Qwen: Qwen3 Coder Next

Qwen: Qwen3 Coder Next es un modelo de lenguaje causal de pesos abiertos de Qwen, la familia de modelos mantenida por Alibaba. Está construido específicamente para agentes de programación y flujos de trabajo de desarrollo local, y utiliza un diseño de mezcla de expertos dispersa con 80B parámetros totales, de los cuales solo 3B se activan por pasada. La fecha de lanzamiento del proveedor es 2026-02-04. Se sitúa en la categoría de texto, por lo que es un modelo de texto de entrada, texto de salida en lugar de uno multimodal.

En el lado de la entrada, el modelo acepta solo texto y devuelve solo texto. La ventana de contexto es de 262144 tokens, y la salida máxima es de 235929 tokens, lo que significa que puedes enviar prompts muy grandes (repositorios completos, registros largos, transcripciones extensas de agentes) y aún dejar un espacio sustancial para una respuesta generada larga. Debido a que está optimizado para agentes de programación, es una opción razonable para tareas donde el modelo lee y escribe código a lo largo de muchos turnos en lugar de responder a una sola pregunta corta.

Los casos de uso prácticos se derivan de ese perfil. Se adapta a agentes de programación que planifican, editan e iteran sobre archivos, flujos de trabajo de desarrollo local donde se prefiere un modelo de pesos abiertos, generación y refactorización de código dentro de bases de código grandes que caben dentro de la ventana de contexto, y pipelines impulsados por herramientas donde el modelo llama a funciones para inspeccionar o modificar un proyecto. La asignación de salida larga también ayuda cuando necesitas un archivo completo, un parche o una explicación detallada en lugar de un fragmento corto.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-coder-next". Los parámetros de solicitud compatibles son frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs y top_p. Tanto el llamamiento a herramientas como las salidas estructuradas están disponibles, lo que importa para los bucles de agentes, y seed junto con los controles de muestreo te permiten hacer ejecuciones más reproducibles o más exploratorias según sea necesario.

Dado que el modelo es solo de texto, una entrada de imagen, audio o video queda fuera de alcance aquí, y una tarea que dependa de esas modalidades necesitaría un modelo diferente. Lo mismo se aplica si necesitas un modelo fuera de la familia Qwen o uno con un equilibrio diferente de velocidad y tamaño. Dentro de su alcance de texto y programación, la combinación de un contexto de 262144 tokens, un techo de salida de 235929 tokens y soporte de herramientas es la razón principal para elegirlo.