Qwen: Qwen3 Coder Next

Qwen: Qwen3 Coder Next è un modello linguistico causale a pesi aperti di Qwen, la famiglia di modelli mantenuta da Alibaba. È costruito specificamente per agenti di programmazione e flussi di lavoro di sviluppo locale, e utilizza un design sparse mixture-of-experts con 80B parametri totali, di cui solo 3B vengono attivati per passaggio. La data di rilascio del provider è 2026-02-04. Rientra nella categoria testo, quindi è un modello text-in, text-out e non multimodale.

Sul lato input, il modello accetta solo testo e restituisce solo testo. La finestra di contesto è di 262144 token, e l'output massimo è di 235929 token, il che significa che puoi inviare prompt molto grandi (interi repository, log lunghi, trascrizioni estese di agenti) e lasciare comunque ampio spazio per una lunga risposta generata. Poiché è ottimizzato per agenti di programmazione, è adatto a compiti in cui il modello legge e scrive codice attraverso molti turni invece di rispondere a una singola domanda breve.

I casi d'uso pratici derivano da questo profilo. Si adatta ad agenti di programmazione che pianificano, modificano e iterano sui file, a flussi di lavoro di sviluppo locale in cui si preferisce un modello a pesi aperti, alla generazione e al refactoring di codice all'interno di grandi basi di codice che rientrano nella finestra di contesto, e a pipeline guidate da strumenti in cui il modello chiama funzioni per ispezionare o modificare un progetto. La lunga disponibilità di output aiuta anche quando hai bisogno di un file completo, di una patch o di una spiegazione dettagliata invece di un breve frammento.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "qwen/qwen3-coder-next". I parametri di richiesta supportati sono 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 e top_p. Sia la chiamata di strumenti che gli output strutturati sono disponibili, il che è importante per i cicli degli agenti, e seed insieme ai controlli di campionamento ti permettono di rendere le esecuzioni più riproducibili o più esplorative secondo necessità.

Poiché il modello è solo testo, un input di immagini, audio o video è fuori ambito qui, e un compito che dipende da quelle modalità richiederebbe un modello diverso. Lo stesso vale se hai bisogno di un modello al di fuori della famiglia Qwen o con un diverso equilibrio tra velocità e dimensione. All'interno del suo ambito testo e programmazione, la combinazione di un contesto di 262144 token, un tetto di output di 235929 token e il supporto agli strumenti è il motivo principale per sceglierlo.