Qwen: Qwen3 Coder Next

Qwen: Qwen3 Coder Next é um modelo de linguagem causal de pesos abertos da Qwen, a família de modelos mantida pela Alibaba. É construído especificamente para agentes de programação e fluxos de trabalho de desenvolvimento local, e usa um design esparso de mistura de especialistas com 80B parâmetros totais, dos quais apenas 3B são ativados por passagem. A data de lançamento do provedor é 2026-02-04. Situa-se na categoria de texto, portanto é um modelo de entrada de texto e saída de texto, e não um modelo multimodal.

No lado da entrada, o modelo aceita apenas texto e retorna apenas texto. A janela de contexto é 262144 tokens, e a saída máxima é 235929 tokens, o que significa que você pode enviar prompts muito grandes (repositórios inteiros, logs longos, transcrições longas de agentes) e ainda deixar espaço substancial para uma resposta gerada longa. Como é otimizado para agentes de programação, é um ajuste razoável para tarefas em que o modelo lê e escreve código ao longo de muitos turnos, em vez de responder a uma única pergunta curta.

Os casos de uso práticos decorrem desse perfil. Serve para agentes de programação que planejam, editam e iteram em arquivos, fluxos de trabalho de desenvolvimento local onde um modelo de pesos abertos é preferido, geração e refatoração de código dentro de bases de código grandes que caibam na janela de contexto, e pipelines orientados a ferramentas onde o modelo chama funções para inspecionar ou modificar um projeto. A permissão de saída longa também ajuda quando você precisa de um arquivo completo, um patch ou uma explicação detalhada, em vez de um trecho curto.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "qwen/qwen3-coder-next". Os parâmetros de requisição suportados são 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. A chamada de ferramentas e as saídas estruturadas estão ambas disponíveis, o que importa para loops de agentes, e seed mais os controles de amostragem permitem tornar as execuções mais reproduzíveis ou mais exploratórias conforme necessário.

Como o modelo é apenas de texto, uma entrada de imagem, áudio ou vídeo está fora do escopo aqui, e uma tarefa que dependa dessas modalidades precisaria de um modelo diferente. O mesmo se aplica se você precisar de um modelo fora da família Qwen ou de um com um equilíbrio diferente de velocidade e tamanho. Dentro do seu escopo de texto e programação, a combinação de um contexto de 262144 tokens, um teto de saída de 235929 tokens e suporte a ferramentas é o principal motivo para escolhê-lo.