & Grenzen

Stärken: Außergewöhnliche Parameter-Effizienz – erreicht mit 3B aktiven Parametern SWE-Bench-Leistung auf dem Niveau von Modellen mit 10–20× mehr aktivem Compute (laut Qwen ~74 % SWE-Bench Verified). Hybride Attention (Gated DeltaNet + Gated Attention) für effizientes Long-Context-Processing. Sehr gute Tool-Calling-Fähigkeiten, Apache-2.0, Base- und Instruct-Varianten verfügbar.

Grenzen: Auf Coding/Agentik spezialisiert; bei allgemeinem Wissen und reinem Reasoning schwächer (z. B. HLE 9 %, AA-Omniscience 16 % laut Artificial Analysis). Qwen selbst nennt Capability-Abstand zu Frontier-Modellen wie Claude Opus 4.5. Schwache Long-Context-Reasoning-Konkurrenz in manchen Drittmessungen. Reines Text-Modell ohne Vision.

Praxis-Erfahrung

Empfohlene Sampling-Parameter laut Qwen: temperature 1.0, top_p 0.95, top_k 40. Das Modell ist auf Zuverlässigkeit statt Tempo optimiert – es nimmt mehr explorative Schritte, bleibt dabei aber konsistent, was bei komplexen Tasks hilft. In 4-Bit-Quantisierung genügen ~46 GB RAM/VRAM/Unified Memory; 8-Bit benötigt ~85 GB. Lauffähig über llama.cpp, vLLM, SGLang und Ollama.

Gut zu wissen

Lizenz: Apache-2.0 (kommerzielle Nutzung erlaubt; Lizenzbedingungen auf HF prüfen)
Architektur: 48 Layer, repeating Pattern (3× Gated DeltaNet + 1× Gated Attention), 512 Experten (10 aktiv pro Token)
Hardware: ab ~46 GB für 4-Bit; volle 256K-Kontextnutzung speicherintensiv
Modus: Non-Thinking (keine <think>-Blöcke)
Alternative: Qwen2.5-Coder-32B oder GLM-Flash-Varianten für kleinere Hardware

Weitere Benchmarks (Zusatzquellen)

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: Qwen (offizielle Model Card / Eval Results, HF):

Terminal-Bench 2.0 36,2 % (Hinweis: v2.0) · SWE-bench Pro 44,3 %

(SWE-bench Verified 70,6 % steht oben in der Score-Tabelle.)