--- title: 'Qwen3-Coder-Next API: Modell-ID, 256K Kontext, Coding-Agenten | RunAPI' description: qwen3-coder-next über die OpenAI-kompatible Chat Completions API von RunAPI aufrufen. Open-Weight-Coding-MoE mit 80B gesamt und 3B aktiv, 256K Kontext, Tools. url: https://runapi.ai/de/models/qwen/qwen3-coder-next.md canonical: https://runapi.ai/de/models/qwen/qwen3-coder-next locale: de site: RunAPI image: https://runapi.ai/assets/opengraph-bfaaa0f0.png alternates: en: https://runapi.ai/models/qwen/qwen3-coder-next zh-CN: https://runapi.ai/zh-CN/models/qwen/qwen3-coder-next es: https://runapi.ai/es/models/qwen/qwen3-coder-next ja: https://runapi.ai/ja/models/qwen/qwen3-coder-next de: https://runapi.ai/de/models/qwen/qwen3-coder-next fr: https://runapi.ai/fr/models/qwen/qwen3-coder-next pt-BR: https://runapi.ai/pt-BR/models/qwen/qwen3-coder-next ko: https://runapi.ai/ko/models/qwen/qwen3-coder-next it: https://runapi.ai/it/models/qwen/qwen3-coder-next nl: https://runapi.ai/nl/models/qwen/qwen3-coder-next pl: https://runapi.ai/pl/models/qwen/qwen3-coder-next tr: https://runapi.ai/tr/models/qwen/qwen3-coder-next zh-TW: https://runapi.ai/zh-TW/models/qwen/qwen3-coder-next zh-HK: https://runapi.ai/zh-HK/models/qwen/qwen3-coder-next ar: https://runapi.ai/ar/models/qwen/qwen3-coder-next x-default: https://runapi.ai/models/qwen/qwen3-coder-next model: Qwen provider: Alibaba variant_id: qwen3-coder-next sdk_model_id: qwen3-coder-next modality: text billing_unit: 1K-Token status: retired --- > HTML version: https://runapi.ai/de/models/qwen/qwen3-coder-next > Site index for agents: https://runapi.ai/llms.txt # qwen3-coder-next API **Eingestellt:** Am 2026-10-10 eingestellt. Rufe qwen3-coder-next aus der Qwen-Familie über RunAPI auf. Abgerechnet wird pro Token, ohne Abo; eine Anfrage, die vor Beginn der Antwort fehlschlägt, wird nicht berechnet. **Alibaba / [Qwen](https://runapi.ai/de/models/qwen.md)** **Eingestellt · text · Kommerzielle Nutzung unterstützt** ## 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 ### Variante wechseln - **qwen3-coder-next** (current) - [qwen3-vl-235b-a22b-instruct](https://runapi.ai/de/models/qwen/qwen3-vl-235b-a22b-instruct.md) - [qwen3-vl-235b-a22b-thinking](https://runapi.ai/de/models/qwen/qwen3-vl-235b-a22b-thinking.md) - [qwen3.5-122b-a10b](https://runapi.ai/de/models/qwen/qwen3.5-122b-a10b.md) - [qwen3.5-27b](https://runapi.ai/de/models/qwen/qwen3.5-27b.md) - [qwen3.5-35b-a3b](https://runapi.ai/de/models/qwen/qwen3.5-35b-a3b.md) - [qwen3.5-397b-a17b](https://runapi.ai/de/models/qwen/qwen3.5-397b-a17b.md) - [qwen3.6-27b](https://runapi.ai/de/models/qwen/qwen3.6-27b.md) - [qwen3.6-35b-a3b](https://runapi.ai/de/models/qwen/qwen3.6-35b-a3b.md) 9 Versionen verfügbar qwen3-coder-next ist eines der Qwen-Modelle auf RunAPI. Es nutzt denselben API Key wie jedes andere Modell, und du wechselst, indem du die Modell-ID in deiner Anfrage änderst. Jeder Aufruf ist synchron und wird in USD nach Eingabe-, Ausgabe- und Cache-Token abgerechnet, ohne Abo und ohne Mindestumsatz. Eine Anfrage, die vor Beginn der Antwort fehlschlägt, wird nicht berechnet; sobald die Antwort gestreamt wird, werden die bereits erzeugten Token berechnet, auch wenn der Client die Verbindung trennt. - Abrechnung pro Token in USD ohne Abo - Keine Berechnung, wenn eine Anfrage vor Beginn der Antwort fehlschlägt - Streaming Token für Token - Modellwechsel durch Ändern einer einzigen Modell-ID - Ein API Key und eine Rechnung für alle Modelle und Anbieter ## DATENBLATT | Feld | Wert | |---|---| | 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 | Field | Value | |---|---| | Endpunkt | `POST /v1/chat/completions` | | Modell-ID | `qwen3-coder-next` | | Aufgabentypen | `chat_completion` | ## Anfrageparameter Für diesen Endpunkt sind keine Anfrageparameter veröffentlicht. **Request example** ```json { "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." } ] } ``` ### Modell-Skill — qwen3-coder-next Installiere den Skill einmal und verwende dann die Varianten-ID von dieser Seite beim Entwickeln. Base URL: `https://runapi.ai` | Endpoint | Protocol | |---|---| | `POST /v1/chat/completions` | OpenAI compatible | | `POST /v1/responses` | OpenAI Responses | | `POST /v1/messages` | Anthropic compatible | | `POST /v1beta/models/qwen3-coder-next:generateContent` | Gemini generateContent | | `POST /v1beta/models/qwen3-coder-next:streamGenerateContent` | Gemini streamGenerateContent | Nutze das OpenAI / Anthropic / Google Gen AI-SDK mit deinem RunAPI API Key und `model: "qwen3-coder-next"`. ### qwen3-coder-next verwenden 1. **Installieren** — Installiere den Model Skill der Qwen-Linie. Er lädt Doku, Request-Formate und Preishinweise in deinen Coding-Workspace. 2. **Konfigurieren** — Richte dein SDK auf https://runapi.ai aus und setze deinen RunAPI API Key. Derselbe Key funktioniert bei allen Modellen und Anbietern. 3. **Aufrufen** — Sende eine Anfrage in einem API-Format, das dieses Modell unterstützt, und setze das Feld model auf die Modell-ID dieser Seite. RunAPI leitet sie an den Anbieter weiter. 4. **Empfangen** — Lies die Antwort aus demselben Aufruf oder streame sie, während sie erzeugt wird. Das Feld usage zeigt die Token, die dir berechnet werden. ### Vergleich von qwen3-coder-next - **VS QWEN3-VL-235B-A22B-INSTRUCT: Open-Weight-Coding-Modell von Qwen für Agenten (3B aktiv); 256K Kontext; OpenAI-kompatible API** — Qwen3-VL-Vision-MoE mit direkten Antworten; 131K Kontext; Bildeingabe über OpenAI-kompatible API - **VS QWEN3-VL-235B-A22B-THINKING: Open-Weight-Coding-Modell von Qwen für Agenten (3B aktiv); 256K Kontext; OpenAI-kompatible API** — Qwen3-VL-Vision-MoE nur mit Thinking; 131K Kontext; Bildeingabe über OpenAI-kompatible API - **VS QWEN3.5-122B-A10B: Open-Weight-Coding-Modell von Qwen für Agenten (3B aktiv); 256K Kontext; OpenAI-kompatible API** — Open-Weight-Vision-MoE aus Qwen3.5 (10B aktiv); 256K Kontext; OpenAI-kompatible API ## ANWENDUNGSFÄLLE **Chat** Nutze LLMs für Chat und Reasoning. **Code** Generiere und prüfe Implementierungsarbeit. **Automatisierung** Verbinde Modelle mit Backend-Tasks. ## 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. ### VERWANDT - [qwen3.5-35b-a3b](https://runapi.ai/de/models/qwen/qwen3.5-35b-a3b.md) — von Alibaba · Eingabe $0.25 / 1 Mio. Tokens | Ausgabe $2.00 / 1 Mio. Tokens - [qwen3.5-27b](https://runapi.ai/de/models/qwen/qwen3.5-27b.md) — von Alibaba · Eingabe $0.30 / 1 Mio. Tokens | Ausgabe $2.40 / 1 Mio. Tokens - [qwen3.6-35b-a3b](https://runapi.ai/de/models/qwen/qwen3.6-35b-a3b.md) — von Alibaba · Eingabe $0.38 / 1 Mio. Tokens | Ausgabe $2.25 / 1 Mio. Tokens - [qwen3.5-122b-a10b](https://runapi.ai/de/models/qwen/qwen3.5-122b-a10b.md) — von Alibaba · Eingabe $0.40 / 1 Mio. Tokens | Ausgabe $3.20 / 1 Mio. Tokens ### Starte heute mit Qwen. - [Kostenloses Konto erstellen](https://runapi.ai/de/login) - [Quickstart lesen →](https://runapi.ai/de/docs/api/openai/chat-completions) ## Bauen Sie mit einem Team? Wir helfen bei Enterprise-Setup, Integrationen und technischen Fragen. [Kontakt aufnehmen](https://runapi.ai/de/contact.md) --- ## More from RunAPI - [Home](https://runapi.ai/de/.md) ### Produkt - [Modellkatalog](https://runapi.ai/de/models.md) - [Preise](https://runapi.ai/de/pricing.md) - [Anbieter](https://runapi.ai/de/models#all-models) ### Entwickler - [Dokumentation](https://runapi.ai/de/docs/guides) - [SDKs](https://runapi.ai/de/sdk.md) - [CLI](https://runapi.ai/de/cli.md) - [MCP Server](https://runapi.ai/de/mcp.md) - [x402](https://runapi.ai/de/x402.md) ### Anleitungen - [Claude Code vs Cursor](https://runapi.ai/de/claude-code-vs-cursor.md) - [Cursor API-Einrichtung](https://runapi.ai/de/cursor-api-setup.md) - [RunAPI vs OpenRouter](https://runapi.ai/de/openrouter-alternative.md) ### Unternehmen - [Enterprise](https://runapi.ai/de/contact.md) - [Kontakt](https://runapi.ai/de/contact.md) ### Rechtliches - [Bedingungen](https://runapi.ai/de/terms.md) - [Datenschutz](https://runapi.ai/de/privacy.md) - [Site index for agents](https://runapi.ai/llms.txt) Contact: contact@runapi.ai ## Structured data ```json [ { "@context": "https://schema.org", "inLanguage": "de", "@type": "WebSite", "name": "RunAPI", "url": "https://runapi.ai/de", "potentialAction": { "@type": "SearchAction", "target": { "@type": "EntryPoint", "urlTemplate": "https://runapi.ai/de/models?q={search_term_string}" }, "query-input": "required name=search_term_string" } }, { "@context": "https://schema.org", "inLanguage": "de", "@type": "Organization", "name": "RunAPI", "url": "https://runapi.ai/de", "logo": { "@type": "ImageObject", "url": "https://runapi.ai/deicon.svg" }, "sameAs": [ "https://github.com/runapi-ai" ] }, { "@context": "https://schema.org", "inLanguage": "de", "@type": "SoftwareApplication", "name": "Qwen qwen3-coder-next", "applicationCategory": "DeveloperApplication" }, { "@context": "https://schema.org", "inLanguage": "de", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Home", "item": "https://runapi.ai/de" }, { "@type": "ListItem", "position": 2, "name": "Models", "item": "https://runapi.ai/de/models" }, { "@type": "ListItem", "position": 3, "name": "Qwen", "item": "https://runapi.ai/de/models/qwen" }, { "@type": "ListItem", "position": 4, "name": "qwen3-coder-next", "item": "https://runapi.ai/de/models/qwen/qwen3-coder-next" } ] }, { "@context": "https://schema.org", "inLanguage": "de", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Wofür ist Qwen3-Coder-Next gebaut?", "acceptedAnswer": { "@type": "Answer", "text": "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." } }, { "@type": "Question", "name": "Unterstützt qwen3-coder-next Tool Calling?", "acceptedAnswer": { "@type": "Answer", "text": "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." } }, { "@type": "Question", "name": "Hat Qwen3-Coder-Next einen Thinking-Modus?", "acceptedAnswer": { "@type": "Answer", "text": "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." } }, { "@type": "Question", "name": "Wie viele Parameter nutzt Qwen3-Coder-Next pro Token?", "acceptedAnswer": { "@type": "Answer", "text": "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." } }, { "@type": "Question", "name": "Wie wähle ich qwen3-coder-next aus?", "acceptedAnswer": { "@type": "Answer", "text": "Übergib die im Quickstart angezeigte Modell-ID." } }, { "@type": "Question", "name": "Sind die Preise nutzungsbasiert?", "acceptedAnswer": { "@type": "Answer", "text": "Ja. Preise werden pro Aufruf oder Einheit gemessen." } } ] } ] ```