Qwen3-Coder-Next — это языковая модель с открытыми весами (open-weights), разработанная специально для создания автономных агентов-разработчиков (coding agents) и эффективного развертывания. Главной особенностью модели является её уникальная архитектура, сочетающая гибридное внимание (Hybrid Attention) и технологию смеси экспертов (Mixture-of-Experts, MoE).
Qwen3-Coder-Next отходит от классического трансформера, используя чередование слоев линейного и полного внимания. Базовый блок повторяется 12 раз и имеет структуру: 3 слоя Gated DeltaNet → 1 слой Gated Attention. Каждый из этих слоев сопровождается блоком MoE. Gated DeltaNet (Линейное внимание) - отвечает за эффективность и обработку больших контекстов (для этой модели контекст составляет 262 144 токенов). Это технология - эволюция линейного внимания, которая превосходит Mamba2 в задачах in-context learning. Здесь параметры настроены на скорость: используется 32 головы для Value (V) и 16 голов для Query/Key (QK) с размерностью головы 128. Gated Attention (Полное внимание) — это классическое, "тяжелое" внимание, необходимое для точных рассуждений и работы со сложными зависимостями, где нельзя упустить детали. Здесь конфигурация иная: 16 голов для Query (Q) и всего 2 головы для Key/Value (KV) (групповое внимание для экономии памяти), но с увеличенной размерностью головы до 256. Поверх слоев внимания работает система экспертов Mixture-of-Experts (MoE). Всего модель содержит 512 экспертов, из которых на каждый токен активируется только 10 (плюс 1 общий эксперт, работающий всегда). Именно это позволяет держать активными всего 3 млрд параметров из 80.
Для обучения модели применялся многоэтапный подход, включающий предобучение на большом объёме естественных и синтетических данных, мид-тренинг для специализации на коде и агентских задачах, а также пост-тренинг с контролируемой тонкой настройкой (SFT), обучением с подкреплением (RL) и дистилляцией экспертов. Особенностью методологии является агентное обучение, где модель обучается на задачах с исполняемыми окружениями, что позволило ей учиться напрямую на обратной связи от среды выполнения. Это значительно улучшает способность модели к многошаговому рассуждению, использованию инструментов и исправлению ошибок в реалистичных условиях разработки.
На ключевых бенчмарках для программных агентов модель демонстрирует конкурентоспособные результаты. На SWE-Bench Verified Qwen3-Coder-Next показывает результаты на уровне 70.6%, конкурируя с моделями, имеющими на порядок больше активных параметров. На более сложном SWE-Bench Pro модель достигает 44.3%, демонстрируя способность решать комплексные задачи, требующие поэтапного планирования. В тестах на следование различным шаблонам вызовов инструментов (Tool Calling) в различных IDE/CLI-средах модель показывает отличное качество (92.7% в среднем), превосходя многие топовые открытые и проприетарные модели, что подтверждает её готовность к работе в разнообразных средах разработки.
Сценарии использования модели ориентированы в основном на программирование. Низкие требования к инференсу делают модель идеальной для развертывания на локальных или облачных машинах разработчиков в качестве интеллектуального ассистента, интегрированного в IDE или CLI. Модель способна анализировать контекст всего репозитория, локализовать проблемы и предлагать корректные патчи, что полезно для автоматизации code review и сопровождения проектов.
| Наименование модели | Контекст | Тип | GPU | TPS | Tooling | Статус | Ссылка |
|---|---|---|---|---|---|---|---|
| bullpoint/Qwen3-Coder-Next-AWQ-4bit | 263K | Публичный | 4×4090 tensor |
202 | да | доступен | чат |
curl https://chat.immers.cloud/v1/endpoints/generate/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer USER_API_KEY" \
--data-binary @- <<"EOF"
{"model": "Qwen3-Coder-Next", "messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Say this is a test"}
], "temperature": 0, "max_tokens": 150
}
EOF
$response = Invoke-WebRequest https://chat.immers.cloud/v1/endpoints/generate/chat/completions `
-Method POST `
-Headers @{
"Authorization" = "Bearer USER_API_KEY"
"Content-Type" = "application/json; charset=utf-8"
} `
-Body ([System.Text.Encoding]::UTF8.GetBytes((@{
model = "Qwen3-Coder-Next"
messages = @(
@{ role = "system"; content = "You are a helpful assistant." },
@{ role = "user"; content = "Say this is a test" })
} | ConvertTo-Json -Depth 10)))
([System.Text.Encoding]::UTF8.GetString($response.RawContentStream.ToArray()) | ConvertFrom-Json).choices[0].message.content
#!pip install OpenAI --upgrade
from openai import OpenAI
client = OpenAI(
api_key="USER_API_KEY",
base_url="https://chat.immers.cloud/v1/endpoints/generate/",
)
chat_response = client.chat.completions.create(
model="Qwen3-Coder-Next",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Say this is a test"},
]
)
print(chat_response.choices[0].message.content)
# linux
export ANTHROPIC_BASE_URL=https://chat.immers.cloud/v1/endpoints/generate/
export ANTHROPIC_API_KEY=USER_API_KEY
export ANTHROPIC_MODEL=Qwen3-Coder-Next
# windows (ps)
[Environment]::SetEnvironmentVariable("ANTHROPIC_BASE_URL", "https://chat.immers.cloud/v1/endpoints/generate/", "User")
[Environment]::SetEnvironmentVariable("ANTHROPIC_AUTH_TOKEN", "USER_API_KEY", "User")
[Environment]::SetEnvironmentVariable("ANTHROPIC_MODEL", "Qwen3-Coder-Next", "User")
# linux
export OPENAI_BASE_URL=https://chat.immers.cloud/v1/endpoints/generate/
export OPENAI_API_KEY=USER_API_KEY
export OPENAI_MODEL=Qwen3-Coder-Next
# windows (ps)
[Environment]::SetEnvironmentVariable("OPENAI_BASE_URL", "https://chat.immers.cloud/v1/endpoints/generate/", "User")
[Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "USER_API_KEY", "User")
[Environment]::SetEnvironmentVariable("OPENAI_MODEL", "Qwen3-Coder-Next", "User")
Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.
Мы рекомендуем создание частных инстансов в случаях, если необходимо:
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
262 144 |
1 | 211,77 ₽ | 212.00 | 4,26 | Запустить | |
262 144 tensor |
4 | 257,77 ₽ | 153.22 | 1,31 | Запустить | |
262 144 tensor |
4 | 269,04 ₽ | 1,31 | Запустить | ||
262 144 tensor |
4 | 321,77 ₽ | 297.00 | 1,03 | Запустить | |
262 144 |
1 | 341,77 ₽ | 114.97 | 3,54 | Запустить | |
262 144 |
1 | 367,41 ₽ | 221.00 | 5,66 | Запустить | |
262 144 pipeline |
3 | 387,41 ₽ | 3,65 | Запустить | ||
262 144 tensor |
2 | 411,81 ₽ | 14,60 | Запустить | ||
262 144 |
1 | 423,04 ₽ | 12,78 | Запустить | ||
262 144 tensor |
4 | 513,04 ₽ | 3,69 | Запустить | ||
262 144 tensor |
2 | 839,97 ₽ | 203.25 | 33,15 | Запустить | |
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
262 144 |
1 | 368,18 ₽ | 4.67 | 1,38 | Запустить | |
262 144 |
1 | 423,81 ₽ | 8,29 | Запустить | ||
262 144 tensor |
2 | 440,74 ₽ | 152.33 | 10,85 | Запустить | |
262 144 tensor |
2 | 441,52 ₽ | 152.33 | 10,85 | Запустить | |
262 144 tensor |
4 | 514,59 ₽ | 2,47 | Запустить | ||
262 144 pipeline |
6 | 521,74 ₽ | 6,66 | Запустить | ||
262 144 tensor |
8 | 539,21 ₽ | 3,25 | Запустить | ||
262 144 tensor |
8 | 671,74 ₽ | 3,24 | Запустить | ||
262 144 tensor |
2 | 700,74 ₽ | 76.99 | 9,57 | Запустить | |
262 144 tensor |
2 | 840,74 ₽ | 7.00 | 29,29 | Запустить | |
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
262 144 pipeline |
3 | 658,44 ₽ | 50.37 | 10,42 | Запустить | |
262 144 tensor |
2 | 731,81 ₽ | 2,10 | Запустить | ||
262 144 tensor |
4 | 818,68 ₽ | 10,42 | Запустить | ||
262 144 tensor |
2 | 841,52 ₽ | 16,39 | Запустить | ||
262 144 tensor |
2 | 841,52 ₽ | 16,39 | Запустить | ||
262 144 tensor |
4 | 848,44 ₽ | 10,42 | Запустить | ||
262 144 tensor |
8 | 1 034,08 ₽ | 2,03 | Запустить | ||
262 144 pipeline |
3 | 1 048,44 ₽ | 54.59 | 9,28 | Запустить | |
262 144 tensor |
4 | 1 338,68 ₽ | 10,40 | Запустить | ||
Свяжитесь с нашей специализированной группой поддержки по нейросетям support@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.