1. 総括

Qwen3-Coder-Nextは、Qwenチームが開発したオープンウェイトの因果言語モデルであり、コーディングエージェントおよびローカル開発環境に特化して設計されている。活性化パラメータは3Bである。これにより10〜20倍以上の活性化パラメータを持つモデルに匹敵する性能を、大幅に低いコストで実現している。

また、長期的な推論や複雑なツール使用、実行失敗からの回復といったエージェント能力が強化されている。256kトークンのネイティブコンテキスト長により、Claude CodeやClineなどの多様な開発環境への統合が可能である。なお、本モデルは非思考モードのみに対応し、思考ブロックを生成しない。

2. ブンリンベンチ（ブンリンラボ独自テスト）

当ラボ独自の機械採点ベンチ「ブンリンベンチ」（出力契約・事実保持・指示追従・コードの罠など 7 部門）をローカル実機で実施した結果。手法はブンリンベンチについてを参照。

実測対象 試験版 総合 契約 数字 制約 伝聞 コード 非捏造 表題 速度 実測日
qwen3-coder-next-4.5bit（MacBook Pro (M5 Max, 128GB)） ijiwaru-v1 40/41（98%） 3/3 9/9 6/6 2/3 11/11 5/5 4/4 58.7 tok/s 2026-09-01

実測環境:

  • qwen3-coder-next-4.5bit — モデル: spicyneuron/Qwen3-Next-Coder-MLX-4.5bit（MLX 版）。ランタイム: oMLX 0.6.3 (mlx 0.32.0, mlx-lm 0.31.3)。サンプリング: temperature 1 / top_p 0.95 / top_k 40

3. 各種ベンチマーク

Hugging Face モデルカードにはベンチマーク比較チャートおよびSWE-bench Proの結果が画像として掲載されている。公式ブログでは、SWE-Bench、TerminalBench 2.0、Aiderの各ベンチマークでの性能が示されており、特にSWE-Bench Proにおいてエージェントターン数を増やすことで性能が向上する傾向が報告されている。

提供されたテキスト材料には具体的な数値が記載されていないため、数値の確認にはモデルカードの画像または公式ブログを参照する必要がある。

4. 公式の発表

  • 2026年2月4日、QwenチームがQwen3-Coder-Nextのオープンウェイト公開を発表。Hugging Face モデルカードの引用情報に基づいた。
  • 技術レポート（Qwen3-Coder-Next Technical Report）がGitHubに公開されている。
  • 公式ブログにて、モデルのアーキテクチャやエージェント学習の手法、ベンチマーク評価の詳細が案内されている。
  • デプロイにはsglang v0.5.8以上、vLLM 0.15.0以上が推奨され、ローカル利用にはOllama、LMStudio、MLX-LM、llama.cpp、KTransformersが対応済みとされている。

5. 実際の性能（コミュニティ評価）

2026年2月4日、本モデルの発表がHacker Newsに掲載され、735pt・429コメントと大きな注目を集めた（HN投稿）。公式ブログでは、エージェント学習シグナルのスケーリングに焦点を当てた設計思想が説明されている。

大規模な実行可能タスク合成や強化学習による訓練が強調されている。コミュニティの具体的な使用感については、まだ十分な情報が集まっていない。

一方で、RedditではフロントエンドモデルがローカルAIの実装を妨害する可能性についての議論がある（Reddit）。あるユーザーは、フロントエンドモデルが指示に反する挙動を示すと報告した。

そのユーザーは、フロントエンドモデルが（古いモデルである）Qwen3-Coder-Nextを推奨する例についても言及している。

6. おすすめパラメータ

Hugging Face モデルカードの「Best Practices」節で推奨されるサンプリングパラメータは以下の通りである。

パラメータ 推奨値
temperature 1.0
top_p 0.95
top_k 40

出どころ：Hugging Face モデルカード「Best Practices」節。

7. 情報源