Qwen3 Coder、さらに進化しました！

本日、私たちはQwen3-Coderを正式にリリースしました。これは現在までに開発された最も代理能力の高いコードモデルです。

Qwen3-Coderは複数のサイズを展開していますが、現在最も強力なバージョンであるQwen3-Coder-480B-A35B-Instructを皆様にいち早く提供します。
これは、480Bのパラメーターで35Bのパラメーターを活性化させるMoEモデルで、256Kトークンのコンテキストをネイティブサポートし、YaRNで1Mトークンまで拡張可能です。コードとエージェント能力に優れた性能を発揮します。

Qwen3-Coder-480B-A35B-Instruct は、Agentic Coding、Agentic Browser-Use、Agentic Tool-Use の各タスクでオープンソースモデルの SOTA 性能を達成し、Claude Sonnet4 と肩を並べる性能を発揮しています。
同時に、エージェント型プログラミング用のコマンドラインツール「Qwen Code」をリリースし、オープンソース化しました。

Qwen Code は Gemini Code をベースに二次開発を実施しましたが、プロンプトとツール呼び出しプロトコルを適応させることで、Qwen Code が Qwen3-Coder のエージェント型コーディングタスクにおける性能を最大限に引き出せるように設計されています。

さらに、Qwen3-Coder はコミュニティの優れたプログラミングツール（Claude Code、Cline など）と組み合わせることができ、基礎モデルとしてデジタル世界のあらゆる場所で活用されることを期待しています。エージェント型コーディング、世界へ！

事前訓練

事前訓練に関しては引き続き努力を重ねており、今回のQwen3-Coderでは異なる角度からスケーリングを実施し、モデルのコード生成能力を向上させています：
データ拡張：総データ量7.5T（コード割合70%）。汎用性と数学的能力を維持しつつ、卓越したプログラミング能力を実現；

コンテキスト拡張：ネイティブで256Kのコンテキストをサポートし、YaRNを活用して1Mまで拡張可能。リポジトリレベルや動的データ（例：プルリクエスト）に最適化され、Agentic Codingを支援；

合成データ拡張：Qwen2.5-Coderを用いて低品質データをクリーニングとリライトし、全体的なデータ品質を大幅に向上。

ポストトレーニング
Code RLのスケーリング：解決は困難だが検証は容易
現在のコミュニティが主に競技向けコード生成に焦点を当てているのに対し、私たちはすべてのコードタスクが実行駆動型の大規模強化学習に本質的に適していると考えます。そのため、より豊富な現実のコードタスク上でCode RLの訓練を拡張しました。

自動拡張テストサンプルにより、大量の高品質訓練サンプルを構築し、強化学習の潜在能力を解放しました：コード実行成功率を大幅に向上させるとともに、他のタスクにも恩恵をもたらしました。

これは、強化学習の土壌として「解決が困難だが検証が容易な」タスクを探索する動機付けとなります。

Scaling Long-Horizon RL

現実世界のソフトウェアエンジニアリングタスク（例：SWE-Bench）では、モデルは環境内で継続的に相互作用し、自主的に計画を立て、ツールの呼び出しを選択し、フィードバックを受けながら新たな意思決定を繰り返す必要があります。これは典型的なLong-Horizon RLタスクです。

私たちはQwen3-Coderの後訓練段階でAgent RLを実施し、モデルがツールを活用して問題を解決する多段階の相互作用を促進しました。Agent RLの主な課題はEnvironment Scalingであり、私たちは検証可能な環境の拡張システムを実現し、アリババクラウドのインフラを活用して20,000の独立した環境を同時に実行可能にしました。

このインフラは、大規模な強化学習フィードバックと評価を提供し、最終的にSWE-bench VerifiedでオープンソースモデルのSOTA性能を達成しました。

Qwen3-Coder を使用したコード

Qwen Code
Qwen Code は、Gemini CLI を改変した CLI ツールで、Qwen3-Coder シリーズモデル向けにパーサーとツールサポートを強化しています。

ステップ1：Qwen Code のインストール
Node.js 20 以降がインストールされていることを確認してください。以下のコマンドでインストールできます：
curl -qL https://www.npmjs.com/install.sh | sh

step2：npm マネージャーで Qwen Code をインストール
npm パッケージからインストール：
npm i -g @qwen-code/qwen-code

ソースコードからインストール：
git clone https://github.com/QwenLM/qwen-codecd qwen-code && npm install && npm install -g .

step3：環境変数を設定（OpenAI SDK を使用して LLM を呼び出す）
Qwen Code は OpenAI SDK を使用して LLM を呼び出すことができます。以下の環境変数をエクスポートするか、.env ファイルに直接記述してください。

export OPENAI_API_KEY="your_api_key_here"export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"export OPENAI_MODEL="qwen3-coder-plus"

現在、単に「qwen」と入力するだけで、Qwen-Code と Qwen が提供するプログラミング体験を楽しむことができます。

Claude Code

Qwen Code 以外にも、現在 Qwen3-Coder を Claude Code と組み合わせて使用できます。
アリクラウド 百煉プラットフォーム（http://bailian.console.aliyun.com）で API キーを申請し、Claude Code をインストールするだけで、プログラミング体験をすぐに開始できます。

npm install -g @anthropic-ai/claude-code
私たちは2つの接続方法を提供し、Qwen3-Coderをシームレスに利用できるようにしています。
方案1：dashscopeが提供するプロキシAPIを使用する
AnthropicのベースURLをdashscopeで提供されるエンドポイントに置き換えるだけです。

export ANTHROPIC_BASE_URL=https://dashscope.aliyuncs.com/api/v2/apps/claude-code-proxyexport ANTHROPIC_AUTH_TOKEN=your-dashscope-apikey
これで、claudeと入力するだけでQwen3-Coder & Claude Codeを使用できます。

方案 2：claude-code-config を使用してカスタムルーティングを設定
claude-code-router は、Claude Code で異なるバックエンド API を柔軟に切り替えるためのサードパーティ製ルーティングツールです。
dashscopeプラットフォームは、claude-code-router用にdashscopeサポートを含むデフォルト設定を生成するシンプルな拡張パッケージ claude-code-configを提供しています。

npm install -g @musistudio/claude-code-routernpm install -g @dashscope-js/claude-code-config
設定ファイルとプラグインディレクトリを生成：
ccr-dashscope
このコマンドは、ccrに必要な設定ファイルとプラグインディレクトリを自動的に生成します。手動で~/.claude-code-router/config.jsonと~/.claude-code-router/plugins/内の設定を調整することも可能です。
最後に、ccr で Claude Code を使用開始：

ccr code

これで、ccr 経由で Claude Code を使用し、Qwen3-Coder の強力なコーディング機能を存分にご活用いただけます。開発が順調に進むことをお祈りしています！

CLINE

Qwen3-Coder-480B-A35B-instruct を cline で使用するための設定：
step1：cline の設定画面に移動
step2： 「OpenAI Compatible」モードを選択
step3： 「OpenAI Compatible API tokens」欄に、Dashscope から取得したキーを入力
step4： 「使用自定义基础 URL」にチェックを入れ、https://dashscope.aliyuncs.com/compatible-mode/v1 を入力
step5：モデル名に「qwen3-coder-plus」を入力します

次へ

私たちは引き続き Coding Agent の性能向上に努めており、より複雑なソフトウェアエンジニアリングの煩雑なタスクを人間から解放し、生産性を向上させることを目指しています。
Qwen3-Coder にはさらに多くのサイズが開発中で、性能を維持しつつデプロイのコストを低減する予定です。
また、Coding Agent が自己改善を実現できるかどうかについても積極的に探索中です。これは非常に興味深いテーマです。