Desenvolvimentos recentes em modelos de IA concentraram-se especificamente em uma tarefa – agentes de codificação. Seguindo a linha, Qwen do Alibaba lança agora um novo modelo, que promete resultados líderes do setor, ao mesmo tempo que funciona localmente. Isto essencialmente o torna um modelo de linguagem aberto projetado, nas palavras da equipe Qwen, “especificamente para agentes de codificação e desenvolvimento native”. Quanto ao apelido, a divisão de IA do Alibaba denominou convenientemente o novo modelo de Qwen3-Coder-Subsequent.
Então, o que torna o novo modelo diferente? Compartilhando uma dica sobre isso em um weblog, a equipe da Qwen menciona especificamente que o Qwen3-Coder-Subsequent foi “treinado agentemente em escala na síntese de tarefas executáveis em larga escala, interação ambiental e aprendizagem por reforço”. Por causa desse treinamento, diz-se que o Qwen3-Coder-Subsequent vem com “fortes capacidades de codificação e de agência”, ao mesmo tempo em que incorre em “custos de inferência significativamente mais baixos”.
Quanta melhoria isso representa nos casos de uso do mundo actual? Vamos descobrir neste artigo.
O que é Qwen3-Coder-Subsequent?
Como mencionado, Qwen3-Coder-Subsequent é um modelo de linguagem de peso aberto, o que significa que seus parâmetros treinados (pesos) são divulgados publicamente e qualquer pessoa pode baixá-lo, executá-lo e ajustá-lo localmente (leia mais sobre modelos de peso aberto aqui). Em sua essência, o Qwen3-Coder-Subsequent foi desenvolvido para se comportar menos como um chatbot e mais como um agente de software program actual. Em vez de apenas prever a próxima linha de código, ele é treinado para compreender seus objetivos, interagir com ambientes de execução e iterar em direção a soluções funcionais. Embora possa não parecer muito para você, essa distinção é muito importante.
Um grande destaque do modelo é que ele foi construído especificamente para fluxos de trabalho de agente. Isso significa que o Qwen3-Coder-Subsequent pode planejar tarefas de várias etapas, raciocinar sobre arquivos longos, executar código, observar resultados e ajustar sua abordagem. Pensando bem, é exatamente assim que os desenvolvedores humanos realmente funcionam.
Ainda outro ponto chave é a implantação. Qwen3-Coder-Subsequent foi projetado para ser executado localmente, dando aos desenvolvedores controle complete sobre seu ambiente, dados e fluxos de trabalho. Isso o torna especialmente atraente para equipes que trabalham em bases de código proprietárias, ferramentas internas ou configurações offline, sem sacrificar a capacidade.
Resumindo, este não é apenas um modelo “escreva-me uma função”. Qwen3-Coder-Subsequent é a tentativa de Qwen de transformar a IA em um agente de codificação prático e executável localmente. Aquele que pode pensar, testar e melhorar seus próprios resultados.
Arquitetura Qwen3-Coder-Subsequent
Em seu weblog, a equipe Qwen especifica que o Qwen3-Coder-Subsequent foi “construído sobre Qwen3-Subsequent-80B-A3B-Base”. Isso significa que herda a mesma atenção híbrida e MoE (Mistura de especialistas) arquitetura que alimenta a última geração de modelos grandes da Qwen.
Este design de atenção híbrida está entre as melhores técnicas para equilibrar a compreensão de contextos longos com computação eficiente. O que significa que, em vez de aplicar atenção complete em todos os lugares, ele aloca seletivamente a atenção onde é mais importante. Isso é especialmente importante para tarefas de codificação, nas quais o modelo deve raciocinar em arquivos grandes, dependências e logs de execução sem consumir memória ou latência.
A configuração do MoE aprimora ainda mais essa eficiência. Em vez de ativar o modelo inteiro para cada token, o Qwen3-Coder-Subsequent roteia tarefas dinamicamente para um pequeno subconjunto de “especialistas”. Na prática, isso significa que você obtém os benefícios de um modelo muito grande, mas paga apenas o custo computacional de um modelo muito menor durante a inferência.
Agora vamos voltar às duas competências principais do Qwen3-Coder-Subsequent. O modelo pode suportar fluxos de trabalho de codificação de agente em escala, ao mesmo tempo que é prático o suficiente para ser executado localmente. É claro que isto só é possível através destas escolhas arquitetónicas.
Agora que sabemos como ele é construído, vamos verificar seu desempenho nas pontuações de benchmark.
Desempenho de referência Qwen3-Coder-Subsequent
Com base nos benchmarks oficiais (leia mais sobre Benchmarks de IA aqui) compartilhado pela equipe Qwen, aqui está o desempenho do Qwen3-Coder-Subsequent em avaliações de agentes de codificação amplamente utilizadas:
- SWE-Bench Verified (com SWE-Agent): taxa de sucesso de 70,6%
- SWE-Bench Multilingual (com SWE-Agent): taxa de sucesso de 62,8%
- SWE-Bench Professional (com SWE-Agent): taxa de sucesso de 44,3%
- Terminal-Bench 2.0 (com Terminus-2 JSON): taxa de sucesso de 36,2%
- Referência do Aider: taxa de sucesso de 66,2%
O que essas pontuações nos dizem
O excelente desempenho no SWE-Bench Verified prova que o Qwen3-Coder-Subsequent é altamente eficaz em tarefas de manutenção de software program do mundo actual, especialmente aquelas que envolvem correção de bugs e raciocínio em nível de repositório. Este benchmark reflete de perto o que os desenvolvedores enfrentam nas bases de código de produção, tornando este resultado particularmente significativo.
Sua forte presença no SWE-Bench Multilingual destaca outro ponto forte: o modelo não se limita a contextos de código somente em inglês. Ele pode raciocinar em repositórios, comentários e documentação multilíngues e não perder sua consistência. Este é um requisito cada vez mais importante para equipes de desenvolvimento globais.
A pontuação do SWE-Bench Professional reforça ainda mais que este modelo foi construído para profundidade de agente, enquanto os resultados do Terminal-Bench 2.0 indicam raciocínio confiável de linha de comando e interação estruturada de ferramentas. Finalmente, o forte desempenho do Aider, um benchmark focado em fluxos de trabalho de codificação assistidos por IA, mostra que o Qwen3-Coder-Subsequent se integra bem em ferramentas reais de desenvolvedor.
Se resumirmos esse desempenho de benchmark, fica claro que o novo modelo Qwen é otimizado para agentes de codificação práticos. Seu desempenho reflete consistentemente a capacidade de planejar, agir, observar e iterar. E é exatamente isso que os fluxos de trabalho de desenvolvimento modernos baseados em IA exigem.
Qwen3-Coder-Subsequent: Como acessar
Existem 3 maneiras de acessar o novo Qwen3-Coder-Subsequent, com base na plataforma em que você deseja –
Abraçando o rosto – https://huggingface.co/collections/Qwen/qwen3-coder-next
Kaggle – https://www.kaggle.com/fashions/qwen-lm/qwen3-coder-next
ModelScope – https://modelscope.cn/collections/Qwen/Qwen3-Coder-Subsequent
Prática com Qwen3-Coder-Subsequent
Para testar a capacidade do modelo Qwen mais recente, submetemos-o a alguns testes no mundo actual. Compartilhamos os seguintes prompts para verificar os resultados e aqui está o que obtivemos.
1. Um jogo de cobra
Incitar:
Crie um jogo simples de cobra. incluem pontos de bônus entre os quais a cobra aumenta em 3 pontos em vez de 1
Saída:
Snake Sport - Bonus Mode
Regular (+1)
Bonus (+3)
Use Arrow Keys to maneuver
Qwen3-Coder-Subsequent foi capaz de gerar todo esse código em uma fração de segundo. E depois de testá-lo, descobri que está funcionando perfeitamente, mesmo com a instrução especial de pontos de bônus que fazem a cobra crescer desproporcionalmente. Vá em frente, experimente um immediate como este e você ficará surpreso com a velocidade e precisão do modelo.
2. Código HTML para animação simples
Incitar:
Dê-me um código HTML para um círculo girando dentro de um quadrado, que está dentro de um triângulo. A bola e o triângulo estão girando em uma direção e o quadrado na direção oposta.
Saída:
Rotating Geometric Shapes
Mais uma vez, Qwen3-Coder-Subsequent criou um código para a tarefa em questão na velocidade da luz. Ele descreve com precisão as formas e sua rotação. A única pequena mudança que eu gostaria aqui period que as formas ficassem completamente dentro da externa, em oposição ao arranjo meio para dentro e meio para fora, como mostrado aqui. Fora isso, o modelo de IA funcionou de maneira brilhante.
3. Website HTML básico
Incitar:
Crie um web site HTML básico para uma empresa de turismo, listando pacotes para destinos turísticos populares na Índia. Adicione outra categoria mostrando atividades de aventura como pacotes. Mantenha um cabeçalho com logotipo e o menu típico de um web site. Mantenha o tema de cores azul e branco.
Saída:
India Travels | Discover the Pink & Blue Nation
From the majestic Himalayas to the serene backwaters of Kerala, expertise the colours, tradition, and chaos of the subcontinent.
Discover Packages
Northern Circuit
The Golden Triangle
Delhi, Agra, and Jaipur. Discover Mughal structure, fortresses, and the colourful bazaars of Rajasthan.
7 Days
4 Cities
Lodge Included
$350
Costa Oeste
Praia de Goa e passeio de festa
Relaxe nas praias ensolaradas, experimente a vida noturna vibrante e pratique esportes aquáticos no sul de Goa e no norte de Goa.
5 dias
Estâncias balneares
Partes incluídas
US$ 280
Serenidade do Sul
Remansos e vida selvagem de Kerala
Navegue em casas flutuantes em Alleppey, visite plantações de especiarias e aviste tigres no Periyar Wildlife Sanctuary.
6 dias
Estadia em casa flutuante
Passeios de especiarias
US$ 420
Bungee e rio
Acampamento de aventura em Rishikesh
Bungee leaping, rafting e escalada na capital mundial da ioga, situada no Himalaia.
2 dias
Estadia no acampamento
Equipamento Profissional
US$ 120
Alta Altitude
Safari de bicicleta em Ladakh
Passeie pelas estradas motorizadas mais altas do mundo, atravesse a passagem de Shinga La e veja o imaculado Lago Pangong.
8 dias
Bicicleta autônoma
Guia incluído
US$ 600
Safári no Deserto
Acampamento no Deserto de Thar (Jaisalmer)
Passeio de camelo ao pôr do sol, jantar tradicional do Rajastão sob as estrelas e dormir em acampamentos de luxo.
1 dia
Passeio de camelo
Jantar e Dança
US$ 80
Este é sem dúvida um dos melhores websites codificados por IA que já vi até agora. Tende a ter tudo no lugar, com uma descrição precisa de todas as instruções, bem como dos elementos que realmente não especifiquei. O esquema de cores está certo. O espaçamento e as seções estão bem definidos e o texto é perfeito para ler. Este é o tipo de saída que pode levá-lo direto de um immediate para a transmissão ao vivo, então parabéns ao Qwen3-Coder-Subsequent pela saída tremendous rápida e quase perfeita.
Conclusão
À primeira vista, Qwen3-Coder-Subsequent faz algumas grandes promessas – agentes de codificação, raciocínio sólido e capacidade de execução native com um custo mínimo de inferência. Mas depois de observar seu desempenho de referência, você sabe que essas não são apenas palavras lançadas ao ar. Eles são apoiados por algumas métricas de desempenho muito reais.
E é aí que você sente que o novo modelo Qwen já é prático o suficiente para uso no mundo actual. fluxos de trabalho de desenvolvimento. Dito isto, este claramente não é o fim do caminho. Embora o modelo tenha um desempenho competitivo mesmo em relação a sistemas de código aberto muito maiores, a equipe Qwen é sincera quanto ao espaço para melhorias. E essa honestidade é importante.
Olhando para o futuro, o foco de Qwen está firmemente no fortalecimento das competências dos agentes: melhor raciocínio, utilização mais inteligente de ferramentas, cobertura mais ampla de tarefas. Ele ainda promete atualizações rápidas com base em “como as pessoas o usam”. Esse é o tipo de compromisso que você precisa dos criadores de um excelente modelo de IA. E se essa trajetória se mantiver, não será de admirar quando o Qwen3-Coder-Subsequent evoluirá de um forte assistente de codificação native para um agente de software program genuinamente autônomo.
Faça login para continuar lendo e desfrutar de conteúdo com curadoria de especialistas.