Qwen3 Coder Next
Qwen3 Coder Next 是一款开源权重的因果语言模型，专为智能编码助手与本地开发工作流程优化设计。它采用稀疏混合专家（MoE）架构，总参数规模达800亿，每次推理仅激活30亿参数，在兼顾编码任务高效性的同时，也能适配本地部署的资源条件，为开发者提供灵活且实用的编码辅助支持。
上下文 262K会用工具结构化输出
适合做什么
根据公开评测与能力标签，一句话帮你判断用途
更适合先从简介和评测分数判断是否匹配你的场景。
- 长文友好：一次塞很多资料也不容易“忘前面”
实力怎么样
Artificial Analysis 公开指数，分数越高越好，大约按 0–100 理解
综合智能
常识、推理、知识问答这类“脑子够不够用”
21.3 偏弱
评测榜第 86 名 / 123写代码
写程序、改 bug、读仓库时的表现
36.2 一般
评测榜第 78 名 / 123当助手干活
多步骤任务、工具调用、把事情办完的能力
8.9 偏弱
评测榜第 84 名 / 123大概要花多少钱
按每百万 tokens 计价（约等于几十万到上百万汉字量级）
读入内容
$0.120/M
你把资料/问题喂给模型的费用
写出回答
$0.800/M
模型生成回复的费用，通常更贵
重复内容缓存
$0.070/M
相同上下文再次命中时更便宜
举个例子：读进约 50 万 tokens、写出约 5 万 tokens，大约花费 $0.10（按公开标价估算）。
能处理什么
输入、输出与常见能力开关
能看懂
文本
能产出
文本
还会这些
工具调用JSON / 结构化指定输出格式推理参数可见思考过程