Qwen3 Coder Next | Alibaba Open-Weight Coding API

Name: Qwen3 Coder Next API
Brand: qwen
Price: 0.15 USD
Availability: InStock

qwen/qwen3-coder-next

วันที่เผยแพร่: 2026-02-04

262,144 context · $0.15/M input tokens · $0.80/M output tokens

ราคา

จ่ายตามการใช้งาน

ไม่มีค่าใช้จ่ายล่วงหน้า จ่ายเฉพาะสิ่งที่คุณใช้

อินพุต$0.15 / M Tokens

เอาต์พุต$0.80 / M Tokens

Cache Read$0.07 / M Tokens

ลองใช้โมเดล

qwen/qwen3-coder-next

ออนไลน์

สวัสดี! ฉันคือผู้ช่วย AI พร้อมช่วยคุณ ต้องการให้ช่วยอะไรไหม?

พร้อมใช้โมเดลนี้ใน coding agent บนเครื่องหรือยัง?ตั้งค่า agent

การใช้งาน API

ใช้ตัวอย่างโค้ดต่อไปนี้เพื่อผสานรวมกับ API ของเรา:

import OpenAI from 'openai';

if (!process.env.WAVESPEED_API_KEY) throw new Error('Set WAVESPEED_API_KEY');
const client = new OpenAI({
  apiKey: process.env.WAVESPEED_API_KEY,
  baseURL: 'https://llm.wavespeed.ai/v1',
  timeout: 120_000,
  maxRetries: 2,
});

try {
  const response = await client.chat.completions.create({
    model: 'qwen/qwen3-coder-next',
    messages: [{ role: 'user', content: 'Hello!' }],
  });
  console.log(response.choices[0]?.message?.content ?? '');
} catch (error) {
  console.error('LLM request failed:', error);
  process.exitCode = 1;
}

import OpenAI from 'openai';

if (!process.env.WAVESPEED_API_KEY) throw new Error('Set WAVESPEED_API_KEY');
const client = new OpenAI({
  apiKey: process.env.WAVESPEED_API_KEY,
  baseURL: 'https://llm.wavespeed.ai/v1',
  timeout: 120_000,
  maxRetries: 2,
});

try {
  const response = await client.chat.completions.create({
    model: 'qwen/qwen3-coder-next',
    messages: [{ role: 'user', content: 'Hello!' }],
  });
  console.log(response.choices[0]?.message?.content ?? '');
} catch (error) {
  console.error('LLM request failed:', error);
  process.exitCode = 1;
}

แนะนำโมเดล

Qwen qwen3-coder-next

Qwen3-Coder-Next is an open-weight causal language model optimized for coding agents and local development workflows

Qwen3-Coder-Next is an open-weight causal language model optimized for coding agents and local development workflows. It uses a sparse MoE design with 80B total parameters and only 3B activated per token, delivering performance comparable to models with 10 to 20x higher active compute, which makes it well suited for cost-sensitive, always-on agent deployment.

The model is trained with a strong agentic focus and performs reliably on long-horizon coding tasks, complex tool usage, and recovery from execution failures. With a native 256k context window, it integrates cleanly into real-world CLI and IDE environments and adapts well to common agent scaffolds used by modern coding tools. The model operates exclusively in non-thinking mode and does not emit <think> blocks, simplifying integration for production coding agents.

Why It Looks Great

Large Language Model architecture for efficient processing
262144 context window for long document handling
Competitive pricing at $0.1/$0.3 per million tokens

Key Features

Context Window: 262144 tokens
Max Output: 65536 tokens
Vision: Supported
Function Calling: Supported

Specifications

Specification	Value
Provider	Qwen
Model Type	Large Language Model (LLM)
Architecture	N/A
Context Window	262144 tokens
Max Output	65536 tokens
Input	Text
Output	Text
Vision	Supported
Function Calling	Supported

Pricing

Token Type	Cost per Million Tokens
Input	$0.1
Output	$0.3

How to Use

Write your prompt — describe the task, provide context, and specify desired output format.
Submit — the model processes your request and returns the response.

API Integration

Base URL: https://llm.wavespeed.ai/v1 API Endpoint: chat/completions Model ID: qwen/qwen3-coder-next

API Usage

Python SDK

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://llm.wavespeed.ai/v1"
)

response = client.chat.completions.create(
    model="qwen/qwen3-coder-next",
    messages=[
        {"role": "user", "content": "Hello!"}
    ]
)

print(response.choices[0].message.content)

cURL

curl https://llm.wavespeed.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "qwen/qwen3-coder-next",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Notes

Model: qwen/qwen3-coder-next
Provider: Qwen

ข้อมูล

ผู้ให้บริการalibaba

ประเภทllm

ฟังก์ชันที่รองรับ

อินพุต

ข้อความ

เอาต์พุต

ข้อความ

บริบท262,144

เอาต์พุตสูงสุด65,536

Vision-

Function Calling✓ รองรับ

คู่มือการเข้าถึง API

Base URLhttps://llm.wavespeed.ai/v1

API Endpointchat/completions

Model IDqwen/qwen3-coder-next

คำถามที่พบบ่อยเกี่ยวกับ Qwen3 Coder Next

Qwen3 Coder Next API ราคาเท่าไหร่?+

ราคาบน WaveSpeedAI: $0.15 ต่อล้านโทเคนอินพุต และ $0.80 ต่อล้านโทเคนเอาต์พุต Prompt caching และ batch processing คิดค่าบริการแยกและช่วยลดต้นทุนที่แท้จริงสำหรับภาระงานที่ยาวและทำซ้ำ

Qwen3 Coder Next มี context window เท่าใด?+

Qwen3 Coder Next รองรับสูงสุด 262K โทเคนคอนเท็กซ์ และสูงสุด 66K โทเคนเอาต์พุตต่อคำขอ

Qwen3 Coder Next เข้ากันได้กับ OpenAI หรือไม่?+

WaveSpeedAI ให้บริการ Qwen3 Coder Next ที่ https://llm.wavespeed.ai/v1 ผ่านอินเทอร์เฟซ Chat Completions ที่เข้ากันได้กับ OpenAI ไคลเอนต์ OpenAI SDK ส่วนใหญ่ใช้งานได้โดยเปลี่ยน base URL และ API key ส่วนฟิลด์เสริมขึ้นอยู่กับโมเดล

จะเริ่มใช้ Qwen3 Coder Next ได้อย่างไร?+

ลงชื่อเข้าใช้ WaveSpeedAI สร้าง API key ใน Access Keys แล้วส่งคำขอไปยัง https://llm.wavespeed.ai/v1/chat/completions โดยใช้ model id ที่แสดงด้านบน ตรวจสอบความพร้อมใช้งาน ความสามารถ และราคาจากแคตตาล็อกโมเดลปัจจุบัน