# Informe Técnico de Qwen3-Coder-Next
Qwen3-Coder-Next Technical Report
February 28, 2026
Autores: Ruisheng Cao, Mouxiang Chen, Jiawei Chen, Zeyu Cui, Yunlong Feng, Binyuan Hui, Yuheng Jing, Kaixin Li, Mingze Li, Junyang Lin, Zeyao Ma, Kashun Shum, Xuwu Wang, Jinxi Wei, Jiaxi Yang, Jiajun Zhang, Lei Zhang, Zongmeng Zhang, Wenting Zhao, Fan Zhou
cs.AI
Resumen
Presentamos Qwen3-Coder-Next, un modelo de lenguaje de código abierto especializado para agentes de programación. Qwen3-Coder-Next es un modelo de 80 mil millones de parámetros que activa únicamente 3 mil millones de parámetros durante la inferencia, logrando una sólida capacidad de codificación con una inferencia eficiente. En este trabajo, exploramos hasta qué punto las recetas de entrenamiento robustas pueden impulsar los límites de capacidad de modelos con huellas de parámetros reducidas. Para lograrlo, realizamos entrenamiento agentico mediante la síntesis a gran escala de tareas de programación verificables emparejadas con entornos ejecutables, permitiendo el aprendizaje directo a partir de la retroalimentación del entorno mediante entrenamiento intermedio y aprendizaje por refuerzo. En benchmarks centrados en agentes, como SWE-Bench y Terminal-Bench, Qwen3-Coder-Next alcanza un rendimiento competitivo en relación con su recuento de parámetros activos. Publicamos versiones de código abierto tanto base como ajustadas por instrucciones para apoyar la investigación y el desarrollo de agentes de programación en entornos reales.
English
We present Qwen3-Coder-Next, an open-weight language model specialized for coding agents. Qwen3-Coder-Next is an 80-billion-parameter model that activates only 3 billion parameters during inference, enabling strong coding capability with efficient inference. In this work, we explore how far strong training recipes can push the capability limits of models with small parameter footprints. To achieve this, we perform agentic training through large-scale synthesis of verifiable coding tasks paired with executable environments, allowing learning directly from environment feedback via mid-training and reinforcement learning. Across agent-centric benchmarks including SWE-Bench and Terminal-Bench, Qwen3-Coder-Next achieves competitive performance relative to its active parameter count. We release both base and instruction-tuned open-weight versions to support research and real-world coding agent development.