Favicon de qwen

Qwen: Qwen3 Coder Next

qwen/qwen3-coder-next

Poids du modèle

Qwen3-Coder-Next is an open-weight causal language model optimized for coding agents and local development workflows. It uses a sparse MoE design with 80B total parameters and only 3B activated per token, delivering performance comparable to models with 10 to 20x higher active compute, which makes it well suited for cost-sensitive, always-on agent deployment.

The model is trained with a strong agentic focus and performs reliably on long-horizon coding tasks, complex tool usage, and recovery from execution failures. With a native 256k context window, it integrates cleanly into real-world CLI and IDE environments and adapts well to common agent scaffolds used by modern coding tools. The model operates exclusively in non-thinking mode and does not emit <think> blocks, simplifying integration for production coding agents.

Modalités
Prix d’entrée / de sortie
0,12 $US / 0,80 $USpar 1M
Contexte
262K
Publié
4 févr. 2026

Fournisseurs

Ce modèle est hébergé par un seul fournisseur. OpenRouter transmet chaque requête sans routage.

Tarification

Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.

Moyenne pondérée

Entrée
0,07456 $US/M de jetons
Sortie
0,7991 $US/M de jetons
Historique des prix
Aucune donnée de prix effectif pour cette sélection

Performances

Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).

Débit
68jetons/s

P50, meilleur résultat tous fournisseurs confondus

Latence
0,60s

P50, meilleur fournisseur

Disponibilité

La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.

Disponibilité (3 j)Le modèle était joignable. Requête acheminée vers un fournisseur.
100,00 %
Disponibilité (3 j)Le modèle a renvoyé un résultat d’inférence, quel que soit le fournisseur. Les erreurs et les réponses vides sont comptabilisées à son détriment.
99,34 %

Disponibilité au cours des 3 derniers jours

72 dernières heures
Disponibilité 99,34 %
Il y a 3 joursIl y a 2 joursHierMaintenant

Disponibilité au cours des dernières 24 heures

OpenRouter Availability
99,31 %

Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.

Évaluations comparatives

Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.

Résumé des scores aux tests de performance pour Qwen: Qwen3 Coder Next (Artificial Analysis)
SourceTest de performanceScore
Artificial AnalysisQwen3 Coder Next Coding Index36,2
Artificial AnalysisQwen3 Coder Next Agentic Index0,9
Artificial AnalysisQwen3 Coder Next GPQA Diamond73.7%
Artificial AnalysisQwen3 Coder Next HLE10.1%
Artificial AnalysisQwen3 Coder Next IFBench35.2%
Artificial AnalysisQwen3 Coder Next τ²-Bench Telecom79.5%
Artificial AnalysisQwen3 Coder Next AA-LCR47.0%
Artificial AnalysisQwen3 Coder Next τ-Bench Banking5.4%
Artificial AnalysisQwen3 Coder Next GDPval-AA1.1%
Artificial AnalysisQwen3 Coder Next CritPt0.0%
Artificial AnalysisQwen3 Coder Next SciCode36.2%
Artificial AnalysisQwen3 Coder Next Terminal-Bench Hard18.2%
Artificial AnalysisQwen3 Coder Next Terminal-Bench 4.00.0%
Artificial AnalysisQwen3 Coder Next Terminal-Bench 2.138.2%

Applications

Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.

1.
Favicon de https://claude.ai/apple-touch-icon.png
Claude Code
7,54Bjetons
2.
Favicon de https://pi.dev/
pi
6,98Bjetons
3.
Favicon de https://nousresearch.com
Hermes Agent
6,66Bjetons
4.
Favicon de https://kilocode.ai/
Kilo Code
2,35Bjetons
5.
Favicon de https://openclaw.ai/
OpenClaw
1,71Bjetons
Reste d’OpenRouter
507M
Top 5 des applications
116M

Activité

Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.

API

Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.

Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional

Questions fréquentes

Explorer d’autres modèles