Qwen-Coder-Qoder：针对真实软件场景定制快速进化的前沿模型

---

desc: 揭秘 Qwen-Coder-Qoder：为 Qoder 量身定制的强化学习模型
category: 产品
img: https://img.alicdn.com/imgextra/i3/O1CN01fbHceT1K4t9NQua1T_!!6000000001111-2-tps-1712-1152.png
time: 2026年2月1日 · 5分钟阅读

引言

今天，我们很高兴地发布一款为提升 Qoder 端到端编程体验而打造的定制模型——Qwen-Coder-Qoder。

这款模型基于 Qwen-Coder 基座，并紧贴 Qoder 的 Agent 框架、工具与场景进行了大规模强化学习训练。在我们的面向真实软件工程任务的评测集 Qoder Bench 上，Qwen-Coder-Qoder 的任务解决率超过了 Cursor Composer-1，尤其在 Windows 系统下的终端命令准确率方面，领先幅度达到 50%。

同时，Qwen-Coder-Qoder 也为 Qoder 的线上用户体验带来了切实的、数据可证的提升。在过去数周，得益于我们对模型的快速迭代，我们观察到线上代码留存率提升了 3.85%，工具异常率下降 61.5%，Token 消耗下降 14.5%，数据整体已接近世界顶级模型水平。

除了效果上的优异表现，Qwen-Coder-Qoder 在许多方面都展现出更接近资深开发者的"品味"和"思维"。我们认为，一个优秀的 AI 编程伙伴，不仅要能解决问题，更要解决得漂亮、解决得地道。

• 遵循软件工程规范：许多通用模型在训练时以"解决问题"为唯一目标，倾向于"另辟蹊径"，绕开现有框架。而 Qwen-Coder-Qoder 在训练中被引导去严格遵循工程规范，保持与项目一致的代码风格，确保代码质量。
• 理解完整项目上下文：通过学习 Qoder Agent 特有的工具和上下文数据（如代码图谱、项目记忆、Repo Wiki 等），Qwen-Coder-Qoder 能够从全局视角理解代码仓库，精准地使用工具完成任务。
• 高效的并行处理能力：它能够识别逻辑上无依赖关系的工具调用任务，并行执行代码检索、任务规划、多位置代码修改等操作，显著提升执行效率。
• 坚韧的问题解决能力：在面对复杂或棘手问题时，通用模型在多次失败后往往会放弃。而 Qwen-Coder-Qoder 则展现出更强的"开发者思维"：持续尝试，直至问题解决。

我们的模型理念："模型-智能体-产品"的智能进化体系

Qwen-Coder-Qoder 的诞生并非偶然，它是 Qoder 智能进化体系的必然产物。

当前 AI Coding 领域正在快速发展，我们着力构建了一个"模型即 Agent，Agent 即产品，产品增强模型"的智能进化体系。模型是这一切的基础，我们将 Qoder Agent 需要的各种能力都训练到 Qwen-Coder-Qoder 中，这个模型直接驱动 Agent 来执行任务。在产品设计上，Agent 是我们的核心，一切功能都围绕 Qoder Agent 展开。产品触达万千用户，可以感知用户的真实行为和偏好，从中我们发掘出"软件工程的最佳开发实践"来作为奖励信号，增强模型的训练。

这形成了一个大模型软件工程智能的进化体系。Qwen-Coder-Qoder 正是基于真实产品环境、真实软件开发任务、真实软件开发奖励而训练的大规模强化学习模型。

背后探秘：我们如何实现这一切

实现这一切，需要一套扎实且先进的训练方案。我们将此归结为三个核心要素：

真实的 Qoder Agent 作为沙盒环境

我们让模型充分学习综合使用 Qoder 的 Knowledge、Memory、Tools/MCP、Context 等来解决真实编程任务，相比通用模型，我们的模型和我们的产品能够做到最好的契合，随着模型训练的不断迭代演进，这种优势正在不断释放出价值。我们还打造了一条完整的自动化可执行环境构建链路，产出大量真实项目的可执行环境。在训练过程中，依靠强大的虚拟化容器技术，可快速拉起和销毁数万级别的容器，以满足大规模强化学习训练的需求。

真实的软件工程最佳实践作为奖励信号

Reward 在智能体的训练中尤为重要，我们启用了多种正确性的验证方式，包括单元测试验证、命令行验证、多维任务验证等，确保智能体正确地解决问题。与此同时，我们还对过程做了更多的约束，确保变更符合软件工程规范，如：编码风格、复用性和耦合度等，使解决方案无论是方案思路、编码风格均与资深开发者对齐。

在 Reward 的构建过程中，Reward Hacking 是绕不开的话题，比如我们想提高模型并行度，如果只要并行调用就得到奖励，那么模型为了骗取奖励就会搜索大量不相关或者弱相关的文件，使得并行度大幅提升，但对最终的正确性没有带来实质的贡献。Reward Hacking 的解决过程就是与大模型强化学习"斗智斗勇"的过程，为此我们专门构建了一套 "Rewarder - Attacker" 对抗式审查机制，这套机制有效地提升了 Reward 系统构建的速度和健壮性。

大规模高效的强化学习训练框架

Qwen-Coder-Qoder 使用 ROLL 训练。ROLL 通过一系列系统级优化，让数千卡规模集群能够高效完成数千亿参数 MoE LLM 的 RL 后训练。在每轮包含 rollout 与 training 的流程中，rollout 往往占用 70% 以上时间。为提升端到端吞吐，我们一方面优化 rollout 阶段本身（异步调度减少等待、prefix/KV cache 复用消除冗余计算、冗余环境对抗长尾等），另一方面优化 rollout–training 协同（放宽 on-policy 约束、支持跨版本样本生成、training 与 rollout 异步并行、等待时让渡 GPU 给 rollout 等）。综合这些优化，实际获得 10× 以上吞吐提升，显著缩短训练周期。

未来展望

今天发布的 Qwen-Coder-Qoder，是我们基于"模型即 Agent，Agent 即产品，产品增强模型"的智能进化体系打造的初版模型。在过去短短几个月的过程中，我们已经看到了模型对整体端到端体验提升的巨大潜力。

这只是一个开始。我们将继续坚定地沿着这条路，通过周级别的快速迭代进化，不断提升模型的效果和使用体验，朝着"Agentic Coding Platform for Real Software"的目标不断迈进。