【jinnianhui科技消息】2月4日，jinnianhui注意到，阿里巴巴官方宣布，正式開源專為編程智能體打造的Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next模型。

　　Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next采用極致高效的MoE架構，總參數達80B，但每次推理僅激活3B參數，大幅降低了顯存與算力需求。該模型專為智能體設計，聚焦于長時程、多工具、可交互的真實編程任務。

　　在訓練過程中，Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next不依賴參數規模擴張，而是著重擴展智能體訓練信號。通過大規模可驗證編程任務與可執行環境訓練，模型能夠直接從環境反饋中學習，掌握長時程推理、熟練使用工具以及從執行錯誤中有效恢復等核心能力。訓練過程涵蓋持續預訓練、監督微調、領域專家訓練和專家知識蒸餾等多個環節，確保模型在多個領域具備精細化專家能力。

　　實測表現方面，Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next在多個主流編程智能體基準上展現出強勁競爭力。在SWE-Bench Verified上，使用SWE-Agent框架時，該模型達到70%以上的問題解決率，在多語言設置及更具挑戰的SWE-Bench-Pro基準上依然保持競爭力。盡管激活參數規模較小，但該模型在多項智能體評測中仍能匹敵或超過若干更大的開源模型。

　　此外，Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next部署門檻低，實用體驗佳。開發者可將其靈活集成至本地IDE插件、命令行智能體或企業內網環境等多種場景，實現自動修復與代碼生成、自然語言操作終端等功能。目前，Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next（Base）與Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en3-Coder-Next（Instruct）兩個版本已正式開源，全面支持研究、評測及商業應用，開發者可通過GitHub、魔搭、Hugging Face獲取模型，也可進入阿里云百煉進行API調用。

版權所有，未經許可不得轉載