🕷️
SetupAI
EN
🧧較早收集於 45m

Qwen-Code v0.12.2：修復錯誤與截斷支援

Qwen-Code v0.12.2：修復錯誤與截斷支援
PostLinkedIn
🧧閱讀原文： Qwen (GitHub Releases: qwen-code)
#bug-fixes#webui#api-compatqwen-codeqwendeepseekvscode

💡修復提升 Qwen-Code 在 VSCode/WebUI 的 AI 程式碼可靠性（DeepSeek 相容）。

⚡ 30-Second TL;DR

有什麼變化

修復導出命令使用當前會話 ID 而非上次會話

為什麼重要

提升開發者在 VSCode、WebUI 及 DeepSeek 等 API 整合 Qwen-Code 的穩定性與可用性。減少程式碼工作流程與認證的摩擦。

下一步行動

更新 Qwen-Code 至 v0.12.2，並測試 LS 工具對長輸入的截斷功能。

誰應關注：Developers & AI Engineers

關鍵要點

  • •修復導出命令使用當前會話 ID 而非上次會話
  • •為 LS 工具新增截斷支援以改善處理
  • •改善 DeepSeek API，將陣列內容轉換為字串
  • •WebUI CompletionMenu 新增 Tab 鍵支援
  • •移除 OAuth UI 中的 QR 碼以防止螢幕閃爍

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 8 個來源。

🔑 增強重點摘要

  • •Qwen3-Coder-Next 於 2026 年 2 月發佈，採用 80B 參數的混合專家架構，每次推理僅啟動 3B 參數，在 SWE-Bench Pro 上達到 44.3% 的成績，與大 10-20 倍的模型競爭[1][3]
  • •Qwen Code 是基於 Qwen3-Coder 優化的開源終端 AI 編碼助手，支援 92+ 程式語言，完全免費且採用 Apache 2.0 授權，可在消費級硬體（64GB MacBook、RTX 5090）上本地運行[1][2][3]
  • •Qwen3-Coder 採用混合注意力機制，結合 Gated DeltaNet（用於長距離依賴）、512 個專家中每次啟動 10 個的混合專家架構，以及門控注意力機制，支援 256K-1M 的上下文長度[1][2][3]
  • •Qwen Code v0.11.1 及後續版本（截至 2026 年 3 月）新增 HTML 匯出工具、終端 GIF 錄製、GitHub 工作流命令、LSP 支援及批次執行器評估工具[4]
  • •Qwen Code 可與 VS Code、JetBrains IDE 及 Cursor 整合，Alibaba 並發佈垂直整合的 Qoder IDE，具備 Next-Edit-Suggestion (NES) 多步驟編輯功能[2][5]
📊 競品分析▸ Show
功能/指標Qwen3-Coder-NextClaude Sonnet 4.5DeepSeek V3.1GPT-5-Chat
啟動參數3B（80B MoE）未公開未公開未公開
上下文長度256K-1M未公開未公開未公開
SWE-Bench Pro44.3%競爭對手未公開未公開
Tau2-Bench（工具使用）未公開低於 Qwen3-Max (74.8)低於 Qwen3-Max (74.8)低於 Qwen3-Max (74.8)
授權Apache 2.0（開源）專有專有專有
本地運行支援否否否
成本免費API 付費API 付費API 付費

🛠️ 技術深入

• 混合注意力架構：結合 Gated DeltaNet（線性注意力，用於長距離依賴）、門控注意力（用於關鍵推理任務）及共享專家（1 個始終啟動以保持核心能力）[1][3] • 混合專家配置：512 個專家總數，每個 token 啟動 10 個專家，加上 1 個共享專家，大幅降低計算成本[1][3] • 訓練方法：大規模可執行任務合成 + 強化學習，使用 36 兆訓練 token（Qwen2.5 的兩倍）[2] • 上下文支援：原生支援 256K token，Qwen3 系列最高支援 1M token[1][2] • 多語言能力：支援 119 種語言，包括 92+ 程式語言[2] • 模型類型：因果語言模型，採用開放權重授權[1][3]

🔮 前景展望AI analysis grounded in cited sources

本地 AI 編碼將成為主流開發工作流
Qwen3-Coder-Next 在消費級硬體上達到企業級模型性能，消除了 API 成本和網路依賴，預示著開發者將逐漸從雲端 API 轉向本地部署。
開源編碼模型將挑戰專有 API 提供商的市場份額
Qwen3-Coder-Next 在 SWE-Bench Pro 上與 Sonnet 4.5 競爭，同時完全免費且開源，可能促使開發者重新評估付費 API 服務的價值主張。
混合專家架構將成為高效 AI 模型的標準設計模式
Qwen3-Coder-Next 以 3B 啟動參數達到 80B 模型的性能，驗證了 MoE 架構的效率優勢，預期其他廠商將採用類似設計以平衡性能與成本。

⏳ 時間線

2026-01
Qwen Code v0.8.1-0.9.0 發佈，新增 LSP 支援、批次執行器評估工具及日文、葡萄牙文支援
2026-02
Qwen3-Coder-Next 正式發佈，採用 80B MoE 架構，3B 啟動參數，SWE-Bench Pro 成績 44.3%
2026-02-09
Qwen Code v0.10.0 及 v0.11.0 發佈，新增 Insight 分析、剪貼簿圖片支援及終端捕捉功能
2026-03-03
Qwen Code v0.11.1 發佈，新增 HTML 匯出工具、終端 GIF 錄製及 GitHub 工作流命令
🧧閱讀原文： Qwen (GitHub Releases: qwen-code)
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #bug-fixes

同產品

更多關於 Qwen Chat

同來源

最新來自 Qwen (GitHub Releases: qwen-code)

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Qwen (GitHub Releases: qwen-code) ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。