Qwen3 Coder Next
阿里巴巴通义千问系列面向代码任务的大型模型，模型文件约52GB，专注于代码生成与修复能力
时间轴 (近 90 天)
在 vLLM 服务端需添加 --enable-auto-tool-choice 和 --tool-call-parser qwen3_coder 两个参数才能让 Claude Code 的工具调用正常工作
Qwen3 Coder Next 是一个 80B 参数的混合专家（MoE）编程模型，由 vLLM 部署在一张 A100 80GB 上，使用 cyankiwi 发布的 4-bit AWQ 量化版本
该实验配置了 262,144 token 的原生上下文，KV cache 使用 FP8 存储，最多同时处理两个序列
该实验只做过冒烟测试，未测量 4-bit 量化模型的质量损失，未与托管版 Claude 对比，也未采集 A100 吞吐数据
Qwen3 Coder Next是800亿参数、仅30亿激活的MoE模型，SWE-Bench Verified为70.2，但在Atomic Chat测试中仅5.5 token/s
全部知识事实 (5)
在 vLLM 服务端需添加 --enable-auto-tool-choice 和 --tool-call-parser qwen3_coder 两个参数才能让 Claude Code 的工具调用正常工作
50%待验证Qwen3 Coder Next 是一个 80B 参数的混合专家（MoE）编程模型，由 vLLM 部署在一张 A100 80GB 上，使用 cyankiwi 发布的 4-bit AWQ 量化版本
50%待验证该实验配置了 262,144 token 的原生上下文，KV cache 使用 FP8 存储，最多同时处理两个序列
50%待验证该实验只做过冒烟测试，未测量 4-bit 量化模型的质量损失，未与托管版 Claude 对比，也未采集 A100 吞吐数据
50%待验证Qwen3 Coder Next是800亿参数、仅30亿激活的MoE模型，SWE-Bench Verified为70.2，但在Atomic Chat测试中仅5.5 token/s
50%