Qwen3-Coder-Next aposta em agentes de programação com 80 bilhões de parâmetros
A família passou de modelos em seis tamanhos para uma arquitetura que usa ferramentas e lida com tarefas em múltiplas etapas.

A equipe Qwen, da Alibaba, anunciou em 2 de fevereiro de 2026 o Qwen3-Coder-Next, modelo de programação voltado a agentes e desenvolvimento local. Ele tem 80 bilhões de parâmetros totais, ativa 3 bilhões por processamento e foi projetado para usar ferramentas em tarefas de desenvolvimento. Agentes são assistentes capazes de executar ações e acompanhar etapas de uma tarefa.
Antes do Next, o Qwen2.5-Coder foi apresentado em setembro de 2024 como sucessor do CodeQwen1.5. Em novembro, a equipe ampliou a família para seis tamanhos, de 0,5 bilhão a 32 bilhões de parâmetros, criando opções para diferentes recursos de computação. Parâmetros são valores aprendidos no treinamento que influenciam as respostas do modelo. No teste de reparo de código do Aider, uma ferramenta de programação com IA, a Qwen informou pontuação de 73,7 para o 32B-Instruct (https://qwenlm.github.io/blog/qwen2.5-coder-family/).
Em 2025, o Qwen3-Coder incorporou a arquitetura de mistura de especialistas, ou MoE, que ativa apenas parte dos parâmetros em cada processamento. O modelo anunciado naquele ano tinha 480 bilhões de parâmetros totais e 35 bilhões ativos; a equipe também lançou o Qwen Code, um agente usado por linha de comando, interface na qual o usuário digita instruções. Outra opção da geração, o Qwen3-Coder-30B-A3B-Instruct, tem licença Apache 2.0 e uso local documentado.
Como funciona o Coder-Next
O Coder-Next combina MoE com atenção híbrida, que reúne mecanismos diferentes para processar informações do contexto. Sua janela nativa é de 262.144 tokens, unidades usadas para processar texto e código: esse é o limite de informações que o modelo pode considerar de uma vez sem técnicas de extensão. Ativar 3 bilhões de parâmetros não significa, porém, que a máquina precise armazenar apenas essa parcela: os pesos totais, isto é, os parâmetros aprendidos e armazenados nos arquivos do modelo, a quantização e o contexto influenciam a memória necessária.
Segundo a equipe Qwen, o treinamento do Next incluiu tarefas verificáveis em ambientes executáveis, ajuste supervisionado com exemplos de tarefas e respostas desejadas e aprendizado por reforço, que usa sinais de recompensa associados aos resultados das ações. A proposta é favorecer o uso de ferramentas, o trabalho em várias etapas e a recuperação após falhas.
A equipe relata mais de 70% no SWE-Bench Verified, teste de resolução de problemas reais de software, usando o SWE-Agent, estrutura que organiza a interação do modelo com ferramentas. O resultado depende da configuração do agente, das ferramentas e das interações, e não garante o mesmo desempenho em todo projeto. O relatório técnico também examina outros testes e reconhece limitações em tarefas complexas e interfaces visuais (https://arxiv.org/abs/2603.00729).
Uso local e licenças
Para rodar o Next localmente, a Qwen disponibiliza uma versão em GGUF, formato de arquivo de modelos usado em execução local, com caminhos documentados para ferramentas como llama.cpp e Ollama (https://huggingface.co/Qwen/Qwen3-Coder-Next-GGUF). A quantização, que representa os pesos com menor precisão, pode reduzir seu tamanho, mas a escolha depende da memória, do processador, de eventual GPU — processador gráfico que também acelera cálculos de IA — e da janela de contexto. Usar um editor instalado no computador não garante inferência local, ou seja, a execução do modelo no próprio computador: um assistente configurado com uma API externa pode enviar contexto ao provedor.
A licença também muda conforme a versão: o Coder-Next é distribuído sob Apache 2.0, enquanto o Qwen2.5-Coder-3B aparece sob Qwen Research License na tabela da família 2.5; as demais variantes listadas usam Apache 2.0. Pesos disponíveis não significam necessariamente que todos os dados e etapas de treinamento estejam abertos.
Para quem trabalha com assistentes de programação, o Arara Code é uma IDE brasileira gratuita baseada em Code-OSS, com chat integrado e orquestra de subagentes paralelos. IDE é um ambiente de desenvolvimento; Code-OSS é a base de código aberto do editor VS Code. Ela está disponível sem cartão em https://arara.code.app.br e reúne assistentes como Claude Code, Codex e Gemini.
Cobertura por
- Qwen Coder: da geração de código aos agentes locais — Qwen Team — Qwen3-Coder-Next: Pushing Small Hybrid Models on Agentic Coding
Perguntas Frequentes (FAQ)
Sim. A equipe oferece uma versão GGUF com opções para llama.cpp e Ollama. Os recursos necessários variam conforme a quantização, o hardware e o tamanho do contexto.
O modelo tem 80 bilhões de parâmetros no total e ativa 3 bilhões por processamento. A memória necessária também depende dos pesos armazenados e do contexto.
A ficha oficial informa licença Apache 2.0. Na família Qwen2.5-Coder, a variante 3B usa Qwen Research License, enquanto as demais listadas usam Apache 2.0.