Qwen: Qwen3 Coder Next

Qwen : Qwen3 Coder Next est un modèle de langage causal à poids ouverts de Qwen, la famille de modèles maintenue par Alibaba. Il est conçu spécifiquement pour les agents de codage et les flux de développement locaux, et il utilise une conception sparse mixture-of-experts avec 80B de paramètres au total, dont seulement 3B sont activés par passe. La date de publication par le fournisseur est le 2026-02-04. Il appartient à la catégorie texte, donc c'est un modèle texte en entrée, texte en sortie, plutôt qu'un modèle multimodal.

Du côté de l'entrée, le modèle accepte uniquement du texte et renvoie uniquement du texte. La fenêtre de contexte est de 262144 tokens, et la sortie maximale est de 235929 tokens, ce qui signifie que vous pouvez envoyer de très grands prompts (dépôts entiers, longs journaux, transcriptions d'agents étendues) tout en laissant une marge substantielle pour une longue réponse générée. Comme il est optimisé pour les agents de codage, il convient raisonnablement aux tâches où le modèle lit et écrit du code sur de nombreux tours plutôt que de répondre à une seule question courte.

Les cas d'usage pratiques découlent de ce profil. Il convient aux agents de codage qui planifient, modifient et itèrent sur des fichiers, aux flux de développement locaux où un modèle à poids ouverts est préféré, à la génération et à la refactorisation de code dans de grandes bases de code qui tiennent dans la fenêtre de contexte, et aux pipelines pilotés par outils où le modèle appelle des fonctions pour inspecter ou modifier un projet. L'allocation de sortie longue aide aussi lorsque vous avez besoin d'un fichier complet, d'un patch ou d'une explication détaillée plutôt que d'un court extrait.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3-coder-next". Les paramètres de requête pris en charge sont 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 et top_p. L'appel d'outils et les sorties structurées sont tous deux disponibles, ce qui compte pour les boucles d'agents, et seed ainsi que les contrôles d'échantillonnage vous permettent de rendre les exécutions plus reproductibles ou plus exploratoires selon les besoins.

Comme le modèle est uniquement texte, une entrée image, audio ou vidéo est hors de portée ici, et une tâche qui dépend de ces modalités nécessiterait un modèle différent. Il en va de même si vous avez besoin d'un modèle en dehors de la famille Qwen ou d'un modèle avec un équilibre différent entre vitesse et taille. Dans son périmètre texte et codage, la combinaison d'un contexte de 262144 tokens, d'un plafond de sortie de 235929 tokens et de la prise en charge des outils est la principale raison de le choisir.