AI for Devs
AI for Devs
Читать в Telegram

Китайцы зарелизили Qwen3-Coder-Next

AI for Devs

Мы — AI for Devs: разбираем модели, ИИ‑агентов и инструменты для разработчиков. Делаем практичные гайды, бенчмарки и выкладываем рабочие паттерны — всё, что помогает быстрее строить продукты с LLM. Меньше шума, больше пользы и кода. Подписывайтесь — будет чем прокачать ваш стек.

Открыть в TelegramДругие публикации
qwen3-coder-nextmoeагентный-кодинг

В основе 80B MoE-модель для агентного кодинга и локального использования.

Активных параметров всего 3B, немного, но по агентным бенчмаркам она показывает уровень моделей с 10–20× большим количеством активных параметров.

Контекст — 256K, можно запускать локально, понадобится 46 ГБ ОЗУ/видеопамяти/unified памяти (85 ГБ для 8-бит).

Моделька на Hugging Face.

@ai_for_devs

Столбчатая диаграмма с результатами агентных бенчмарков: сравнение Qwen3‑Coder‑Next и других моделей по метрикам производительности и процентам.
Сравнение производительности на агентных бенчмарках — Qwen3‑Coder‑Next отмечена среди конкурентов.
Интервальная диаграмма/точечный график: SWE‑bench per PR для моделей, горизонтальные интервалы и выделенная линия Qwen3‑Coder‑Next.
Интервальные результаты — Qwen3‑Coder‑Next показывается с фактическим значением и диапазоном неопределённости.
Скatter‑плот: зависимость производительности от числа параметров, Qwen3‑Coder‑Next помечена, видны модели с разным количеством активных параметров.
Соотношение производительности и размера модели: Qwen3‑Coder‑Next демонстрирует высокий результат при меньшем числе активных параметров.

Читайте так же