模型发布与定位

某电商巨头旗下Qwen团队发布新一代开源代码大语言模型Qwen3-Coder-480B-A35B-Instruct。该模型专注于软件开发辅助，能够处理复杂的多步骤编码工作流，在数秒或数分钟内创建完整可用的应用程序。作为开源模型，它在代理编码任务中可与Claude Sonnet-4等专有模型竞争，并在开放模型中创下新的基准测试成绩。

技术架构

• 模型类型：采用混合专家（MoE）架构，总参数量4800亿，每个查询激活350亿参数
• 上下文支持：原生支持256K令牌上下文，通过YaRN技术可扩展至100万令牌
• 层次结构：62层注意力机制，96个查询头与8个键值对头
• 训练数据：基于7.5万亿令牌预训练（其中70%为代码数据）

性能表现

在多项代理评估套件中取得领先成绩：

• SWE-bench验证：67.0%（标准）/69.6%（500轮）
• 对比模型成绩：GPT-4.1（54.6%）、Gemini 2.5 Pro预览版（49.0%）、Claude Sonnet-4（70.4%） 在代理浏览器使用、多语言编程和工具使用等任务中均表现优异

部署与集成

• 开源许可：采用Apache 2.0许可证，允许免费商用部署
• 部署平台：支持Hugging Face、GitHub、Qwen Chat及第三方编程工具平台
• 云API服务：通过某云平台提供API服务，输入/输出令牌费用每百万1/5美元起
• 开发工具：提供开源CLI工具Qwen Code，支持Node.js环境和npm安装

后训练技术

采用两项先进后训练技术：

1. 代码强化学习：在多样化可验证代码任务上执行高质量执行驱动学习
2. 长视野代理强化学习：训练模型进行多轮交互中的计划制定和工具使用

企业级应用价值

• 代码库级理解：适用于需要理解大型代码库、技术文档或架构模式的AI系统
• 自动化工作流：支持自动生成和审查拉取请求
• 工具集成：通过原生工具调用API可嵌入内部工具和CI/CD系统
• 数据驻留：支持本地基础设施部署，避免供应商锁定

开发者最佳实践

推荐参数配置：

• 温度值：0.7
• top_p：0.8
• top_k：20
• 重复惩罚系数：1.05
• 最大输出长度：65,536令牌 要求Transformers版本4.51.0及以上

技术社区反响

早期测试者反馈积极，开发者可通过OpenAI兼容的Python客户端使用API，支持在对话或代码生成任务中动态调用自定义工具。模型展现出对任务上下文的深度感知能力，在仿真任务中不仅能执行提供的框架，还能在输出中嵌入上下文信息。