# Rapporto Tecnico di Qwen3-Coder-Next
Qwen3-Coder-Next Technical Report
February 28, 2026
Autori: 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
Abstract
Presentiamo Qwen3-Coder-Next, un modello linguistico open-weight specializzato per agenti di programmazione. Qwen3-Coder-Next è un modello da 80 miliardi di parametri che attiva solo 3 miliardi di parametri durante l'inferenza, garantendo solide capacità di coding con un'inferenza efficiente. In questo lavoro, esploriamo fino a che punto ricette di addestramento avanzate possano spingere i limiti delle capacità di modelli con un'impronta parametrica ridotta. Per raggiungere questo obiettivo, eseguiamo un addestramento agentistico attraverso la sintesi su larga scala di task di programmazione verificabili abbinati ad ambienti eseguibili, consentendo l'apprendimento diretto dal feedback dell'ambiente tramite mid-training e reinforcement learning. Su benchmark incentrati sugli agenti, come SWE-Bench e Terminal-Bench, Qwen3-Coder-Next raggiunge prestazioni competitive rispetto al suo numero di parametri attivi. Rilasciamo sia versioni base che instruction-tuned open-weight per supportare la ricerca e lo sviluppo di agenti di programmazione nel mondo reale.
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.