このモデルの強みは何ですか？

80Bの強力なパラメータ規模 256Kの広範なコンテキスト窓高度なプログラミング能力

このモデルの弱みは何ですか？

クローズドなライセンス体系 48GBに及ぶ大きなモデルサイズ高い計算リソースの必要性

どんな用途に最適ですか？

大規模なコードベースの解析複雑な機能実装の自動生成高度なプログラミング支援

モデル一覧に戻る

アリババプロプライエタリ

Qwen3-Coder-Next

Name: Qwen3-Coder-Next
Author: アリババ

Qwen3-Coder-Nextは、阿里巴巴（Alibaba）によって開発されたプログラミング特化の基盤モデルです。80Bのパラメータ規模と256Kの長いコンテキストウィンドウを備え、高度なコード生成および解析を実現します。

パラメータ

80.0B

コンテキスト長

256K

ライセンス

https://huggingface.co/Qwen/Qwen2.5-72B/blob/main/LICENSE

リリース日

2026-02-03

API料金

このモデルのAPI料金情報は現在未公開です

強み

・80Bの強力なパラメータ規模
・256Kの広範なコンテキスト窓
・高度なプログラミング能力

弱み

・クローズドなライセンス体系
・48GBに及ぶ大きなモデルサイズ
・高い計算リソースの必要性

活用例

・大規模なコードベースの解析
・複雑な機能実装の自動生成
・高度なプログラミング支援

深度分析

リリース日

February 2026

総パラメータ数

80B

MoE with 512 experts

アクティブパラメータ

3B per token

10 experts + 1 shared active

レイヤー

隠れ次元

2,048

コンテキストウィンドウ

262,144 tokens

アーキテクチャ

Hybrid: Gated DeltaNet + Gated Attention + MoE

入力価格

$0.07-$0.12/1M tokens

出力価格

$0.30-$0.75/1M tokens

SWE-bench 検証済み

70.6

Competitive with DeepSeek-V3.2 (70.2) at 671B

強み

・わずか30億のアクティブパラメータでSWE-bench 70.6 — 6710億パラメータのDeepSeek-V3.2（70.2）と競合可能
・驚異的に安価：Alibaba Cloudで$0.07/$0.30、サードパーティプロバイダーで$0.12/$0.75
・80万件の検証可能な実行可能タスクを用いた、長期間のエージェントコーディング向けRL学習
・単一セッションでコードベース全体を保持できる256Kコンテキスト
・Apache 2.0ライセンス — セルフホスティングおよびファインチューニングが可能

弱み

・非思考モードのみ — ブロック非対応
・SWE-bench Pro 44.3%は困難なタスクにおいて大幅な改善の余地がある
・Terminal-Bench 36.2%はより大規模なコーディングモデルと比較して著しく低い
・80Bの総パラメータは4ビット量子化時でも約46GBのVRAMを必要とする
・コーディング特化 — 一般知識タスクでは性能が低下する可能性がある

競合比較

Model	Arena	SWE	GPQA	Price
DeepSeek-V3.2	~1430	70.2	~82	$0.14/$0.28
GLM-4.7	~1420	74.2	~80	Proprietary
Qwen3-Coder-Next	~1400	70.6	~75	$0.07/$0.30
Claude Sonnet 4.6	~1470	~78	~87	$3.00/$15.00
GPT-4o	~1450	~72	~85	$2.50/$10.00

概要

モデル: qwen3-coder-next フィールド: summary Qwen3-Coder-Nextは、2026年2月に公開されたオープンウェイトのコーディング特化モデルです。Qwen3-Next-80B-A3Bバックボーンをベースに、総パラメータ数800億、トークンあたりのアクティブパラメータは僅か30億です。SWE-bench Verifiedで70.6を達成し、671BパラメータのDeepSeek-V3.2と競合する性能を、わずかな計算コストで実現しています。80万件の実行可能なタスクで強化学習されており、エージェント型コーディングワークフロー、IDEコパイロット、長期間の開発タスクのために特化して設計されています。

ベンチマーク＆性能

モデル: qwen3-coder-next 領域: パフォーマンス SWE-bench Verified 70.6（SWE-Agent scaffold）、SWE-bench Multilingual 62.8、SWE-bench Pro 44.3、Terminal-Bench 2.0 36.2、Aider benchmark 66.2。より大規模なモデルとの比較：DeepSeek-V3.2は同じSWE-benchスイートで70.2/62.3/40.9を記録し、GLM-4.7は74.2/63.7/40.6を記録。Qwen3-Coder-NextはSWE-bench Proで両方を上回る（44.3対40.9および40.6）、より困難なコーディングタスクにおけるより強い性能を示唆している。

詳細比較

モデル: qwen3-coder-next 分野: comparisons コーディング環境において、アクティブパラメータ数が10〜20倍多いモデルに匹敵する性能を達成する。SWE-bench Verifiedでは、総パラメータ数671BのDeepSeek-V3.2（70.2）に並ぶ。SWE-bench Proでは、DeepSeek-V3.2とGLM-4.7の両方を上回る。Alibaba Cloudでは$0.07/$0.30で提供されており、GPT-4o（$2.50/$10.00）やClaude Sonnet（$3.00/$15.00）に比べて圧倒的に安価でありながら、コーディングベンチマークにおいて競争力を保っている。

コミュニティ評価

コーディングAIコミュニティで好評を博しています。3Bアクティブパラメータの効率性は、費用対効果の高いコーディングAIにおける画期的な進歩として称賛されています。MarkTechPostは、単純なコード補完ではなくコーディングエージェント向けに特化した設計を強調しました。非思考モードの設計により、既存のエージェントフレームワークとの統合が簡素化されます。UnslothのGGUF量子化により、ローカル展開が容易になります。IDEコパイロットおよびCI/CDパイプライン統合におけるコミュニティの採用が拡大しています。

ユースケース

エージェンティックコーディング専用：IDEコパイロット、自動コードレビュー、テスト生成、リファクタリング、リンティング、およびCI/CDパイプライン統合。256Kのコンテキストウィンドウにより、コードベース全体を単一セッション内に保持します。$0.07/$0.30の価格で、大量の自動コーディングタスクに最適です。Qwen-Code、Claude-Code、Cline、その他のエージェントフロントエンドと統合します。一般的な知識タスクやコードを超える複雑な推論には推奨されません。ローカルデプロイメントの場合、4ビット量子化には約46GBのRAMが必要です。