Alibaba

Qwen3-Coder-Next

Text
Eingestellt Am 2026-10-10 eingestellt.

Open-Weight-Coding-Modell von Qwen für Agenten (3B aktiv); 256K Kontext; OpenAI-kompatible API

Modellgesundheit Unzureichende Daten
runapi.ai
# Base URL
https://runapi.ai

# Endpoints
POST /v1/chat/completions
POST /v1/responses
POST /v1/messages
POST /v1beta/models/qwen3-coder-next:generateContent
POST /v1beta/models/qwen3-coder-next:streamGenerateContent
curl https://runapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $RUNAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen3-coder-next",
  "messages": [
    {
      "role": "user",
      "content": "Lies diesen Screenshot eines fehlerhaften Dashboards, erkläre, was die Fehlermeldung bedeutet, und schlage die Codeänderung vor, die das Problem behebt."
    }
  ]
}'
from openai import OpenAI

client = OpenAI(
    base_url="https://runapi.ai/v1",
    api_key="your-runapi-key"
)

response = client.chat.completions.create(
    model="qwen3-coder-next",
    messages=[{"role": "user", "content": "Lies diesen Screenshot eines fehlerhaften Dashboards, erkläre, was die Fehlermeldung bedeutet, und schlage die Codeänderung vor, die das Problem behebt."}]
)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://runapi.ai/v1",
  apiKey: "your-runapi-key"
});

const response = await client.chat.completions.create({
  model: "qwen3-coder-next",
  messages: [{ role: "user", content: "Lies diesen Screenshot eines fehlerhaften Dashboards, erkläre, was die Fehlermeldung bedeutet, und schlage die Codeänderung vor, die das Problem behebt." }]
});
https://runapi.ai 5 endpoints
ÜBERBLICK

Wofür Qwen3-Coder-Next gebaut ist

Qwen3-Coder-Next ist ein Open-Weight-Coding-Modell von Alibaba Qwen, veröffentlicht am 3. Februar 2026 unter Apache 2.0. Es basiert auf Qwen3-Next-80B-A3B, einem Sparse-Mixture-of-Experts-Modell mit hybrider Attention, das 80B Parameter insgesamt und 3B aktive Parameter pro Token hat. Qwen hat es für Coding-Agenten und Arbeit auf Repository-Ebene trainiert.

Laut Qwens Model Card läuft es nur im Modus ohne Thinking und erzeugt keine Thinking-Blöcke; eine Antwort beginnt also direkt mit dem Ergebnis oder dem Tool Call. Alibabas API stellt es mit einem Kontextfenster von 262.144 Tokens bereit, bei bis zu 204.800 Input-Tokens und bis zu 65.536 Output-Tokens.

Bei RunAPI rufen Sie qwen3-coder-next über den OpenAI-kompatiblen Chat-Completions-Endpunkt (/v1/chat/completions) auf, mit einem OpenAI SDK, das auf https://runapi.ai/v1 zeigt. Das Modell nimmt Texteingabe an. Tools übergeben Sie im Standardformat von OpenAI, und das Modell liefert tool_calls in der Antwort.

Modell-ID
qwen3-coder-next
Veröffentlicht
3. Februar 2026
Architektur
MoE, 80B gesamt / 3B aktiv, Gewichte unter Apache 2.0
Kontextfenster
262.144 Tokens
Maximale Ausgabe
65.536 Tokens
Thinking
Keins (nur Modus ohne Thinking)
Endpunkt bei RunAPI
OpenAI Chat Completions, Texteingabe
Specifications

DATENBLATT

Anbieter Alibaba
Modell-ID qwen3-coder-next
Modalität Text
Aufgabentypen Synchronous
API-Endpunkt /v1/chat/completions
/v1/responses
/v1/messages
/v1beta/models/qwen3-coder-next:generateContent
/v1beta/models/qwen3-coder-next:streamGenerateContent
Abrechnungseinheit 1K-Token
Katalogstatus Eingestellt
SO FUNKTIONIERT ES

Dieses Modell in 3 Schritten verwenden

  1. API-Schlüssel erstellen

    Registriere dich kostenlos und erstelle im Dashboard einen API-Schlüssel für qwen3-coder-next.

  2. Anfrage senden

    Sende eine POST-Anfrage an /v1/chat/completions mit der Modell-ID qwen3-coder-next und deinen Parametern.

  3. Ergebnisse abrufen

    Lies die fertige qwen3-coder-next-Antwort direkt vom Endpoint.

Was dieses Modell bietet

Endpoint-Abdeckung

Stellt 1 öffentliche(n) Endpoint(s) bereit: chat_completion.

Nutzungsbasierte Abrechnung

Gemessen nach 1K-Token, ohne Abo-Anforderung.

API-REFERENZ

Endpunktspezifikation

Endpunkt
POST /v1/chat/completions
Modell-ID
qwen3-coder-next
Aufgabentypen
chat_completion

Anfrageparameter

Für diesen Endpunkt sind keine Anfrageparameter veröffentlicht.

ANWENDUNGSFÄLLE

Chat

Nutze LLMs für Chat und Reasoning.

Code

Generiere und prüfe Implementierungsarbeit.

Automatisierung

Verbinde Modelle mit Backend-Tasks.

FAQ

Häufige Fragen zu Qwen3-Coder-Next

Wofür ist Qwen3-Coder-Next gebaut?

Für Coding-Agenten und Arbeit auf Repository-Ebene, etwa eine Codebasis lesen, mehrere Dateien bearbeiten und Tools in einer Schleife aufrufen. Qwen meldet SWE-Bench-Pro-Ergebnisse auf dem Niveau von Modellen mit 10- bis 20-mal mehr aktiven Parametern.

Unterstützt qwen3-coder-next Tool Calling?

Ja. Übergeben Sie Tools im OpenAI-Format über Chat Completions, und das Modell liefert tool_calls zurück. Qwens Model Card nennt Tool Calling als eine der Hauptstärken des Modells.

Hat Qwen3-Coder-Next einen Thinking-Modus?

Nein. Laut Qwens Model Card unterstützt es nur den Modus ohne Thinking und erzeugt keine Thinking-Blöcke. Wenn eine Aufgabe einen Reasoning-Schritt braucht, nehmen Sie ein Qwen3.5- oder Qwen3.6-Modell; diese haben einen Thinking-Modus.

Wie viele Parameter nutzt Qwen3-Coder-Next pro Token?

3B seiner 80B Parameter sind pro Token aktiv. Das Modell basiert auf Qwen3-Next-80B-A3B, das ein Sparse-Mixture-of-Experts-Design mit hybrider Attention kombiniert.

Wie wähle ich qwen3-coder-next aus?

Übergib die im Quickstart angezeigte Modell-ID.

Sind die Preise nutzungsbasiert?

Ja. Preise werden pro Aufruf oder Einheit gemessen.

Bauen Sie mit einem Team?

Wir helfen bei Enterprise-Setup, Integrationen und technischen Fragen.

Kontakt aufnehmen