Il team Qwen ha annunciato il rilascio di Qwen3-Coder-Next, un modello linguistico da 80 miliardi di parametri progettato specificamente per assistere gli sviluppatori nella scrittura di codice. La peculiarità di questo rilascio risiede nella combinazione tra potenza computazionale e accessibilità. Si tratta di un modello open-weight, quindi con pesi liberamente disponibili sotto licenza Apache 2.0, pensato per funzionare anche su hardware locale senza dipendere dai servizi cloud.
La vera innovazione tecnica di Qwen3-Coder-Next sta nella sua architettura Mixture-of-Experts. Pur contando 80 miliardi di parametri complessivi, il modello ne attiva soltanto 3 miliardi per ogni token elaborato. Un approccio, questo, che combina strati di Gated DeltaNet, Gated Attention e MoE sparsi, permettendo di ottenere prestazioni elevate mantenendo i requisiti hardware entro limiti ragionevoli per una macchina da sviluppatore. Il supporto per un contesto di 256.000 token consente di analizzare intere repository di codice in una singola sessione, un vantaggio rilevante per chi lavora su progetti complessi.
Ciò che distingue il modello dai suoi predecessori è il metodo di addestramento definito “agentico”. Invece di limitarsi a prevedere il token successivo, Qwen3-Coder-Next è stato allenato tramite reinforcement learning su vaste collezioni di compiti eseguibili. Il modello ha quindi imparato a pianificare modifiche al codice, richiamare strumenti esterni, eseguire test e soprattutto recuperare dagli errori, comportamenti tipici di uno sviluppatore esperto piuttosto che di un semplice generatore di testo.
I benchmark pubblicati mostrano risultati competitivi su SWE-Bench nelle varianti Verified, Pro e Multilingual, oltre che su Terminal-Bench 2.0 e Aider. Il modello è già disponibile con API compatibili con OpenAI attraverso SGLang e vLLM, mentre le quantizzazioni GGUF permettono di eseguirlo localmente tramite llama.cpp.
La release si inserisce in una tendenza sempre più marcata verso la democratizzazione degli strumenti di intelligenza artificiale per lo sviluppo software. La possibilità di eseguire modelli potenti in locale risponde a esigenze concrete di privacy, controllo sui dati proprietari e indipendenza dai fornitori cloud.
Per approfondire: link all’articolo originale
