<mark id="oztn4"></mark>
0
7 月 23 日凌晨，阿里云一次看似平淡的模型開源操作，卻迅速引爆了市場情緒。
這次發布的模型名為 Qwen3-Coder，由阿里通義實驗室推出，是一款全新的開源代碼大模型。一經上線，便迅速在 Hugging Face 與 GitHub 上收獲數千顆星標，模型權重文件更在數小時內被下載超萬次。
據官方披露，Qwen3-Coder 在代碼能力上全面對標甚至超越 GPT-4.1 與谷歌代碼模型，其性能水平已達到全球頂尖梯隊。相比目前在開發者群體中應用廣泛的 Claude 4 模型，Qwen3-Coder 不僅實現技術上的可比，且在開放性與性價比上更具優勢。
以 20 萬 Tokens 為例，Claude 4 的輸入輸出成本分別約為 22 元/百萬 Tokens 和 108 元/百萬 Tokens，而 Qwen3-Coder 則分別為 10 元/百萬 Tokens 和 40 元/百萬 Tokens，價格大致是前者的一半和三分之一，大幅降低了代碼智能體的使用門檻。更重要的是，Qwen3-Coder 不僅支持免費下載，還允許免費商用，在實際應用中展現出了更高的性價比。
除此之外，資本市場給出的回應也很直接。模型發布后，阿里股價應聲上漲，疊加此前兩周 AI 概念的持續催化，公司股價累計漲幅已超 20%，成為這輪 AI 熱潮中最具代表性的“概念股”之一。
而 Qwen3-Coder 作為模型性能、產品能力和資本情緒的交匯點，與其說它是一次模型的迭代，不如說是阿里在 Coding AI 領域長期布局與持續投入的階段性體現。
當 AI 行業的話題中心從“語言能力”轉向“任務執行”，代碼模型成了最容易被忽視卻最重要的基礎設施。眼下，從 OpenAI 到 Anthropic 都在發力 Agent，而阿里卻把更多精力放在了代碼模型這一塊“最不性感”的技術上，看起來不夠熱鬧，實則押對了難點。
Agent 的落地門檻不在語言理解，而在代碼執行。一個 Agent 是否真的能完成復雜任務，最關鍵的不是它能說多花哨的話，而是它是否真的能調起工具、連通系統、處理異常并穩穩地完成任務流程。
而要支撐這些，代碼能力必須強、穩、準。大模型如果在代碼生成上還停留在跑通示例的階段，那它離真實環境中的高復雜度、多接口、多語義的業務流程還遠得很。而 Qwen-Coder 系列的演進路徑，幾乎就是為了解決這些問題而來的：結構理解更好、代碼調試能力更強、跨語言適配更自然，都是去圍繞真實落地的需求所做的優化。
說白了，阿里云沒有試圖造一個“最聰明的 Agent”，而是在造“最靠譜的手腳系統”。
從產品和技術投入來看，阿里過去一段時間在 Coding AI 方向的節奏非常清晰。去年 11 月開源的 Qwen2.5-Coder 系列共包含 6 款模型，在多個主流評測榜單中取得了同尺寸下的領先成績，主要集中在代碼生成精度與泛化能力上。
而在工具層，阿里的通義靈碼插件則是已覆蓋大量開發者群體，下載量超過 1700 萬，累計生成代碼超過 30 億行，除了公司內部全面部署外，也被多家企業接入試用。
事實上，阿里對 Coding AI 的投入并非模型熱潮下的臨時動作，而是其長期技術戰略中的一部分。相比于只講大模型性能，阿里云的真正戰略是圍繞 Coding AI 構建“Agent-ready”的基座能力，這是一場從“聰明的大腦”到“靠譜的雙手”的技術進化。
現在市場上企業真正需要的不是會說話的 AI，而是能在真實業務系統中完成具體任務的智能體。這就要求模型在代碼能力上不只是生成片段，而是能夠執行復雜操作、對接多系統，并具備調試和異常處理的穩定性。如此來看，阿里的選擇并非造概念、追熱點，而是從底層技術中尋找可靠落地的路徑。
而阿里云選擇開源，看似犧牲了自身的商業利益，但其實是在為自家的“云”業務引流。
此次 Qwen3-Coder 延續了 Qwen 系列一貫的開源策略，支持免費商業使用。這一策略在當前大模型生態中其實早已頗具代表性，但也不免得再次引發關于“開源是否影響商業化”的行業討論。
但阿里云的答案其實早已非常明確：模型的免費開源并不是對商業價值的讓渡，而是流量入口和生態抓手，是換了一種方式去打開入口。通過開源模型快速擴展開發者基礎，降低企業試用門檻，再通過云服務來承接部署、微調和運行等后續需求，構建出一條從“用模型”到“用云”的自然路徑。
而“模型 + 云”的組合之所以逐漸成為行業共識，很大程度上是出于現實的工程考量。
盡管開源模型在原則上可以被下載后部署在本地，但一旦進入實際應用階段，涉及到大規模數據處理、穩定的網絡帶寬、分布式算力調度和長期運維，整體系統的復雜度和技術門檻都會顯著提高。對于多數企業來說，獨立承擔這些成本并不劃算，反而將模型運行、部署和優化交給云平臺，是更現實、性價比更高的選擇。
除此之外，AI 模型本身也在從“應用工具”逐步轉變為“基礎設施”的一部分。隨著大模型在企業內部開始參與各類重復性、標準化流程的執行，模型對底層資源的依賴也在不斷加深。模型越智能、接入場景越多，對算力、存儲、網絡、數據同步等基礎資源的需求也越大。這意味著，在越來越多的企業場景中，云服務不再只是模型的附加選項，而成為支持 AI 應用規模化的必要條件。
在這樣的背景下，阿里云持續強化“模型開源 — 云服務轉化”的機制，目的可能并不在于通過某個模型直接賺錢，而是在開源生態和基礎設施之間搭建起一條能跑通的連接通道。
現在很多模型廠商都開開源，真正的分水嶺早已不是“開不開源”，而是有沒有能力把“開源之后的事情”接住。企業愿不愿意真的把模型用起來，往往取決于能不能順利部署、調通流程、接上現有系統，這些環節需要的不僅是模型本身，更是一整套工程支撐能力。
阿里在這些方面，做的很好。
而且事實證明，阿里的這條路線確實開始跑出了一些效果。根據 5 月財報顯示，阿里云本季度收入同比增長 18%，達到 301.27 億元，是過去三年來的最高增速，而其中 AI 相關業務更是連續七個季度維持三位數增長。
IDC 的數據也給了一些側面印證：2024 年，阿里云在中國 AI 基礎設施市場的份額達到 23%，排名第一，超過第二和第三名的總和，在大模型訓練和推理兩個關鍵場景中，阿里云同樣排在前列。從這些數字來看，“模型帶動云”的鏈路，至少在工程和市場層面是跑得動的。
而在 To B 業務場景中，這樣的模式更是尤為高效，相比其他只做模型、或者只做云的玩家，阿里云在大模型相關的能力鏈條上起步更早，也更完整一些：模型怎么托管、怎么調、怎么控權限、怎么過合規檢查，基本都有方案，這對企業來說意味著少踩坑、少走彎路。
當然，這條“模型 + 云”的路能不能一直跑下去，還得看它在不同行業里，能不能真的把模型落地、服務跑起來。光有開源和云資源遠遠不夠，最終還是要看實際能解決多少問題。
這次 Qwen3-Coder 的發布不僅讓人們看到了阿里在代碼大模型上的階段性成果，更揭示出一個值得關注的行業趨勢：大模型的敘事正在從“誰更強”轉向“誰更能落地”。隨著模型性能差距逐漸收窄，真正拉開差距的，可能不再是參數量和榜單成績，而是工程能力 —— 誰能在真實世界的系統里跑通、跑穩、跑得起規模。
這背后不僅考驗模型的生成能力，更涉及調度、調通、運維、權限、合規等一整套工程體系。而這恰恰是阿里選擇“開源模型 + 云閉環”模式的核心邏輯——從技術路徑上構建閉環，從生態建設上形成正向飛輪。
對阿里而言，模型開源是加法，云服務是乘法，唯有兩者結合，才能形成真正的產業勢能。
未來幾年，Coding AI 或許不會成為最熱的行業關鍵詞，但一定會是最實的基礎能力。就像電力和鐵路一樣，它的“性感”不在概念，而在于基礎設施般的穩定與普適。也許正是因為看到了這一點，阿里才會在熱鬧的 AI 舞臺背后，選擇繼續默默打磨手中的“編程鐵錘”。
而屬于 Qwen3-Coder 的真正價值，也許才剛剛開始顯現。雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
