Qwen Code Passes Regression Smoke Tests

🔑 增強重點摘要

•Qwen Code是一個開源的AI代理，專為終端機設計，旨在幫助開發者理解大型程式碼庫、自動化繁瑣工作並加速交付。
•Qwen Code支援互動式終端機、無頭和程式化執行、代理客戶端協議 (ACP)、長時間運行的HTTP守護程式、Web和IDE客戶端（如VS Code、JetBrains、Zed）以及訊息通道適配器。
•SWE-bench Verified是一個由人工策劃的基準測試，包含500個來自開源Python儲存庫的真實GitHub問題，旨在嚴格評估自動程式修復系統（包括LLM和代理LLM框架）解決實際問題的能力。
•Terminal-Bench 2.0是一個包含89個不同任務的基準測試套件，用於測試AI模型在真實終端機環境中端到端完成編碼和操作工作流程的能力，這要求模型能夠檢查環境、讀寫文件、執行命令並從錯誤中恢復。
•本次煙霧測試中使用的qwen3.7-plus模型是一個多模態模型，具有1,000,000個token的上下文視窗和可配置的深度思考模式，能夠對圖像、螢幕截圖、文件和視覺輸入進行推理。

📊 競品分析▸ Show

模型/產品	特點	定價 (每百萬token)	基準測試表現 (SWE-bench Verified / Terminal-Bench 2.0)
Qwen Code (基於Qwen模型)	開源AI代理，終端機優先，支援多協議API (OpenAI, Anthropic, Gemini, Qwen)，具備代理記憶、自動技能、子代理、代理團隊、IDE插件、桌面應用程式、守護程式模式、SDK和IM機器人。	Qwen3.7-Plus: 輸入 $0.32 / 輸出 $1.28	Qwen 3.6 35B-A3B: 73.4% / 51.5%；Qwen 3.8 27B: 61.7% (SWE-bench Pro) / 73.0% (Terminal Bench 2.1)
DeepSeek	開源，在程式碼生成和數學方面表現出色，擅長代理任務和推理，提供1M token上下文。	DeepSeek V4 Pro/Flash: 輸入 $0.27 - $1.10	在開源模型中程式碼生成基準測試中名列前茅
Llama (Meta)	開源，Llama 4 Scout支援10M token上下文，Llama 4 Maverick在程式碼基準測試上媲美或超越GPT-5.3。	-	Llama 4 Maverick在HumanEval和SWE-bench上表現出色
Claude (Anthropic)	專有模型，Claude Opus 4.8擅長長上下文寫作和分析，Claude Opus 4.7常用於程式設計和程式碼生成。	-	Claude Opus 4.6 Max: 53.4% (SWE-bench Pro)
Gemini (Google)	多模態生成式AI模型，理解並結合文本、圖像、音訊、影片和程式碼，Gemini 3擅長多模態工作，Gemini 3 Flash Preview適用於程式碼。	-	-
GPT (OpenAI)	專有模型，GPT-5.2是多功能首選，GPT-4o在程式碼生成和修復方面與Qwen2.5 Coder 32B Instruct相當。	-	GPT-4o在Aider程式碼修復基準測試中與Qwen2.5 Coder 32B Instruct表現相當 (73.7%)
Mistral	開源，Mistral Large 3和Mistral Small 4在Apache 2.0下發布，Mistral Small 4可在單個消費級GPU上運行。	Mistral Large 3: 輸入 $2 - $6	在Artificial Analysis指數上表現良好

🛠️ 技術深入

Qwen Code是一個單一儲存庫 (monorepo)，支援互動式終端機、無頭和程式化執行、代理客戶端協議 (ACP)、長時間運行的HTTP守護程式、Web和IDE客戶端以及訊息通道適配器。
該系統可透過多個層次進行擴展：MCP伺服器可添加工具、提示和資源；擴展和技能可打包可重用命令；通道插件可適配訊息平台；SDK客戶端可構建自訂應用程式；UI適配器可將守護程式事件投射到主機特定狀態和呈現。
Qwen Code利用HTTP + 伺服器傳送事件 (SSE) 控制平面圍繞ACP執行，以支援多客戶端、工作區範圍的運行時。
qwen3.7-plus模型具有1,000,000個token的上下文視窗，支援多模態輸入（文本和圖像），並提供可配置的深度思考模式。
Qwen3-Coder（一個相關模型）採用了龐大的480B參數混合專家 (MoE) 架構，每次查詢僅使用35B參數以提高計算效率，並原生支援256K token視窗，可擴展至1M token。
Qwen模型基於Transformer架構，並在注意力機制、訓練方法和多語言能力方面進行了創新。
Qwen3模型使用Qwen的tokenizer (qwen)，該tokenizer實現了位元組級別的位元組對編碼 (BBPE)，詞彙量為151,669。
Qwen 3.8採用混合層堆疊，交替使用高效的線性注意力 (linear attention) 和完整的門控注意力 (gated attention)，其中75%的深度用於常規處理的快速線性注意力，而其餘25%則用於最困難推理步驟的完整注意力。

🔮 前景展望AI analysis grounded in cited sources

AI編碼代理將在軟體開發生命週期中扮演更核心的角色。

Qwen Code在SWE-bench Verified和Terminal-Bench 2.0上的成功，以及其代理能力（如理解程式碼庫、自動化任務、除錯和生成測試），表明這類工具正從輔助功能轉變為能夠自主執行複雜工程任務。

對於AI編碼模型而言，終端機操作和多步驟推理的基準測試將變得越來越重要。

Terminal-Bench 2.0和SWE-bench Verified等基準測試的設計旨在評估模型在真實終端機環境中執行多步驟、長週期任務的能力，這反映了業界對AI代理在實際軟體工程工作流程中表現的日益增長的需求，而非僅僅是單一函數生成。

多模態能力將成為下一代AI編碼工具的關鍵差異化因素。

Qwen3.7-plus模型支援圖像、螢幕截圖和文件等多模態輸入，並能進行視覺語言理解，這使得AI編碼工具能夠更好地理解設計稿、錯誤截圖或文件，從而更全面地協助開發工作。

⏳ 時間線

2023-04

阿里巴巴推出Qwen測試版，名為通義千問

2024-08-13

OpenAI與SWE-bench作者合作發布SWE-bench Verified基準測試

2025-05-14

Qwen3技術報告發布，介紹Qwen3系列模型，包括密集型和MoE架構

2026-03-12

Terminal-Bench 2.0基準測試發布，旨在評估AI代理在真實終端機環境中的多步驟任務能力

2026-05

Qwen3.7 Plus模型發布，具有100萬token上下文視窗和多模態輸入能力

2026-08-02

Qwen 3.8-Max正式發布，是Qwen家族迄今為止最強大的模型，並首次開源Max級模型的權重

2026-08-18

Qwen Code v0.21.14 (或其前身v0.21.13) 成功通過SWE-bench Verified和Terminal-Bench 2.0的煙霧測試

Qwen Code 通過回歸煙霧測試

⚡ 30-Second TL;DR

關鍵要點

🧠 深度解析

🔑 增強重點摘要

🛠️ 技術深入

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線

📎 來源 (26)

👉相關動態

Slack 將團隊聊天變成協作開發空間