Tüm görevlerin üstesinden gelmek üzere tasarlanan kodlama modeli
Alibaba'nın Qwen3-Coder modeli, 480 milyar parametreyi, 256.000 tokenlık bağlam penceresini ve birden fazla adımdan oluşan programlama görevlerini yerine getirmeye yönelik araçları bir araya getiriyor. 4 Ağustos 2025 itibarıyla açık kaynaklı model, Çinli teknoloji şirketini OpenAI, Anthropic ve Google'ın tescilli kodlama sistemlerine rakip konumuna getiriyor.
İçindekiler
- Tüm görevlerin üstesinden gelmek üzere tasarlanan kodlama modeli
- 480 milyar parametre birlikte nasıl çalışıyor?
- Bağlam penceresi neden önemli?
- Ajan tabanlı kodlama neleri değiştiriyor?
- Ölçüt sonuçları nasıl karşılaştırılıyor?
- Qwen Code modeli geliştirme iş akışlarına taşıyor
- Alibaba'nın açık kaynak stratejisi tek bir modelin ötesine uzanıyor
- Rekabet, denetim ve yapay zekâ kullanımının maliyeti
- İlk heyecana teknik sınırlamalar eşlik ediyor
- Güvenlik kaygıları kod, veri ve özerklik üzerinde yoğunlaşıyor
- Öne Çıkanlar
Temel vaat pratik: Geliştiriciler sistemden yalnızca önerilen bir satır ya da kısa bir örnek almak yerine bir programlama problemini adım adım çözmesini, geliştirme araçlarını kullanmasını ve kodu gözden geçirmesini isteyebiliyor. Ajan tabanlı kodlama olarak bilinen bu yaklaşım, programcıların yazılım yazma, kontrol etme ve otomatik işleri denetleme arasında zamanlarını nasıl paylaştırdıklarını değiştirebilir.
Qwen3-Coder, çıkarım sırasında, yani yanıt üretme sürecinde, 480 milyar parametresinin 35 milyarını etkinleştiriyor. Mimarisi, büyük bir modelin kapasitesini her yanıt için daha az hesaplama gereksinimiyle birleştirmeyi amaçlıyor. Modelin tamamı yine de önemli miktarda donanım gerektiriyor; bu nedenle birçok kullanıcı için bulut hizmetleri veya uygulama programlama arayüzleri (API) daha pratik bir seçenek.
Alibaba modeli Qwen Chat, Qwen Code komut satırı aracı ve Hugging Face ile Alibaba'nın Model Studio API'leri dahil erişim kanalları üzerinden kullanıma sunuyor. Açık kaynak lisansı, lisans ücreti olmadan değişiklik yapılmasına ve yeniden dağıtıma izin veriyor.
Bu sürüm üç gelişmeyi bir araya getiriyor: açıklanan kodlama ölçütlerinde güçlü sonuçlar, modelin geliştirici araçları üzerinden işlem yapmasını sağlayan yazılım ve açık lisanslama stratejisi. Geliştiricilerin ayrıca işletme maliyetleri, üretilen koddaki hatalar, verilerin açığa çıkması ve otomatik bir ajana ne kadar yetki verilmesi gerektiği gibi konularda ödünleşimleri değerlendirmesi gerekiyor.
480 milyar parametre birlikte nasıl çalışıyor?
Qwen3-Coder, genellikle MoE kısaltmasıyla anılan Uzmanlar Karışımı (Mixture-of-Experts) mimarisini kullanıyor. Parametreler, modelin eğitim sırasında öğrendiği sayısal ayarlardır. Bu tasarımda, her yanıt için modelin tamamını etkinleştirmek yerine uzman adı verilen farklı parametre grupları işin belirli bölümlerini üstleniyor.
Model 160 uzman içeriyor ve çıkarım sırasında bunlardan sekizini etkinleştiriyor. Etkin 35 milyar parametre, toplam 480 milyar parametrenin yaklaşık yüzde 7,3'üne karşılık geliyor. Modelin bu seçici kullanımı, öğrenilmiş yeteneklerden oluşan çok daha geniş bir havuzu korurken bir isteği yanıtlamak için gereken hesaplama miktarını azaltmaya yardımcı oluyor.
Alibaba, Qwen3-Coder'ı 7,5 trilyondan fazla token üzerinde eğitti. Eğitim materyalinin yüzde 70'ini kod, yüzde 30'unu genel metin oluşturdu. Tokenlar, bir yapay zekâ sisteminin işlediği metin veya kod parçalarıdır. Bunlar kelimeler, kelime parçaları ya da semboller olabilir.
Bu birleşim, modele talimatları yorumlarken başvurabileceği hem programlama materyali hem de gündelik dil sağlıyor. Açıklanan kapsam Python, JavaScript, Java, C++, Go ve Rust dahil 358 programlama ve biçimlendirme dilini içeriyor. Biçimlendirme dilleri içeriğin yapısını veya sunumunu tanımlarken programlama dilleri yazılımların yürüttüğü talimatları ifade ediyor.
Verimlilik artışlarının bireysel kullanıcılar açısından sınırları var. Modelin daha küçük bir bölümünü etkinleştirmek üretim sırasındaki işlem yükünü azaltıyor ancak sistemin tamamı hâlâ büyük. Mimarisi 480 milyar parametrenin tümünü aynı anda etkinleştirmekten daha verimli kaynak kullanımı için tasarlanmış olsa da modelin yerel olarak çalıştırılması çoğu kişi için pratik değil.
Bağlam penceresi neden önemli?
Qwen3-Coder'ın doğal bağlam penceresi 256.000 token. Bu pencere 1 milyona çıkarılabiliyor. Bağlam penceresi, talimatlar, kod ve destekleyici belgeler dahil olmak üzere modelin bir oturumda üzerinde çalışabileceği materyal miktarını ifade ediyor.
Geliştiriciler için daha geniş bir pencere, modelin projenin daha büyük bir bölümünü birlikte değerlendirebilmesi demek. Bir programın bir bölümündeki değişiklik başka bir dosyayı, testi ya da belgeyi etkileyebilir. Bu materyalin daha fazlasını görünür tutmak, sistemin büyük bir kod tabanındaki bağlantıları izlemesine yardımcı olabilir.
Genişletilmiş pencere, doğal kapasitenin neredeyse dört katı. Bu ölçek Qwen3-Coder'ı büyük yazılım projeleri, uzun belgeler, kurumsal geliştirme ve araştırma içeren işler için uygun kılıyor. Ayrıca görevi sohbete yapıştırılan küçük bir parçayla sınırlamak yerine tüm kod tabanının analiz edilmesini destekliyor.
Geniş bağlam kapasitesi, tasarımın yalnızca bir parçası. Modelin ayrıca yararlı bilgileri seçmesi, uygun değişiklikler yapması ve çalışmasını kontrol etmesi gerekiyor. Uzun bağlamın, kodla eğitimin ve araçlara erişimin birleşimi, bu bağlantılı adımları desteklemek üzere tasarlandı.
Ajan tabanlı kodlama neleri değiştiriyor?
Geleneksel kodlama asistanları genellikle bir satırı tamamlıyor, bir işlev öneriyor veya kısa bir kod parçası üretiyor. Qwen3-Coder ise harici araçlar ve API'lerle etkileşim dahil, daha büyük bir programlama hedefine yönelik bir dizi eylemi yerine getirmek üzere tasarlandı.
Geliştiriciler modelden, insanların kullandığı arayüzü ve arka plandaki yazılımı kapsayan tam yığın bir uygulama oluşturmasını isteyebiliyor. Amaçlanan diğer görevler arasında hata ayıklama, mevcut kod tabanlarını yeniden düzenleme, dokümantasyon yazma ve testleri otomatikleştirme bulunuyor. Yeniden düzenleme, yazılımın yapması amaçlanan işi koruyarak kodu yeniden düzenlemek anlamına geliyor.
Alibaba bu davranışı geliştirmek için pekiştirmeli öğrenme kullanıyor. Basitçe söylemek gerekirse model, denemeleri hakkında geri bildirim alıyor ve daha iyi sonuç veren yaklaşımları tercih etmeyi öğreniyor. Qwen3-Coder hem çalışan koddan yararlanan yürütme temelli pekiştirmeli öğrenmeyi hem de birbirine bağlı birden fazla eylem gerektiren görevleri ele alan uzun ufuklu pekiştirmeli öğrenmeyi kullanıyor.
Bu yöntemler güvenilirliği artırmayı ve sistemin geliştirme iş akışlarına uyum sağlamasına yardımcı olmayı amaçlıyor. Bir kodlama ajanının projeyi incelemesi, değişiklik yapması, test çalıştırması ve yanıtını gözden geçirmesi gerekebilir. Başarı, tek tek kod parçalarının kalitesinin yanı sıra bu eylemlerin nasıl bir araya geldiğine de bağlı.
Ekiplere yönelik amaçlanan kazanımlar arasında proje takvimlerinin kısalması, rutin işlere daha az zaman ayrılması, daha fazla analiz ve test yapılması ve büyük kod tabanlarında işbirliğinin kolaylaşması bulunuyor. Geliştiriciler ayrıca yeni entegrasyonlar ve iş düzenleme yöntemleri deneyebilir. Model hatalı kod ve mantık hataları üretebildiğinden, insan denetimi sürecin bir parçası olmaya devam ediyor.
Ölçüt sonuçları nasıl karşılaştırılıyor?
Yapay zekâ sistemlerinin gerçek yazılım sorunlarını çözüp çözemediğini test eden SWE-Bench Verified ölçütünde Qwen3-Coder, 500 tur sınırıyla yüzde 69,6 puan aldı. Claude-Sonnet-4 aynı tur sınırıyla yüzde 70,4 puana ulaştı; böylece Qwen3-Coder'ın puanı 0,8 yüzde puan geride kaldı.
Modeller için açıklanan sonuçlar şöyle:
- Claude-Sonnet-4: yüzde 70,4, 500 tur.
- Qwen3-Coder: yüzde 69,6, 500 tur.
- Kimi-K2: yüzde 65,4.
- GPT-4.1: yüzde 54,6.
- Gemini-2.5-Pro: yüzde 49,0.
Qwen3-Coder'ın puanı Kimi-K2'den 4,2 yüzde puan, GPT-4.1'den 15 yüzde puan ve Gemini-2.5-Pro'dan 20,6 yüzde puan daha yüksekti. Bu karşılaştırma, modelin Claude-Sonnet-4'e yakın olduğunu ve bu ölçütte listelenen diğer sistemleri geride bıraktığını gösteriyor.
Ölçüt, geliştiriciler açısından önemli bir görevi ele alıyor: mevcut yazılımdaki bir sorunu düzeltmek. Önemi, sistemin yalnızca tek başına bir yanıt üretmek yerine bir proje içinde çalışmasını gerektirmesinden kaynaklanıyor. Açıklanan sonuçlar, Qwen3-Coder'ın önde gelen tescilli modellerle rekabet eden açık bir seçenek olarak konumunu destekliyor.
İlk uygulamalı denemelerde izin sistemleri ve büyük kod yeniden düzenleme görevlerinin, kimi zaman çok az manuel müdahaleyle başarıyla tamamlandığı da bildirildi. Bu deneyimler, geliştiricilerin modeli gerçek projelerde nasıl denediğine dair bir fikir vererek ölçüt sonuçlarını tamamlıyor.
Qwen Code modeli geliştirme iş akışlarına taşıyor
Alibaba, Qwen Code'u modelle birlikte yayımladı. Açık kaynaklı komut satırı arayüzü (CLI), geliştiricilerin metin terminali üzerinden talimat vermesine ve programlama görevlerini doğal dille devretmesine olanak tanıyor.
Qwen Code, Gemini Code temel alınarak uyarlandı, Node.js için geliştirildi ve npm üzerinden kurulabiliyor. Node.js, aracın çalıştığı ortamı sağlarken npm yazılım paketlerini kurmak ve yönetmek için kullanılıyor. Araç, modelin yeteneklerini programcıların projeler oluşturup sürdürmek için zaten kullandığı ortama taşıyor.
Geliştiriciler aracı kod optimizasyonu, yeniden düzenleme ve dokümantasyonun yanı sıra API'lere, düzenleyicilere ve bulut platformlarına bağlanmak için de kullanabiliyor. Araç, yaygın olarak CI/CD adıyla bilinen sürekli entegrasyon ve sürekli dağıtım sistemleriyle entegrasyonu destekliyor. Bu sistemler, yazılım yayımlama sürecindeki kontrolleri ve bazı aşamaları otomatikleştiriyor.
Ortam değişkenleri ve özel istemler, geliştiricilerin iş akışlarını yapılandırmasına olanak tanıyor. Ortam değişkenleri çalışan bir programa sağlanan ayarlar; özel istemler ise modele verilen talimatlardır. Bu seçenekler aracın küçük uygulamalardan kurumsal sistemlere kadar farklı projelere uyarlanmasına yardımcı oluyor.
Qwen3-Coder, Claude Code ve diğer topluluk araçlarıyla entegrasyonu da destekliyor. Sunulan erişim yolları, geliştiricilere sistemi mevcut işlerine nasıl dahil etmek istediklerine bağlı olarak sohbet, terminal tabanlı iş akışı ve API'ler üzerinden sunulan hizmetler arasında seçim yapma olanağı veriyor.
Alibaba'nın açık kaynak stratejisi tek bir modelin ötesine uzanıyor
Alibaba'nın bu sürümü, gelişmiş yapay zekâya erişimi genişletmeye yönelik daha kapsamlı bir çabanın parçası. Şirket, Çin'in en büyük açık kaynaklı yapay zekâ topluluğu olarak tanımlanan ModelScope'u işletiyor. Platformda dünya genelinde 70.000'den fazla model ve milyonlarca geliştirici bulunuyor.
Alibaba'ya göre Qwen tabanlı kodlama modelleri dünya genelinde 20 milyondan fazla kez indirildi. İndirme sayıları model ailesinin erişimini gösterirken Qwen3-Coder'ın yayımlanması, otomatik programlama araçları arayan geliştiricilere daha yetenekli bir seçenek sunuyor.
Alibaba'nın mevcut kodlama asistanı Tongyi Lingma, Haziran 2024'ten bu yana 3 milyardan fazla kod satırı üretti. Şirket, aracı Qwen3-Coder'ın ajan tabanlı yetenekleriyle yükseltmeyi planlıyor. 4 Ağustos 2025 itibarıyla bu yükseltme için belirli bir tarih verilmedi.
Qwen3-Coder ve Qwen Code'un açık lisansları, geliştiricilerin teknolojiyi lisans ücreti ödemeden özelleştirip yeniden dağıtmasına olanak tanıyor. Alibaba'nın açıkladığı hedefler arasında girişimlerin ve küçük işletmelerin önündeki engelleri azaltmak, uluslararası işbirliğini teşvik etmek ve ücretli aboneliklerle sunulan kodlama asistanlarına alternatif sağlamak bulunuyor.
Açıklanan tarihler ve planlar kısa bir zaman çizelgesi oluşturuyor:
- Alibaba'ya göre Tongyi Lingma, Haziran 2024'ten bu yana 3 milyardan fazla kod satırı üretti.
- 4 Ağustos 2025 itibarıyla Qwen3-Coder ve beraberindeki Qwen Code aracı yayımlanmıştı.
- Alibaba, yükseltme tarihi belirtmeden Qwen3-Coder'ın ajan tabanlı yeteneklerini Tongyi Lingma'ya taşımayı planlıyor.
Rekabet, denetim ve yapay zekâ kullanımının maliyeti
Microsoft, OpenAI, Google ve Amazon tescilli kodlama araçlarına büyük yatırımlar yaptı. GitHub Copilot ve Gemini Code gibi ürünler rekabet ortamının bir parçası. Şirketler yazılım geliştirmenin daha fazla bölümünü otomatikleştirmek için yarışırken Qwen3-Coder, geliştiricilere başka bir seçenek sunuyor.
Düzenleyici engeller ve şeffaflık talebi, özellikle Çin'de ve teknolojik bağımsızlığını artırmak isteyen diğer bölgelerde açık alternatiflere yönelik ilgiyi artırdı. Kuruluşlar ayrıca geliştirme araçları üzerinde daha fazla denetim kurmak ve tek bir sağlayıcıya bağımlılığı azaltmak istiyor.
Açık lisanslama, bir şirketin modeli kendi amaçları doğrultusunda uyarlamak da dahil olmak üzere neler yapabileceğini değiştiriyor. Ayrıca küçük işletmelere, çoğunlukla tescilli sistemlerle ilişkilendirilen yeteneklere erişim sağlıyor. Alibaba'nın yaklaşımı, geliştiricilerin ortak bir temel üzerine inşa etmesine imkân vererek işbirliğini destekliyor.
İşletme maliyetleri ise ayrı bir değerlendirme konusu. API kullanan geliştiriciler, büyük projeler veya sık yapılan görevler için yüksek faturalarla karşılaşabilir. İlk kullanıcıların bazıları, bu tür kullanımın abonelik hizmetlerine kıyasla pahalıya gelebileceğini belirtti. Modelin tamamını yerel olarak çalıştırmak da kendine özgü donanım gereksinimleri doğuruyor.
Bu nedenle bir girişimin değerlendirmesi gereken birkaç pratik seçenek var: özelleştirme, araçları üzerindeki denetim, donanım kapasitesi ve modele erişimin sürekli maliyeti. Lisans ücreti olmaması avantaj sağlarken bulut veya API kullanımı hâlâ masrafların önemli bir bölümünü oluşturabilir.
İlk heyecana teknik sınırlamalar eşlik ediyor
İlk kullanıcılar Qwen3-Coder'ın zorlu kodlama görevlerini tek denemede tamamlayabildiğini belirtti. Bir geliştirici, modelin büyük bir web projesinde izin sisteminin kodunu "tek seferde" yazabildiğini, diğer açık modellerden daha iyi performans gösterdiğini ve Claude Sonnet 4 ile Gemini gibi ücretli sistemlerle rekabet ettiğini söyledi.
Bazı kullanıcılar performansını "açık kaynak topluluğu için büyük bir kazanım" olarak nitelendirdi. Olumlu tepkiler, daha güçlü kodlama yeteneklerine erişime, büyük projelerde çalışabilme olanağına ve modeli farklı araçlarda kullanma özgürlüğüne odaklandı.
Teknik değerlendirmelerde zayıf yönler de belirlendi. Küçük hatalar ve mantık kusurları manuel düzeltme gerektirebiliyor. 3B simülasyon veya robotik görevlerini içerenler gibi gelişmiş uzamsal akıl yürütme gerektiren işler zorlayıcı bulunuyor. Bazı değerlendirmelerde aşırı sansür veya nüanslı durumlarda tarafsız yanıtlar verildiği kaydedildi.
Bu sınırlamalar kullanıcıları farklı şekillerde etkiliyor. Dokümantasyonu otomatikleştiren bir geliştiricinin kontrol yükü, uygulama izinlerini değiştiren ya da simülasyon üzerinde çalışan birininkinden farklı olabilir. Önerilen bir değişikliğin kullanıma hazır olup olmadığına karar verirken kod incelemesi ve testler gerekli olmaya devam ediyor.
İlk tepkiler, önde gelen tescilli sistemlere yaklaşan açık bir modele yönelik heyecanı; kaynak gereksinimleri ve API maliyetlerine ilişkin kaygılarla birleştiriyor. Modelin belirli bir ekip için değeri, üstlendiği görevlere, düzeltilmesi gereken hatalara ve günlük işlere dahil edilme maliyetine bağlı.
Güvenlik kaygıları kod, veri ve özerklik üzerinde yoğunlaşıyor
Qwen3-Coder'ın Batı'da benimsenmesi güvenlik ve güvenilirlik tartışmalarını beraberinde getirdi. Kaygılar arasında üretilen yazılımdaki fark edilmesi güç güvenlik açıkları, bulut hizmetleri üzerinden tescilli bilgilerin açığa çıkması, hizmet sağlayıcıları etkileyen yasal yükümlülükler ve otonom ajanlara verilen yetki bulunuyor.
Yapay zekâ tarafından üretilen kodların tespit edilmesi zor kusurları olabilir. Bu kodlar başka kuruluşların kullandığı yazılımlara girdiğinde zayıflıklar yazılım tedarik zincirine yayılabilir. Eleştirmenler, tedarik zinciri saldırıları ve önemli sistemlere uzun vadede sızma olasılığı konusunda kaygılarını dile getirdi.
Cybernews baş editörü Jurgita Lapienytė, kritik sistemlerde güvenliği tehlikeye atılmış koda güvenmenin risklerine dikkat çekti:
Kritik sistemlerin güvenliği tehlikeye atılmış kodlarla kurulduğu bir geleceğe farkına varmadan ilerliyor olabiliriz.
Bulut üzerinden erişim, gizli yazılımları işleyen kuruluşlar için başka bir kaygı yaratıyor. Materyalin bir yapay zekâ hizmetine gönderilmesi, tescilli algoritmaları veya hassas altyapıya ilişkin ayrıntıları açığa çıkarabilir. Bu nedenle hizmetin nerede bulunduğu ve nasıl işletildiği de modelin programlama yeteneği kadar önem taşıyor.
Çin'in Ulusal İstihbarat Yasası da tartışmanın bir parçası; yasa, Alibaba gibi şirketlerin yapay zekâ modellerine ve kullanıcı verilerine erişim talepleri dahil olmak üzere hükümet talepleriyle işbirliği yapmasını gerektiriyor. Benimsemeyi değerlendiren şirketlerin bu yasal yükümlülükleri kendi veri gereksinimleriyle birlikte göz önünde bulundurması gerekiyor.
Ajan tabanlı araçlar başka bir sorun daha yaratıyor: Her adımda doğrudan denetim olmadan işlem yapıp yazılımı değiştirebiliyorlar. Kötüye kullanım veya yeterince denetlenmeyen kararlar, yanlış bir öneriden daha büyük sorunlara yol açabilir. Bu nedenle kodlama asistanlarına ilişkin tartışmalarda, nereden geldiklerinden bağımsız olarak güvenlik araçları, düzenleyici denetim ve dikkatli değerlendirme merkezi önem taşıyor.
Açık kaynak rekabetini destekleyenler, daha fazla inceleme ve özelleştirmeye imkân tanıdığı için şeffaflığın riskleri azaltabileceğini savunuyor. Qwen3-Coder bu savı geliştirme ekipleri için pratik bir karara dönüştürüyor: Kod, bilgi ve araçlar üzerindeki denetimi korurken yararlı otomasyondan nasıl faydalanılabilir?
Öne Çıkanlar
- Qwen3-Coder 480 milyar parametreye sahip; çıkarım sırasında 160 uzmandan sekizi kullanılıyor ve 35 milyar parametre etkinleştiriliyor.
- Modelin doğal bağlam penceresi 256.000 token; bu pencere 1 milyona çıkarılabiliyor. Model, 358 programlama ve biçimlendirme dilini kapsıyor.
- Eğitimde yüzde 70'i kod, yüzde 30'u genel metinden oluşan 7,5 trilyondan fazla token kullanıldı.
- Qwen3-Coder, 500 turla SWE-Bench Verified'da yüzde 69,6 puan aldı; Claude-Sonnet-4'ün puanı yüzde 70,4 oldu.
- Qwen Code, Qwen Chat ve API erişimi; kodlama, hata ayıklama, yeniden düzenleme, dokümantasyon ve test için farklı yollar sunuyor.
- Açık lisans, lisans ücreti olmadan değişiklik yapmaya ve yeniden dağıtıma izin veriyor; donanım ve API maliyetleri ise pratik kısıtlar olmaya devam ediyor.
- Alibaba, Tongyi Lingma'yı modelin ajan tabanlı yetenekleriyle güncellemeyi planlıyor.
- Üretilen koddaki hatalar, veri ifşası, yasal yükümlülükler ve otonom eylemler, benimsemeye ilişkin temel kaygılar olmayı sürdürüyor.






