通义千问代码能力实测：Qwen3-Coder系列到底有多强？

大家好，这里是程序员晚枫。

阿里云Coding Plan最大的卖点之一，就是通义千问系列的代码能力。

尤其是Qwen3-Coder-Next和Qwen3-Coder-Plus，号称专为编程优化。今天我来实测一下，看看它们到底有多强。

一、评测维度说明

我从5个维度测试通义千问的代码能力：

  1. 代码生成质量：生成的代码是否正确、规范
  2. 中文理解能力：对中文注释、需求描述的理解
  3. 算法能力：数据结构和算法题的解答
  4. 代码解释能力：对现有代码的分析和解释
  5. 实际项目能力：复杂业务场景的处理

二、实测对比

测试1：Python数据处理

Prompt：写一个Python函数，读取Excel文件，筛选出某一列大于100的行，并保存为新文件

Qwen3-Coder-Plus

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
import pandas as pd

def filter_excel_by_column(input_file, output_file, column_name, threshold=100):
    """
    读取Excel文件，筛选指定列大于阈值的行
    
    Args:
        input_file: 输入Excel文件路径
        output_file: 输出Excel文件路径
        column_name: 要筛选的列名
        threshold: 阈值，默认100
    
    Returns:
        int: 筛选后的行数
    """
    try:
        # 读取Excel文件
        df = pd.read_excel(input_file)
        
        # 检查列是否存在
        if column_name not in df.columns:
            raise ValueError(f"列 '{column_name}' 不存在，可用列：{list(df.columns)}")
        
        # 筛选数据
        filtered_df = df[df[column_name] > threshold]
        
        # 保存结果
        filtered_df.to_excel(output_file, index=False)
        
        print(f"筛选完成：原始 {len(df)} 行，筛选后 {len(filtered_df)} 行")
        return len(filtered_df)
        
    except Exception as e:
        print(f"处理出错：{e}")
        return 0

# 使用示例
if __name__ == "__main__":
    filter_excel_by_column("data.xlsx", "filtered.xlsx", "销售额")

评价：

  • ✅ 代码完整，有异常处理
  • ✅ 注释详细，文档字符串规范
  • ✅ 中文注释自然流畅
  • ✅ 考虑了边界情况（列不存在）
  • ✅ 有使用示例

Qwen3.5-Plus

1
2
3
4
5
6
7
import pandas as pd

def filter_excel(input_file, column_name, threshold=100):
    df = pd.read_excel(input_file)
    filtered = df[df[column_name] > threshold]
    filtered.to_excel("output.xlsx", index=False)
    return filtered

评价：

  • ✅ 代码简洁，核心逻辑正确
  • ⚠️ 缺少异常处理
  • ⚠️ 注释较少

测试1结论：Qwen3-Coder-Plus > Qwen3.5-Plus

测试2：算法题解答

Prompt：用Python实现快速排序，要求原地排序，并解释时间复杂度

Qwen3-Coder-Plus

不仅给出了正确的快速排序实现，还：

  • 提供了递归和迭代两种写法
  • 详细分析了时间复杂度（最好O(nlogn)、平均O(nlogn)、最坏O(n²)）
  • 讨论了空间复杂度
  • 给出了优化建议（三数取中法、随机化pivot）
  • 附带了完整的测试代码

评价：算法能力确实强，讲解清晰，考虑全面。

Qwen3-Max

代码正确，解释清晰，但优化建议较少。

测试2结论：Qwen3-Coder-Plus > Qwen3-Max

测试3：中文需求理解

Prompt：帮我写一个Python脚本，把文件夹里的所有图片批量压缩，要求保持原格式，压缩后大小不超过500KB

Qwen3-Coder-Plus

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
import os
from PIL import Image
import glob

def compress_images(folder_path, max_size_kb=500, quality=85):
    """
    批量压缩文件夹中的图片
    
    Args:
        folder_path: 图片文件夹路径
        max_size_kb: 最大文件大小（KB）
        quality: 压缩质量（1-100）
    """
    # 支持的图片格式
    supported_formats = ('*.jpg', '*.jpeg', '*.png', '*.bmp', '*.tiff')
    
    image_files = []
    for pattern in supported_formats:
        image_files.extend(glob.glob(os.path.join(folder_path, pattern)))
    
    print(f"找到 {len(image_files)} 张图片")
    
    for img_path in image_files:
        try:
            # 获取文件信息
            original_size = os.path.getsize(img_path) / 1024  # KB
            file_ext = os.path.splitext(img_path)[1].lower()
            
            # 如果已经小于阈值，跳过
            if original_size <= max_size_kb:
                print(f"跳过（已满足要求）: {os.path.basename(img_path)}")
                continue
            
            # 打开图片
            with Image.open(img_path) as img:
                # 转换为RGB（处理RGBA等格式）
                if img.mode in ('RGBA', 'LA', 'P'):
                    background = Image.new('RGB', img.size, (255, 255, 255))
                    background.paste(img, mask=img.split()[-1] if img.mode != 'P' else None)
                    img = background
                
                # 逐步降低质量直到满足大小要求
                temp_quality = quality
                while temp_quality > 10:
                    # 保存到临时文件
                    temp_path = img_path + '.temp'
                    
                    if file_ext in ('.jpg', '.jpeg'):
                        img.save(temp_path, 'JPEG', quality=temp_quality, optimize=True)
                    elif file_ext == '.png':
                        img.save(temp_path, 'PNG', optimize=True)
                    else:
                        img.save(temp_path, quality=temp_quality)
                    
                    # 检查大小
                    new_size = os.path.getsize(temp_path) / 1024
                    
                    if new_size <= max_size_kb:
                        # 替换原文件
                        os.replace(temp_path, img_path)
                        print(f"压缩成功: {os.path.basename(img_path)} "
                              f"({original_size:.1f}KB -> {new_size:.1f}KB)")
                        break
                    else:
                        os.remove(temp_path)
                        temp_quality -= 5
                else:
                    print(f"无法压缩到目标大小: {os.path.basename(img_path)}")
                    
        except Exception as e:
            print(f"处理失败 {os.path.basename(img_path)}: {e}")

# 使用示例
if __name__ == "__main__":
    compress_images("./images", max_size_kb=500)

评价：

  • ✅ 完整理解了”保持原格式”和”不超过500KB”两个需求
  • ✅ 考虑了多种图片格式
  • ✅ 有智能的压缩策略（逐步降低质量）
  • ✅ 中文注释自然流畅
  • ✅ 有详细的进度输出

测试3结论：中文需求理解能力非常出色

测试4：代码解释

Prompt：解释下面这段代码的作用，并指出潜在问题

1
2
3
4
5
6
def process_data(data):
    result = []
    for item in data:
        if item['status'] == 'active':
            result.append(item)
    return result

Qwen3-Coder-Plus的回答

代码作用：
这段代码的功能是从一个字典列表中筛选出状态为’active’的项，返回一个新的列表。

潜在问题：

  1. 空值检查缺失：如果item没有’status’键，会抛出KeyError
  2. 大小写敏感：’active’和’Active’会被视为不同
  3. 性能问题：对于大数据量，使用生成器更高效
  4. 没有输入验证：data可能不是列表

改进建议：

1
2
3
4
5
6
7
8
9
10
def process_data(data):
    if not isinstance(data, list):
        raise ValueError("data必须是列表")
    
    for item in data:
        if not isinstance(item, dict):
            continue
        status = item.get('status', '').lower()
        if status == 'active':
            yield item  # 使用生成器更省内存

评价：分析全面，指出的问题都很实际，改进代码质量高。

三、综合评分

维度Qwen3-Coder-PlusQwen3-Coder-NextQwen3.5-PlusQwen3-Max
代码生成⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
中文理解⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
算法能力⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
代码解释⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
项目实战⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐

四、使用建议

日常开发

→ Qwen3-Coder-Plus
理由：代码质量最高，注释规范，适合生产环境。

快速原型

→ Qwen3-Coder-Next
理由：编程专项优化，响应速度快。

复杂业务

→ Qwen3-Max
理由：综合能力最强，理解复杂需求更准确。

通用场景

→ Qwen3.5-Plus
理由：速度快，成本低，日常够用。

五、怎么体验？

阿里云Coding Plan

👉 点击订阅阿里云Coding Plan

一个订阅，通义千问全系列随便用。

六、写在最后

通义千问的代码能力，尤其是Qwen3-Coder系列，确实给了我惊喜。

中文注释自然、代码规范、考虑周全——这些都是国内开发者真正需要的。

国产AI模型，真的站起来了。

说到这儿，插播一个消息。

**4月12日，我会在郑州参加腾讯云社区的”龙虾公开课”**，现场分享《一人公司的AI实战指南》，包括怎么用通义千问这类国产模型提升开发效率。

如果你正好在郑州，欢迎来现场交流。

👉 报名链接：https://mp.weixin.qq.com/s/XQhCrkbumDqtOZXuapMpVg

AI是杠杆，不是对手。

选择权在你手里。

🎁 福利时间

送你一份《通义千问编程技巧手册》：

  • 各模型适用场景速查表
  • Prompt优化技巧
  • 实战代码示例

👉 点击免费领取

📚 想系统学习AI编程？

《30讲 · AI编程训练营》 —— 从0到1掌握AI编程实战。

另外，大家去给小明的小红书👇账号点点赞吧~！

【小红书二维码】

【公众号二维码】

🧧 领个红包再走呗~

【红包二维码】

程序员晚枫，专注AI编程培训，法学硕士转行的Python程序员，开源项目 python-office 作者。

进群

嗨，扫码 进群

微信

扫一扫，分享到微信

微信分享二维码
本站总访问量次

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置：

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

编程博主，全网粉丝30w+，开源项目：python-office，我的微信：python-office