alibaba

Qwen3-Coder-Next

Qwen3-Coder-Next مدل برتر کدنویسی Alibaba Cloud تحت مجوز Apache 2.0 است که دارای معماری ۸۰B MoE و context window ۲۵۶k برای توسعه پیشرفته محلی می‌باشد.

هوش مصنوعی کدنویسیOpen WeightsMixture of Expertsگردش‌های کاری AgenticLLM محلی
alibaba logoalibabaQwen3-CoderFebruary 2, 2026
پنجره زمینه
256Kتوکن
حداکثر خروجی
8Kتوکن
قیمت ورودی
$0.14/ 1M
قیمت خروجی
$0.42/ 1M
حالت:Text
قابلیت‌ها:ابزارهااستریمینگ
معیارها
GPQA
53.4%
GPQA: سوالات علمی سطح تحصیلات تکمیلی. معیار دقیق با 448 سوال از زیست‌شناسی، فیزیک و شیمی. کارشناسان دکترا فقط 65-74% دقت دارند. Qwen3-Coder-Next امتیاز 53.4% در این معیار کسب کرد.
HLE
28.5%
HLE: استدلال سطح کارشناسی. توانایی مدل در نشان دادن استدلال سطح کارشناسی در حوزه‌های تخصصی را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 28.5% در این معیار کسب کرد.
MMLU
86.2%
MMLU: درک زبان چندوظیفه‌ای گسترده. معیار جامع با 16000 سوال در 57 موضوع دانشگاهی. Qwen3-Coder-Next امتیاز 86.2% در این معیار کسب کرد.
MMLU Pro
78.4%
MMLU Pro: نسخه حرفه‌ای MMLU. نسخه بهبود یافته MMLU با 12032 سوال و فرمت 10 گزینه‌ای سخت‌تر. Qwen3-Coder-Next امتیاز 78.4% در این معیار کسب کرد.
SimpleQA
48.2%
SimpleQA: معیار دقت واقعی. توانایی مدل در ارائه پاسخ‌های دقیق و واقعی را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 48.2% در این معیار کسب کرد.
IFEval
89.1%
IFEval: ارزیابی پیروی از دستورالعمل. اندازه‌گیری می‌کند مدل چقدر خوب از دستورالعمل‌ها و محدودیت‌های خاص پیروی می‌کند. Qwen3-Coder-Next امتیاز 89.1% در این معیار کسب کرد.
AIME 2025
89.2%
AIME 2025: امتحان ریاضی دعوتی آمریکا. مسائل ریاضی سطح مسابقه از امتحان معتبر AIME. Qwen3-Coder-Next امتیاز 89.2% در این معیار کسب کرد.
MATH
83.5%
MATH: حل مسئله ریاضی. معیار جامع ریاضی که حل مسئله در جبر، هندسه، حساب دیفرانسیل را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 83.5% در این معیار کسب کرد.
GSM8k
95.8%
GSM8k: ریاضی دبستان 8K. 8500 مسئله ریاضی کلامی سطح دبستان. Qwen3-Coder-Next امتیاز 95.8% در این معیار کسب کرد.
MGSM
92.5%
MGSM: ریاضی دبستان چندزبانه. معیار GSM8k ترجمه شده به 10 زبان. Qwen3-Coder-Next امتیاز 92.5% در این معیار کسب کرد.
MathVista
71.2%
MathVista: استدلال بصری ریاضی. توانایی حل مسائل ریاضی با عناصر بصری را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 71.2% در این معیار کسب کرد.
SWE-Bench
74.2%
SWE-Bench: معیار مهندسی نرم‌افزار. مدل‌های AI سعی می‌کنند مسائل واقعی GitHub را در پروژه‌های Python حل کنند. Qwen3-Coder-Next امتیاز 74.2% در این معیار کسب کرد.
HumanEval
94.1%
HumanEval: مسائل برنامه‌نویسی Python. 164 مسئله برنامه‌نویسی که مدل‌ها باید پیاده‌سازی صحیح توابع Python تولید کنند. Qwen3-Coder-Next امتیاز 94.1% در این معیار کسب کرد.
LiveCodeBench
74.5%
LiveCodeBench: معیار کدنویسی زنده. توانایی‌های کدنویسی را در چالش‌های برنامه‌نویسی واقعی به‌روز شده آزمایش می‌کند. Qwen3-Coder-Next امتیاز 74.5% در این معیار کسب کرد.
MMMU
72.4%
MMMU: درک چندحالته. معیار درک چندحالته در 30 موضوع دانشگاهی. Qwen3-Coder-Next امتیاز 72.4% در این معیار کسب کرد.
MMMU Pro
58.6%
MMMU Pro: نسخه حرفه‌ای MMMU. نسخه بهبود یافته MMMU با سوالات چالش‌برانگیزتر. Qwen3-Coder-Next امتیاز 58.6% در این معیار کسب کرد.
ChartQA
86.4%
ChartQA: پرسش و پاسخ نمودار. توانایی درک و تحلیل اطلاعات از نمودارها را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 86.4% در این معیار کسب کرد.
DocVQA
93.5%
DocVQA: پرسش و پاسخ بصری سند. توانایی استخراج اطلاعات از تصاویر سند را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 93.5% در این معیار کسب کرد.
Terminal-Bench
58.2%
Terminal-Bench: وظایف ترمینال/CLI. توانایی انجام عملیات خط فرمان را آزمایش می‌کند. Qwen3-Coder-Next امتیاز 58.2% در این معیار کسب کرد.
ARC-AGI
12.5%
ARC-AGI: انتزاع و استدلال. هوش سیال را از طریق پازل‌های تشخیص الگوی جدید آزمایش می‌کند. Qwen3-Coder-Next امتیاز 12.5% در این معیار کسب کرد.

درباره Qwen3-Coder-Next

درباره قابلیت‌های Qwen3-Coder-Next، ویژگی‌ها و نحوه کمک به شما در دستیابی به نتایج بهتر بیاموزید.

نمای کلی مدل

Qwen3-Coder-Next یک مدل زبانی پیشرفته با وزن‌های باز (open-weight) است که توسط تیم Qwen در Alibaba Cloud طراحی شده و به طور خاص برای agentهای کدنویسی و محیط‌های توسعه محلی بهینه شده است. این مدل که بر پایه معماری Qwen3-Next-80B-A3B-Base ساخته شده، از طراحی پیچیده Mixture-of-Experts (MoE) با مکانیزم توجه ترکیبی (Gated DeltaNet و Gated Attention) بهره می‌برد. این ویژگی به مدل اجازه می‌دهد تا پایگاه دانش عظیم ۸۰ میلیارد پارامتری خود را حفظ کند، در حالی که در هر token تنها ۳ میلیارد پارامتر را فعال می‌کند؛ نتیجه این کار، استدلالی در سطح مدل‌های flagship با سرعت inference و ردپای حافظه‌ای در حد یک مدل بسیار کوچک‌تر است.

تخصصی‌سازی Agentic

این مدل نشان‌دهنده تغییری به سمت مقیاس‌بندی سیگنال‌های آموزشی agentic به جای صرفاً تعداد پارامترهای خام است. این مدل روی بیش از ۸۰۰,۰۰۰ وظیفه کدنویسی قابل تایید به همراه محیط‌های قابل اجرا آموزش دیده است که به آن اجازه می‌دهد مستقیماً از بازخوردهای محیط یاد بگیرد. این دستورالعمل آموزشی تخصصی بر استدلال طولانی‌مدت، استفاده از ابزارها و توانایی بازیابی از شکست‌های اجرایی تأکید دارد—قابلیت‌هایی که برای گردش‌های کاری مدرن «vibe coding» و فریم‌ورک‌های خودکار agentic مانند OpenClaw حیاتی هستند.

عملکرد محلی

با یک context window بومی ۲۵۶K که قابلیت گسترش بیشتر را دارد، Qwen3-Coder-Next به عنوان قدرتمندترین دستیار کدنویسی محلی موجود شناخته می‌شود. این مدل که تحت مجوز Apache 2.0 منتشر شده است، به توسعه‌دهندگان این قدرت را می‌دهد تا کل پایگاه‌های کد خود را در یک محیط امن و خصوصی، بدون تکیه بر APIهای ابری تجاری، بسازند، دیباگ کنند و عرضه نمایند.

Qwen3-Coder-Next

موارد استفاده برای Qwen3-Coder-Next

روش‌های مختلف استفاده از Qwen3-Coder-Next برای دستیابی به نتایج عالی را کشف کنید.

توسعه Agentic محلی

قدرت بخشیدن به agentهای کدنویسی خودکار که می‌توانند نرم‌افزار را به صورت محلی برنامه‌ریزی، اجرا و دیباگ کنند، بدون اینکه داده‌های حساس از دستگاه خارج شوند.

نمونه‌سازی پیچیده وب

تولید اپلیکیشن‌های full-stack کاربردی، شامل بصری‌سازی‌های سه‌بعدی و بازی‌های تعاملی، تنها با یک prompt به زبان طبیعی.

تحلیل مخازن بزرگ

استفاده از context window ۲۵۶K برای درک و استدلال روی کل ساختار پروژه‌های چند فایلی جهت بازنویسی و بهینه‌سازی کد.

ممیزی امنیتی خودکار

اسکن کدها برای یافتن آسیب‌پذیری‌های پیچیده مانند SQL injection و فاش شدن اعتبارنامه‌ها به همراه پیشنهادات اصلاحی مستند.

خلاصه‌سازی تحقیقات فنی

استخراج و تجزیه مستندات آکادمیک یا فنی غلیظ برای تولید گزارش‌های HTML سازمان‌یافته و کاربردی.

مهاجرت سیستم‌ها بین زبان‌های مختلف

ترجمه منطق تجاری پیچیده و محدودیت‌های سخت‌افزاری خاص بین زبان‌های برنامه‌نویسی مختلف با دقت بالا.

نقاط قوت

محدودیت‌ها

بازدهی استثنایی: استفاده از معماری MoE با ۳B عدد parameters فعال برای ارائه استدلال کدنویسی در سطح flagship با ۱۰ برابر هزینه inference کمتر.
پیچیدگی در حالت Zero-Shot: شبیه‌سازی‌های سه‌بعدی بسیار پیچیده یا وظایف معماری اغلب به ۲ تا ۳ بار تکرار prompt برای رسیدن به کمال عملکردی نیاز دارند.
آموزش Agentic سطح بالا: آموزش دیده بر روی بیش از ۸۰۰ هزار وظیفه قابل تایید، که آن را در برنامه‌ریزی چند مرحله‌ای و بازیابی پس از خطاهای اجرا برتر می‌سازد.
آستانه‌های حافظه: نیاز به بیش از ۴۵ گیگابایت RAM برای کوانت‌های باکیفیت همچنان مانعی برای بسیاری از لپ‌تاپ‌های استاندارد توسعه‌دهندگان است.
context محلی عظیم: ظرفیت ۲۵۶K یکی از بزرگترین مقادیر موجود برای modelهای محلی است که استدلال روی تمام مخزن (full-repo) را ممکن می‌کند.
تمایل به زیبایی‌شناسی مینیمال: به طور پیش‌فرض طرح‌های UI بسیار ساده و بدون استایل تولید می‌کند، مگر اینکه صراحتاً برای جلوه‌های بصری prompt داده شود.
مجوز منعطف: تحت لیسانس Apache 2.0 منتشر شده که به توسعه‌دهندگان اجازه می‌دهد بدون محدودیت‌های مجوزهای تجاری، مدل را fine-tuning و مستقر کنند.
محدودیت مدالیته: برخلاف سری VL، مدل Coder-Next کاملاً متنی است و نمی‌تواند مستقیماً دارایی‌های بصری را پردازش کند.

شروع سریع API

alibaba/qwen-3-coder-next

مشاهده مستندات
alibaba SDK
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1'
});

async function main() {
  const completion = await client.chat.completions.create({
    model: 'qwen-3-coder-next',
    messages: [{ role: 'user', content: 'Write a React hook for debouncing a value.' }],
  });

  console.log(completion.choices[0].message.content);
}

main();

SDK را نصب کنید و در عرض چند دقیقه شروع به فراخوانی API کنید.

مردم درباره Qwen3-Coder-Next چه می‌گویند

ببینید جامعه درباره Qwen3-Coder-Next چه فکر می‌کند

"این مدل برای کدنویسی فوق‌العاده است و به خوبی در برابر رقبا قد علم می‌کند"
Becky Jane
youtube
"معماری آن اجازه می‌دهد تا context length عظیمی بدون افزایش سرسام‌آور VRAM داشته باشیم"
bjan
youtube
"Alibaba با این معماری MoE در بازی وزن‌های باز (open-weights) پیروز شده است"
DevGuru88
reddit
"بالاخره یک مدل محلی که context ۲۵۶k را بدون اینکه مثل حلزون کند باشد مدیریت می‌کند"
AI_Explorer
x
"من شاهد یک سرعت رمزگشایی پایدار حدود ۷.۸ tok/s روی CPU هستم که برای یک بازبین کد محلی کاملاً کافی است"
Express-Jicama-9827
reddit
"Qwen3 Coder عملاً مرحله نهایی برای تنظیمات توسعه محلی است."
TechTrend_AI
x

ویدیوهای درباره Qwen3-Coder-Next

آموزش‌ها، بررسی‌ها و بحث‌های درباره Qwen3-Coder-Next را تماشا کنید

ما context length ۲۵۶k داریم که بسیار قدرتمند است، مخصوصاً برای چیزی که می‌تواند به صورت محلی اجرا شود.

ما نتیجه را با سرعت ۲۶.۱۷ tokens در ثانیه دریافت کردیم... یک نتیجه نسبتاً طولانی.

این یک model بسیار هیجان‌انگیز است... پتانسیل فوق‌العاده‌ای برای کدنویسی agentic نشان می‌دهد.

دقت در وظایف Python برای یک مدل open weight واقعاً خیره‌کننده است.

من فکر می‌کنم این مدل رسماً نیاز به دستیارهای کدنویسی پولی را برای اکثر توسعه‌دهندگان از بین می‌برد.

این مدل بر پایه ۳ میلیارد parameters فعال در یک مدل کل ۸۰ میلیارد parameters ساخته شده است.

این فقط یک AI برای کدنویسی با context window ۲۰۰k نیست... بلکه کاملاً شهودی است.

برای کاربران عادی، می‌توانید به سادگی از آن بخواهید یک صفحه وب را اسکرپ کند، محتوا را تحلیل کرده و یک گزارش تمیز تولید کند.

روشی که پروژه‌های چند فایلی را به صورت محلی مدیریت می‌کند، یک تغییر دهنده بازی برای حریم خصوصی است.

قابلیت function calling نسبت به نسخه قبلی بسیار سریع‌تر به نظر می‌رسد.

نوشتن داستان با سرعت ۶۲ tokens در ثانیه. بوم! خیلی سریع بود.

داریم میترکونیم... ۱۵۰ tokens در ثانیه با batching... این فوق‌العاده است.

این بازی اتومبیل‌رانی واقعاً از نسخه‌ای که روی Claude ساخته شد بهتر بود... باید اعتراف کرد.

معماری MoE واقعاً وقتی به بهره‌وری token-per-watt نگاه می‌کنید می‌درخشد.

به نظر نمی‌رسد Quantization به اندازه چیزی که انتظار داشتم به منطق مدل آسیب بزند.

بیشتر از فقط پرامپت

گردش کار خود را با اتوماسیون AI

Automatio قدرت عامل‌های AI، اتوماسیون وب و ادغام‌های هوشمند را ترکیب می‌کند تا به شما کمک کند در زمان کمتر بیشتر انجام دهید.

عامل‌های AI
اتوماسیون وب
گردش‌کارهای هوشمند

نکات حرفه‌ای برای Qwen3-Coder-Next

نکات تخصصی برای کمک به شما در استفاده حداکثری از Qwen3-Coder-Next و دستیابی به نتایج بهتر.

بهینه‌سازی پهنای باند سخت‌افزار

برای مقیاس ۸۰B، اطمینان حاصل کنید که سیستم شما از حافظه با کانال بالا استفاده می‌کند تا از گلوگاه‌های inference در تنظیمات صرفاً مبتنی بر CPU جلوگیری شود.

دیباگ تکرار شونده

خطاهای زمان اجرای خود model را دوباره به prompt برگردانید؛ این مدل به طور خاص برای تشخیص شکست‌های اجرا و اصلاح منطق خود آموزش دیده است.

prompt نویسی با context غنی

با ارائه فایل‌های وابستگی مرتبط و دیاگرام‌های معماری، از ظرفیت ۲۵۶K نهایت استفاده را ببرید تا میزان hallucinations کاهش یابد.

اصلاحات زیبایی‌شناختی

هنگام تولید UI، صریحاً رنگ‌ها و انتقال‌های CSS را درخواست کنید تا تمایل پیش‌فرض model به طرح‌های مینیمالیستی نادیده گرفته شود.

نظرات

کاربران ما چه می‌گویند

به هزاران کاربر راضی که گردش کار خود را متحول کرده‌اند بپیوندید

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

مرتبط AI Models

minimax

MiniMax M2.5

minimax

MiniMax M2.5 is a SOTA MoE model featuring a 1M context window and elite agentic coding capabilities at disruptive pricing for autonomous agents.

1M context
$0.30/$1.20/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
alibaba

Qwen-Image-2.0

alibaba

Qwen-Image-2.0 is Alibaba's unified 7B model for professional infographics, photorealism, and precise image editing with native 2K resolution and 1k-token...

1K context
$0.07/1M
openai

GPT-5.3 Codex

OpenAI

GPT-5.3 Codex is OpenAI's 2026 frontier coding agent, featuring a 400K context window, 77.3% Terminal-Bench score, and superior logic for complex software...

400K context
$1.75/$14.00/1M
anthropic

Claude Opus 4.6

Anthropic

Claude Opus 4.6 is Anthropic's flagship model featuring a 1M token context window, Adaptive Thinking, and world-class coding and reasoning performance.

200K context
$5.00/$25.00/1M
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

262K context
$0.60/$2.50/1M
deepseek

DeepSeek-V3.2-Speciale

DeepSeek

DeepSeek-V3.2-Speciale is a reasoning-first LLM featuring gold-medal math performance, DeepSeek Sparse Attention, and a 131K context window. Rivaling GPT-5...

131K context
$0.28/$0.42/1M
other

PixVerse-R1

Other

PixVerse-R1 is a next-gen real-time world model by AIsphere, offering interactive 1080p video generation with instant response and physics-aware continuity.

سوالات متداول درباره Qwen3-Coder-Next

پاسخ سوالات رایج درباره Qwen3-Coder-Next را بیابید