Qwen-code v0.17.0 Adds Computer Use and Lark Integration

🔑 增強重點摘要

•零配置電腦使用功能透過模型上下文協議 (MCP) 整合，允許 Qwen-code 在 macOS、Windows 和 Linux 上直接驅動原生桌面應用程式，並提供九種工具，例如 list_apps、click 和 type_text，大幅簡化了桌面自動化流程，將多個手動設定步驟整合為一次性使用者批准。
•Qwen-code 作為阿里巴巴雲開發的開源 AI 代理 CLI 工具，專為 Qwen 系列模型（特別是 Qwen3-Coder）優化，其核心架構源自 Google 的 Gemini CLI，並針對 Qwen3-Coder 的能力進行了客製化調整，以支援代理式程式設計工作流程。
•記憶體管理的核心架構重構，採用「摘要與恢復附件機制」，是 Qwen-code 模組化設計的一部分，將 CLI（前端）與核心（後端）分離，旨在提升系統的模組化、可擴展性，並優化資源利用。
•新增的 Feishu (Lark) 通道適配器擴展了 Qwen-code 的多協議支援能力，使其能夠與 OpenAI、Anthropic、Google GenAI 等相容的 API 以及阿里巴巴雲的編碼計畫等多元平台進行整合，滿足更廣泛的溝通與協作需求。

📊 競品分析▸ Show

特性/模型	Qwen3-Coder (Qwen-code)	GPT-4o (Code Capabilities)	Claude Sonnet (Code Capabilities)	Code Llama (70B)
開發者	阿里巴巴雲	OpenAI	Anthropic	Meta AI
模型架構	MoE (例如：480B總參數/35B活躍參數；80B總參數/3B活躍參數)	專有模型	專有模型	密集型 Transformer
上下文長度	原生支援 256K tokens，可擴展至 1M tokens (使用 YaRN)	128K tokens	200K tokens	100K tokens
代理能力	卓越的代理式編碼、瀏覽器使用和工具使用能力	高階程式碼解釋器和代理功能	強大的程式碼理解和生成能力	專注於程式碼生成和補全
基準測試表現	- Qwen3-Coder-480B-A35B-Instruct 與 Claude Sonnet 4 相當

Qwen2.5 Coder 32B Instruct 在程式碼生成、修復和推理方面與 GPT-4o 競爭 (例如 Aider 73.7, McEval 65.9)
Qwen3.6-27B 在 SWE-bench Verified (77.2)、SWE-bench Pro (53.5) 等基準測試中超越前代開源旗艦模型 | 在多個程式碼基準測試中表現領先 | 在代理式任務中表現強勁 | 在程式碼生成基準測試中表現出色 | | 部署與成本 | 開源 CLI 工具，模型可透過 Alibaba Cloud Model Studio API 或 Coding Plan 訂閱，部分模型支援本地運行 (如 Qwen3-Coder-Next 無 API 成本) | 透過 API 存取，按使用量計費 | 透過 API 存取，按使用量計費 | 開源模型，可本地部署 | | 多模態能力 | Qwen3.6-27B 原生支援視覺語言模式，處理圖像和影片 | 支援文本、圖像、音訊和影片輸入與輸出 | 支援文本和圖像輸入 | 僅限文本 | | 主要應用 | 終端機代理式編碼、程式碼庫理解、自動化工作流程、桌面應用程式自動化 | 通用對話、程式碼生成與解釋、數據分析 | 通用對話、長文本處理、程式碼輔助 | 程式碼生成、補全、除錯 |

🛠️ 技術深入

模型架構: Qwen-code 所依賴的 Qwen3-Coder 模型系列採用了 Mixture-of-Experts (MoE) 架構。例如，Qwen3-Coder-480B-A35B-Instruct 擁有 4800 億總參數，其中 350 億為活躍參數；Qwen3-Coder-Next 則有 800 億總參數，其中 30 億為活躍參數，旨在平衡強大能力與計算效率。
上下文長度: Qwen3-Coder 模型原生支援 256K tokens 的上下文長度，並可透過 YaRN (Yet another RoPE extension) 技術擴展至 1M tokens，使其能夠理解整個程式碼儲存庫規模的複雜專案。
訓練資料: Qwen 模型系列在多樣化的多語言語料庫上進行訓練，特別強調高品質的中文和英文內容，包括網路文本、書籍、學術論文和程式碼儲存庫。Qwen3-Coder 的訓練資料集包含 7.5 兆 tokens，其中程式碼比例高達 70%。
核心架構 (Qwen Code CLI): Qwen Code 的設計遵循模組化原則，將 CLI（前端）與 Core（後端）分離，以實現獨立開發和未來擴展。Core 套件負責與模型 API 通訊、建構提示、工具註冊和執行。
記憶體管理機制: 此次更新引入的「摘要與恢復附件機制」是核心記憶體管理重構的一部分，旨在優化資源利用，但具體的技術實現細節（如何進行摘要和恢復）在公開資料中未詳細說明。
模型上下文協議 (MCP): MCP 是一個開放標準（由 Anthropic 發起），允許 AI 助理連接到外部資料源和工具，如資料庫、API、檔案系統、GitHub、Slack 和 Jira。Qwen Code 支援 STDIO、HTTP 和 SSE 三種 MCP 傳輸類型。
Gated Delta Network (GDN): 繼 Qwen3-Next 之後，Gated Delta Network (GDN) 已成為 Qwen 系列模型（從 Qwen3-Next-80B-A3B 到後續的 Qwen3.5/Qwen3.6 系列）中主要的注意力層。

🔮 前景展望AI analysis grounded in cited sources

Qwen-code 將在企業級開發環境中獲得更廣泛的採用，尤其是在需要高度資料隱私和本地執行的場景。

零配置的電腦使用功能和對本地模型（如 Qwen3-Coder-Next）的支援，結合其開源性質和無雲端 API 成本的優勢，降低了企業整合 AI 代理的門檻，並解決了資料敏感性問題。

Qwen-code 將透過其代理式編碼能力和 MCP 整合，推動更複雜、多步驟的軟體開發流程自動化。

透過 MCP 連接外部資料源和工具（如 GitHub、Jira、Figma），以及其理解大型程式碼庫和自動化重複任務的能力，Qwen-code 能夠執行從需求分析到部署的端到端開發工作流程。

Qwen-code 的快速迭代和多模型支援將加速開源 AI 編碼代理領域的創新與競爭。

阿里巴巴 Qwen 團隊以其快速的模型發布速度而聞名，並且 Qwen-code 支援多種 OpenAI/Anthropic/Gemini 相容 API，以及其自身的 Qwen 系列模型，這將鼓勵更多開發者在其基礎上構建和實驗。

⏳ 時間線

2023-04

阿里巴巴推出 Qwen (通義千問) 模型的 Beta 版本。

2023-09

Qwen-Agent 和 Qwen.cpp 隨 Qwen-14B 和 Qwen-14B-Chat 一同發布，標誌著 Qwen 在代理和工具方面的早期發展。

2025-07

阿里巴巴發布 Qwen3-Coder 模型系列及其配套的開源命令列工具 Qwen Code CLI，專為代理式程式設計工作流程設計。

2026-02

Qwen3-Coder-Next 發布，這是一個專為本地開發環境設計的開源權重模型，採用 MoE 架構，以高效能和低資源需求為特色。

2026-04-15

Qwen OAuth 免費層級服務終止，Qwen Code 用戶需轉向 API Key 或訂閱 Coding Plan。

2026-04-21

Qwen3.6-27B 開源發布，這是一個 270 億參數的密集型多模態模型，在代理式編碼方面表現出色。

Qwen-code v0.17.0 新增 Computer Use 與 Lark 整合功能

⚡ 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 (24)

👉相關動態

小型企業利用 AI 輔助而非取代員工

Anthropic 發布 Claude Opus 5，專注於執行效率與成本優化

Meta AI 升級 Muse Spark 1.1，具備自主執行任務能力