Alibaba

•

Open weights model

•

Released 2026년 2월

Qwen3 Coder Next 지능, 성능 및 가격 분석

사용해 보기 API 제공업체 벤치마크

지능Updated

Artificial Analysis Intelligence Index

비용

입력 US$0.35출력 US$1.20

$0.55

Intelligence Index 작업당 비용

장황성

34M

Intelligence Index의 출력 토큰 수

크기가 비슷한 다른 비추론 오픈 웨이트 모델과 비교하면 Qwen3 Coder Next의 지능은 선도적인 모델군에 속하지만, 가격은 다소 비쌉니다. 또한 속도는 평균보다 빠르지만, 답변은 매우 장황합니다. 이 모델의 지원 입력은 텍스트, 출력은 텍스트이며, 컨텍스트 창은 256k토큰입니다.

Qwen3 Coder Next의 Artificial Analysis Intelligence Index 점수는 9점으로, 비교 가능한 모델 중 평균을 크게 웃도는 수준입니다(중앙값: 7). Intelligence Index 평가에서는 34M토큰을 생성해, 중앙값 26M와 비교할 때 매우 장황한 편입니다.

Qwen3 Coder Next의 입력 토큰 100만 개당 가격은 $0.35(다소 비싼 가격, 중앙값: $0.00)이며, 출력 토큰 100만 개당 가격은 $1.20(비싼 가격, 중앙값: $0.00)입니다. Intelligence Index에서 Qwen3 Coder Next을 평가하는 데 드는 작업당 평균 비용은 $0.55입니다.

Qwen3 Coder Next의 속도는 초당 100토큰으로 평균보다 빠릅니다(77).

추론	아니요 이 페이지에는 모델의 비추론 버전이 표시됩니다. 추론 버전도 있을 수 있습니다.
입력 모달리티	지원: 텍스트
출력 모달리티	지원: 텍스트
컨텍스트 창	256k Arial 12포인트 기준 A4 약 384페이지
총 파라미터 수	79.7B
활성 파라미터 수	3B 추론 중 토큰마다 활성화되는 파라미터 수
라이선스	Apache 2.0
모델 웨이트	Hugging Face

동일한 등급의 모델과 지표를 비교합니다.

비추론 모델 → 다른 비추론 모델과만 비교
추론 모델 → 추론 및 비추론 모델 모두와 비교
오픈 웨이트 모델 → 같은 크기 등급의 다른 오픈 웨이트 모델과만 비교:

초소형: 파라미터 ≤4B
소형: 파라미터 4B~40B
중형: 파라미터 40B~150B
대형: 파라미터 >150B

독점 모델 → 입력/출력 가격을 3:1로 혼합해 같은 가격대의 독점 모델 및 오픈 웨이트 모델과 비교:

100만 토큰당 <$0.15
100만 토큰당 $0.15~$1
100만 토큰당 >$1

Updated

지능

Artificial Analysis Intelligence Index · Higher is better

Not publicly available

속도

Output tokens per second · Higher is better

작업당 비용

Weighted average cost (USD) per Intelligence Index task · Lower is better

Not publicly available

지능Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Not publicly available

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: 오픈 웨이트와 독점 모델

Not publicly available

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

역량 지수

특정 역량 및 산업에서 모델의 성능을 측정

Artificial Analysis 재무 및 회계 지수

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Not publicly available

벤치마크

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

Not publicly available

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench 4.0

Agentic coding & terminal use

SciCodeUnder review

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

Not publicly available

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Not publicly available

Openness Index

Artificial Analysis Openness Index: 점수

Openness Index는 모델의 개방성을 0~100으로 정규화해 평가합니다(높을수록 더 개방적)

Intelligence Index 비교

Intelligence Index와 작업당 비용

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

토큰 사용량

지능 지수 작업당 출력 토큰 수

Artificial Analysis 지능 지수 작업 하나를 실행하는 데 사용된 출력 토큰 수의 가중 평균

Not publicly available

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

비용

Intelligence Index 작업당 비용

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Not publicly available

Artificial Analysis Intelligence Index 실행 비용

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

Not publicly available

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

가격: 캐시 적중, 입력 및 출력

Price (USD per M Tokens)

Not publicly available

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

컨텍스트 창

Context window: tokens limit · Higher is better

Not publicly available

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

속도

출력 속도(초당 토큰 수)로 측정

출력 속도

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

지능 지수 작업당 시간

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

지연 시간

첫 토큰까지 걸린 시간(초)으로 측정

지연 시간: 첫 답변 토큰까지 걸린 시간

첫 답변 토큰 수신까지의 초 · 추론 모델의 ‘생각’ 시간 포함

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

종단 간 응답 시간

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

종단 간 응답 시간

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

모델 크기(오픈 웨이트 모델만 해당)

모델 크기: 총 매개변수와 활성 매개변수

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

자주 묻는 질문

Qwen3 Coder Next에 관한 일반적인 질문

Qwen3 Coder Next 모델은 2026년 2월 3일에 출시되었습니다.

Qwen3 Coder Next 모델은 Alibaba에서 개발했습니다.

Qwen3 Coder Next의 Artificial Analysis Intelligence Index 점수는 9점으로, 크기가 비슷한 다른 비추론 오픈 웨이트 모델 중 평균을 크게 웃도는 수준입니다(중앙값: 7).

Qwen3 Coder Next 모델은 초당 100.4개의 출력 토큰을 생성하며(이 모델을 제공하는 제공업체 중앙값 기준), 크기가 비슷한 다른 비추론 오픈 웨이트 모델과 비교하면 평균보다 높습니다(중앙값: 76.8 t/s).

Qwen3 Coder Next의 첫 토큰까지 걸린 시간(TTFT)은 1.54초이며(이 모델을 제공하는 제공업체 중앙값 기준), 크기가 비슷한 다른 비추론 오픈 웨이트 모델과 비교하면 매우 경쟁력 있습니다(중앙값: 2.04초).

Qwen3 Coder Next의 입력 토큰 100만 개당 가격은 $0.35(평균보다 낮음, 중앙값: $0.46)이며, 출력 토큰 100만 개당 가격은 $1.20(평균보다 다소 높음, 중앙값: $0.81)입니다(이 모델을 제공하는 제공업체 중앙값 기준).

Qwen3 Coder Next의 입력 토큰 100만 개당 가격은 $0.35, 출력 토큰 100만 개당 가격은 $1.20입니다(이 모델을 제공하는 제공업체 중앙값 기준). 캐시 적중/입력/출력 비율을 7:2:1로 가정한 혼합 가격은 100만 토큰당 $0.43입니다. 가격은 제공업체마다 다를 수 있습니다. 제공업체 가격 비교

Intelligence Index 평가에서 Qwen3 Coder Next 모델은 출력 토큰 34M개를 생성했으며, 크기가 비슷한 다른 비추론 오픈 웨이트 모델과 비교하면 평균보다 적습니다(중앙값: 26M).

아니요. Qwen3 Coder Next 모델은 추론 모델이 아닙니다. 확장된 연쇄적 사고 추론 없이 바로 답변합니다.

Qwen3 Coder Next 모델은 텍스트 입력을 지원합니다.

Qwen3 Coder Next 모델은 텍스트 출력을 지원합니다.

아니요. Qwen3 Coder Next 모델은 이미지 입력을 지원하지 않으며 텍스트만 처리할 수 있습니다.

아니요. Qwen3 Coder Next 모델은 멀티모달 모델이 아니며 텍스트 입력만 지원합니다.

Qwen3 Coder Next의 컨텍스트 창은 260k토큰입니다. 모델이 단일 요청에서 처리할 수 있는 텍스트와 대화 기록의 양을 결정합니다.

예. Qwen3 Coder Next 모델은 오픈 웨이트이며 모델 웨이트가 공개되어 있어 다운로드한 뒤 자체 호스팅할 수 있습니다.

Qwen3 Coder Next의 파라미터 수는 79.7B이며 이 중 3B가 활성화됩니다.

Qwen3 Coder Next 모델은 총 파라미터 수가 79.7B인 전문가 혼합(MoE) 모델이지만 추론 중에는 활성 파라미터 3B만 사용합니다.

Qwen3 Coder Next 모델은 Apache 2.0 라이선스로 공개되었으며 상업적 이용이 허용됩니다. 라이선스 보기

Qwen3 Coder Next의 Artificial Analysis Intelligence Index 점수는 9점입니다. 이 종합 벤치마크는 추론, 지식, 수학, 코딩 전반에서 모델을 평가합니다.

예. Qwen3 Coder Next 모델은 API 제공업체 4곳을 통해 제공됩니다. API 제공업체 비교

Qwen3 Coder Next 모델은 API 제공업체 4곳을 통해 제공됩니다. 제공업체 비교

Qwen3 Coder Next 지능, 성능 및 가격 분석

모델 요약

지능Updated

비교 요약

기술 사양

이 등급의 모델 39개

지능Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: 오픈 웨이트와 독점 모델

Artificial Analysis Intelligence Index

Open Weights

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: 점수

Intelligence Index 비교

Intelligence Index와 작업당 비용

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

토큰 사용량

지능 지수 작업당 출력 토큰 수

Output Tokens per Intelligence Index Task

비용

Intelligence Index 작업당 비용

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index 실행 비용

Cost to Run Artificial Analysis Intelligence Index

가격: 캐시 적중, 입력 및 출력

Cache Hit

컨텍스트 창

컨텍스트 창

Context Window for RAG

Context Window

속도

출력 속도

Output Speed

Model Performance Representation

지능 지수 작업당 시간

Time per Intelligence Index Task

지연 시간

지연 시간: 첫 답변 토큰까지 걸린 시간

Time to First Answer Token

종단 간 응답 시간

종단 간 응답 시간

End-to-End Response Time

Model Performance Representation

모델 크기(오픈 웨이트 모델만 해당)

모델 크기: 총 매개변수와 활성 매개변수

Total Parameters

Active Parameters at Inference Time

자주 묻는 질문

Qwen3 Coder Next의 출시일은 언제인가요?

Qwen3 Coder Next을 개발한 곳은 어디인가요?

Qwen3 Coder Next의 지능은 어느 정도인가요?

Qwen3 Coder Next의 속도는 어느 정도인가요?

Qwen3 Coder Next의 지연 시간은 얼마인가요?

Qwen3 Coder Next의 가격은 얼마인가요?

Qwen3 Coder Next API 가격은 얼마인가요?

Qwen3 Coder Next의 답변은 얼마나 장황한가요?

Qwen3 Coder Next 모델은 추론 모델인가요?

Qwen3 Coder Next 모델은 어떤 입력 모달리티를 지원하나요?

Qwen3 Coder Next 모델은 어떤 출력 모달리티를 지원하나요?

Qwen3 Coder Next 모델은 이미지를 처리할 수 있나요?

Qwen3 Coder Next 모델은 멀티모달 모델인가요?

Qwen3 Coder Next의 컨텍스트 창은 얼마인가요?

Qwen3 Coder Next 모델은 오픈 소스인가요?

Qwen3 Coder Next의 파라미터 수는 얼마인가요?

Qwen3 Coder Next의 활성 파라미터는 무엇인가요?

Qwen3 Coder Next의 라이선스는 무엇인가요?

Qwen3 Coder Next의 벤치마크 성능은 어떤가요?

Qwen3 Coder Next 모델은 API로 제공되나요?

Qwen3 Coder Next 모델은 어디에서 사용할 수 있나요?