Qwen · 2026-01 · スパースMoE
Qwen3-Coder-Next
Qwen3-Coder-Next は Qwen が 2026-01 に公開した グループ化クエリ注意（GQA） Transformer です。48 層、隠れ次元 2048、コンテキスト長 262,144 トークン。
層スタック
線形 ×36 注意機構 ×12 · 層数 48
主要スペック
| 開発元 | Qwen |
|---|---|
| 公開日 | 2026-01 |
| 総パラメータ | 78.7 B |
| 活性パラメータ | 2.9 B |
| コンテキスト | 262,144 tokens |
| 注意機構 | GQA (16:2) |
| 層数 | 48 |
| 隠れ次元 | 2,048 |
| 注意ヘッド | 16 |
| 語彙数 | 151,936 |
| 位置エンコーディング | RoPE |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | bf16 |
| アーキテクチャクラス | Qwen3NextForCausalLM |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 16 q-heads / 2 kv-heads. RoPE θ=5,000,000.
FFN / MoE
スパースなMixture-of-Expertsモデルで、512 個のルーティングエキスパートと top-10 ルーティングを持ち、トークンごとに約 2.9B のパラメータが活性化します。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 Qwen3-Next 80B A3B との全フィールド比較
| モデル | Qwen3-Coder-Next | Qwen3-Next 80B A3B | 倍数 |
|---|---|---|---|
| model_type | qwen3_next | qwen3_next | ＝ |
| architectures | Qwen3NextForCausalLM | Qwen3NextForCausalLM | ＝ |
| hidden_size | 2048 | 2048 | ≈1 |
| num_hidden_layers | 48 | 48 | ≈1 |
| num_attention_heads | 16 | 16 | ≈1 |
| num_key_value_heads | 2 | 2 | ≈1 |
| head_dim | 256 | 256 | ≈1 |
| intermediate_size | 5120 | 5120 | ≈1 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 10 | 10 | ≈1 |
| moe_intermediate_size | 512 | 512 | ≈1 |
| rope_theta | 5000000 | 10000000 | ×0.500 |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 151936 | 151936 | ≈1 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| attention_bias | false | — | |
| attention_dropout | 0 | 0 | ＝ |
| bos_token_id | 151643 | 151643 | ≈1 |
| decoder_sparse_step | 1 | 1 | ≈1 |
| eos_token_id | 151645 | 151645 | ≈1 |
| full_attention_interval | 4 | 4 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| linear_conv_kernel_dim | 4 | 4 | ≈1 |
| linear_key_head_dim | 128 | 128 | ≈1 |
| linear_num_key_heads | 16 | 16 | ≈1 |
構造が最も近いモデル
- Qwen3-Next 80B A3B (Qwen, 2025-09) 1.000
- Qwen3.8-Flash-Next (Qwen, 2026-08) 1.000
- Qwen3.6 35B A3B (Qwen, 2026-04) 0.999
- Qwen3 30B A3B (Qwen, 2025-04) 0.997
- Hunyuan-TurboS 30B A3B (Hunyuan, 2026-05) 0.997
- GPT-OSS 120B (OpenAI, 2025-08) 0.996
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
38 フィールド
| architectures | Qwen3NextForCausalLM |
|---|---|
| attention_bias | false |
| attention_dropout | 0 |
| bos_token_id | 151643 |
| decoder_sparse_step | 1 |
| eos_token_id | 151645 |
| full_attention_interval | 4 |
| head_dim | 256 |
| hidden_act | silu |
| hidden_size | 2048 |
| initializer_range | 0.02 |
| intermediate_size | 5120 |
| linear_conv_kernel_dim | 4 |
| linear_key_head_dim | 128 |
| linear_num_key_heads | 16 |
| linear_num_value_heads | 32 |
| linear_value_head_dim | 128 |
| max_position_embeddings | 262144 |
| model_type | qwen3_next |
| moe_intermediate_size | 512 |
| norm_topk_prob | true |
| num_attention_heads | 16 |
| num_experts | 512 |
| num_experts_per_tok | 10 |
| num_hidden_layers | 48 |
| num_key_value_heads | 2 |
| output_router_logits | false |
| partial_rotary_factor | 0.25 |
| rms_norm_eps | 0.000001 |
| rope_theta | 5000000 |
| router_aux_loss_coef | 0.001 |
| shared_expert_intermediate_size | 512 |
| tie_word_embeddings | false |
| torch_dtype | bfloat16 |
| transformers_version | 4.57.0.dev0 |
| use_cache | true |
| use_sliding_window | false |
| vocab_size | 151936 |