ai/qwen3-coder-next
Qwen3-Coder-Next是专为编码代理和本地开发设计的开源语言模型，采用混合专家（MoE）架构，80B总参数中仅激活3B参数实现高效运行，具备256K上下文长度和强大的代理能力，适用于动态编码任务。
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Qwen3-Coder-Next
Qwen3-Coder-Next是一款开源权重语言模型，专为编码代理和本地开发设计。该创新模型采用混合专家（Mixture-of-Experts, MoE）架构，在800亿总参数中仅激活30亿参数即可实现卓越效率，性能可媲美激活参数多10-20倍的模型。
该模型在高级代理能力方面表现出色，包括长程推理、复杂工具使用和执行故障恢复，使其在动态编码任务中具有高度稳健性。凭借256K上下文长度和对各种脚手架模板的适应性，Qwen3-Coder-Next可无缝集成Claude Code、Qwen Code、Qoder、Kilo、Trae和Cline等多种CLI/IDE平台，支持多样化开发环境。这使得它在保持各类编码基准测试优异性能的同时，对代理部署具有极高的成本效益。
特性
| 属性 | 值 |
|---|---|
| 提供商 | 阿里云（Qwen团队） |
| 架构 | Qwen3Next（混合：Gated DeltaNet + Gated Attention + 混合专家） |
| 总参数 | 800亿 |
| 激活参数 | 30亿 |
| 上下文长度 | 262,144 tokens |
| 输入模态 | 文本 |
| 输出模态 | 文本 |
| 许可证 | Apache 2.0 |
使用Docker Model Runner运行模型
bashdocker model run qwen3-coder-next
更多信息，请查看https://docs.docker.com/desktop/features/model-runner/%E3%80%82
架构细节
Qwen3-Coder-Next采用复杂的混合架构，具体规格如下：
- 层数：48层混合布局：12 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE))
- 隐藏维度：2048
- Gated Attention：16个Q头，2个KV头，头维度256
- Gated DeltaNet：32个V头，16个QK头，头维度128
- 混合专家：512个总专家，每token激活10个专家，1个共享专家
- 训练：预训练和后训练阶段
基准测试
!基准测试对比
该模型在各种编码基准测试中表现强劲，使用显著更少的激活参数却能达到与更大模型相当的结果。
!SWE-bench PRO结果
Qwen3-Coder-Next在SWE-bench PRO上表现优异，展示了其处理实际软件工程任务的能力。
核心特性
- 高效架构：800亿总参数中仅激活30亿参数，部署效率极高
- 长上下文：原生支持262K tokens，可处理大型代码库和海量文档
- 代理能力：擅长工具调用、长程推理和错误恢复
- IDE集成：与多种开发环境和编码平台无缝集成
- 非思考模式：专注于直接输出，不生成中间推理块
链接
- https://huggingface.co/unsloth/Qwen3-Coder-Next-GGUF
- https://qwen.ai/blog?id=qwen3-coder-next
- https://huggingface.co/Qwen/Qwen3-Coder-Next
- https://github.com/QwenLM/Qwen3-Coder
- https://qwen.readthedocs.io/en/latest/
注意事项
- 内存要求：建议配备>45GB统一内存或RAM/VRAM以运行4位量化版本
- 最佳量化：为获得最佳效果，使用2位XL量化或更高版本（需>30GB统一内存/组合RAM+VRAM）
- 上下文长度：默认上下文长度为256K tokens。若遇到内存不足或服务器启动失败问题，可考虑将上下文长度减少至32,768 tokens等较短值
- 采样参数：为获得最佳性能，使用
temperature=1.0，top_p=0.95，top_k=40 - 模型更新：截至2025年2月4日，llama.cpp已修复导致Qwen循环和输出质量差的bug。确保使用最新版本的llama.cpp和更新的GGUF以获得改进的输出
- 推理引擎：该模型支持多种推理引擎，包括SGLang（≥v0.5.8）和vLLM（≥0.15.0），以及Ollama、LMStudio、MLX-LM、llama.cpp和KTransformers等本地工具
更多相关 Docker 镜像与资源
以下是 ai/qwen3-coder-next 相关的常用 Docker 镜像，适用于 不同场景 等不同场景：
- ai/qwen3-coder Docker 镜像说明（通义千问代码大模型推理镜像，适合代码补全与编程助手场景）
- ai/qwen3 Docker 镜像说明（Qwen3 大语言模型，适合 AI 应用开发）
- vllm/vllm-openai Docker 镜像说明
- dengcao/vllm-openai Docker 镜像说明（社区维护的 vLLM OpenAI 兼容推理镜像，适合自建大模型 HTTP API）
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 qwen3-coder-next 镜像标签
docker model pull docker.xuanyuan.run/ai/qwen3-coder-next:<标签>
DockerHub 原生拉取命令
docker model pull ai/qwen3-coder-next:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"