Qwen3 Coder Next est sorti le 2 février 2026 : Qwen le présente à sa sortie comme un modèle à poids ouverts conçu pour les agents de programmation et le développement local. Sur OpenRouter, il accepte du texte en entrée et produit du texte.
Qwen3 Coder Next est, à sa sortie, selon Qwen, un modèle de langage à poids ouverts conçu spécifiquement pour les agents de programmation et le développement local. Selon Qwen, il a été entraîné à sa sortie de façon agentique à grande échelle, sur des tâches exécutables synthétisées, l’interaction avec un environnement et l’apprentissage par renforcement. À sa sortie, selon Qwen, cet entraînement privilégie le raisonnement à long horizon, l’usage d’outils et la reprise après un échec d’exécution, jugés essentiels par Qwen pour des agents de programmation réels.
Selon Qwen, sa fenêtre de contexte de 256k et son adaptation à divers gabarits d’échafaudage permettent une intégration sans accroc aux plateformes en ligne de commande et aux environnements de développement intégrés (IDE), comme Claude Code, Qwen Code, Qoder, Kilo, Trae ou Cline. Il excelle dans l’appel d’outils, selon Qwen. Sur OpenRouter, son API accepte l’appel d’outils et les sorties structurées, avec les paramètres tools et structured_outputs.
Qwen3 Coder Next dépasse, à sa sortie, 70 % sur SWE-Bench Verified avec l’échafaudage SWE-Agent, selon Qwen. Avec 3 milliards de paramètres actifs, il obtient à sa sortie des performances comparables sur SWE-Bench Pro à celles de modèles ayant de 10 à 20 fois plus de paramètres actifs, selon Qwen. Malgré sa petite empreinte active, il égale ou dépasse à sa sortie plusieurs modèles open source bien plus grands sur des évaluations centrées sur les agents, selon Qwen.
Qwen3 Coder Next, sorti le 2 février 2026, compte selon Qwen 80 milliards de paramètres au total, dont 3 milliards activés. Selon Qwen, son architecture comprend 48 couches dans une disposition hybride qui alterne Gated DeltaNet et Gated Attention, chacune suivie d’un mélange d’experts (MoE) comprenant 512 experts, dont 10 activés et 1 partagé.
Selon Qwen, le contexte natif atteint 262 144 tokens, une fenêtre également indiquée sur OpenRouter. Sur OpenRouter, la réponse peut atteindre au plus 235 929 tokens. Le modèle lit du texte et produit du texte sur OpenRouter. Pour les autres propriétés techniques, le tableau des caractéristiques complète ces éléments avec les entrées, la réflexion, la licence et les paramètres.
Selon Qwen, le modèle fonctionne uniquement en mode sans réflexion et ne produit aucun bloc de réflexion dans sa réponse. Pour ce mode de fonctionnement, le réglage enable_thinking=False n’est plus nécessaire, selon Qwen. Les poids du modèle sont publiés sous licence Apache 2.0, selon Qwen.
toolsstructured_outputstemperaturetop_pseedstoplogprobsresponse_formatmax_tokensQwen3 Coder Next est publié sous forme de poids téléchargeables sur Hugging Face sous licence Apache 2.0, selon Qwen. Selon Qwen, SGLang ou vLLM permettent de déployer le modèle en créant un point d’accès API compatible avec OpenAI. Ce déploiement nécessite au minimum SGLang v0.5.8 ou vLLM 0.15.0, selon Qwen. La carte d’accès donne les derniers prix relevés.
Pour relier le modèle à votre application
Chez OpenRouter (relevé du 05/10/2026) : 0,12 $ / M tokens en entrée, 0,80 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Qwen3 Coder Next est construit, à sa sortie, sur Qwen3-Next-80B-A3B-Base, qui adopte une nouvelle architecture à attention hybride et mélange d’experts, selon Qwen. À sa sortie, Qwen prévoyait d’améliorer le raisonnement et la prise de décision du modèle, de prendre en charge davantage de tâches et de le mettre à jour rapidement selon l’usage qui en serait fait.
Qwen3 Coder Next est conçu pour le développement local et les agents de programmation à sa sortie, selon Qwen. Selon Qwen, Ollama, LMStudio, MLX-LM, llama.cpp et KTransformers ont pris en charge la famille Qwen3 pour un usage en local.
Selon Qwen, il faut au moins SGLang v0.5.8 pour servir Qwen3 Coder Next avec SGLang, et vLLM 0.15.0 pour le servir avec vLLM. Selon Qwen, en cas de manque de mémoire, il est conseillé de réduire la longueur de contexte, par exemple à 32 768 tokens.
Qwen3 Coder Next compte 80 milliards de paramètres au total, dont 3 milliards activés, selon Qwen. Selon Qwen, Qwen3-Coder-480B-A35B-Instruct était présenté le 22 juillet 2025 comme un modèle à mélange d’experts de 480 milliards de paramètres, dont 35 milliards actifs.
Qwen3 Coder Next est sorti le 2 février 2026, selon le billet d’annonce de Qwen.
Qwen3 Coder Next fonctionne uniquement en mode sans réflexion, selon Qwen. Selon Qwen, il n’écrit pas de bloc de réflexion dans sa réponse.
Qwen3 Coder Next a pour réglages d’échantillonnage recommandés temperature=1.0 et top_p=0.95 pour des performances optimales, selon Qwen. Selon Qwen, cette recommandation comprend aussi top_k=40.
Pas besoin d'écrire un bon prompt vous-même. Choisissez un exemple, copiez-le tel quel, puis collez-le dans votre outil pour voir immédiatement le type de réponse obtenu.
Voir comment il rédige un e-mail professionnel à partir d'une situation concrète.
Rédigez un e-mail professionnel et cordial pour relancer un client qui n'a pas encore répondu à une proposition commerciale envoyée il y a une semaine. Le message doit rester chaleureux, ne pas paraître insistant et se terminer par une question simple pour savoir s'il souhaite poursuivre. Faites une version courte, naturelle et directement envoyable.Voir s'il sait rendre un sujet complexe vraiment compréhensible.
Expliquez-moi ce qu'est l'intelligence artificielle générative comme si je n'y connaissais absolument rien. Utilisez des mots simples, donnez deux exemples du quotidien, évitez le jargon et terminez par trois choses importantes à retenir.Voir comment il transforme un projet en étapes simples et concrètes.
Je souhaite créer un nouveau site internet pour une petite entreprise. Organisez le projet étape par étape, depuis la définition des besoins jusqu'à la mise en ligne. Pour chaque étape, indiquez ce qu'il faut préparer, la décision principale à prendre et l'erreur la plus fréquente à éviter. Terminez par les trois premières actions à réaliser cette semaine.Ouvrez votre outil, collez le texte et envoyez. Ensuite, répondez naturellement à l'IA si vous voulez préciser ou modifier le résultat.