阿里全新Qoder上線!終於讓編程能力外溢了

2026年8月28日 03:00
站內 AI 整理稿

作者 | 程茜 編輯 | 漠影 8月28日報道,昨天,阿里發佈全新Qoder,這是一款以Coding為核心能力,面向所有人的智能體工作臺,用戶無論是否懂代碼,都能把創意快速轉化為可落地的成果。全新Qoder的核心優勢在於既能適配專業開發人員需求,也能覆蓋產品、設計、運營、數據、獨立創作者等一眾目標明確、能辨別產出好壞、希望快速落地創意的人群。▲全新Qoder主頁 這也是其此次升級的關鍵,讓非技術人員不必受限於技術排期,自主搭建產品原型、快速驗證落地的方案;專業開發者得以從機械重複的工作裡抽身,專注攻克複雜工程難題,真正實現不同角色各取所需。

實際體驗發現,作為非專業開發者,全新的Qoder的上手體驗十分友好,代碼生成與運行完全隱藏在系統後臺,不用懂代碼,通過自然語言講出想法,Qoder會一步步細化梳理需求,然後通過簡單的對話完成開發協作。目前Qoder在上線初期還推出限時權益,助力用戶快速體驗全功能能力。即日起至9月1日10點,個人版用戶連續5天每天10點可以領取500 Qwen模型專屬Credits,最多可領2500 Credits;企業用戶使用全新Qoder搭載的Qwen3.8系列模型,可享5折優惠。

一、600萬用戶、10企業實戰積澱,Qoder把編程開放給更廣泛群體和場景 在當下的產業節點,Coding Agent的競爭已經告別單純代碼生成競賽,不再是侷限於開發者的專屬工具,而是開始滿足更廣泛群體的AI需求,從輔助寫代碼,進化為能自主完成任務的通用生產力。Qoder的全新升級也與這一行業趨勢一脈相承,它並非在原有Coding平臺上升級能力,而是推出一個人人都能用的智能體平臺,從而拉近編程與用戶日常任務場景的距離。首先在交互體驗上,在成熟的對話框交互模式之外,Qoder新增了桌面寵物+實時語音的方式,相當於在桌面配了個小助手幫你盯任務。

用戶喚起桌面寵物後,點擊寵物即可直接口述需求、發出指令,並且寵物還能常駐桌面,實時同步任務進度。▲全新Qoder的桌面寵物 為滿足不同類型用戶,Qoder同時兼顧專業與非專業兩類人群的實際使用訴求,提供了編程和通用兩種模式。面向專業開發者,該平臺支持按需自主挑選適配模型;非專業用戶則可將這一任務交給Auto智能調度引擎,系統可根據任務類型、難度特徵,自動平衡輸出效果、運行速度與使用成本,無需手動調參。▲全新Qoder的模型選擇 其在平臺的模式上同樣做了區分:編程模式適配代碼開發類工作;通用模式下用戶不必接觸代碼,即可調用編程能力與各類工具完成任務。

依託Qoder積累一年的Agent Harness基座,平臺也具備承接更長鏈路、更高複雜度任務的實力,有效減少來回溝通成本。在海量來自真實世界的開發、自動化、業務改造任務的基礎上,Qoder一直在打磨Agent Harness基座,迭代長上下文深度理解、複雜任務拆解規劃、代碼可靠執行輸出、輸出結果自主驗證閉環能力。此外,在能力擴展方面,Qoder提供了豐富的外部生態支撐,接入40+連接器、70+插件以及20K+技能庫,能夠打通代碼倉庫、項目管理工具、雲服務以及各類企業的內部業務系統。

跳出產品功能本身來看,Qoder這一輪升級既要滿足專業開發者對自由度、可控性、高性能的工程訴求,又要讓沒有技術背景的普通業務用戶,能用上Coding Agent能力。而這套產品能力背後,飛速增長的用戶規模、海量落地的實戰案例,正是Qoder進化的動力。自上線以來,Qoder火速出圈,5天用戶數量便達到10萬,6周用戶數量突破百萬,8個月內收入就達到1億美元。如今,其累計用戶數量已超過600萬,企業用戶數量達到了10萬以上。基於此,Qoder搭建起這套Agentic Coding完整體系,讓編程不再是少數人的專業技能,成為所有用戶都能隨時調用的通用數字執行能力。

二、從小工具到企業級腳本,Qoder實現小白與專業開發者通吃 實際表現是檢驗Qoder能力的關鍵,深入體驗了這一平臺的各項核心能力。第一個案例中,我們模擬設計師的真實訴求,讓Qoder搭建一款批量處理設計素材的小工具,實現素材批量壓縮、格式轉換、重命名、圖片裁切、去除水印全套功能。接到需求後,Qoder不僅完成代碼生成,還會調用瀏覽器截圖工具預覽輸出效果,對照界面反饋自主排查問題、迭代修復bug,同時自動開展功能測試,驗證工具可用性。

▲設計素材批量處理界面(左)、批量重命名圖片效果(右) 可以看到,Qoder直接在電腦桌面為我打包了一個App,我只需要上傳包含圖片的文件夾,就能快速進行批量圖片處理。不過實際任務中,這一工具起初無法上傳單張或多張圖片,我只需要隨時追加新的改動需求,Qoder就會在原有項目基礎上繼續迭代調整,新增圖片文件模式。同時,當Qoder檢測到我的電腦裡沒有可執行的Python環境時,會給出完整安裝教程,並且針對涉及設備權限、密碼驗證的複雜步驟,其還會進一步簡化操作流程,分步引導用戶自主完成配置。第二個案例難度繼續升級,我們給出的需求只有一句話:開發一款類似薄荷健康的iOS版本健康管理App。

這一任務背後的難點,在於需要Qoder自主補齊產品定義、數據搭建、功能實現多個環節。在實際交互過程中,Qoder會逐項主動確認產品功能點、UI設計風格、交互邏輯,然後先輸出詳盡的初版方案等待我確認,拿到反饋後再啟動開發。▲全新Qoder生成的部分方案 在執行階段,其還能主動調用各類工具,自主搭建食物數據庫、安裝配置所需插件,一步步推進完整App原型。其最後生成的App完成度很高,我幾乎沒有進行二次修改即可使用。其中在App的“今日”欄目下,我可以添加自己的早午晚餐食物,App會自動計算熱量,在“統計”頁面會對體重和攝入趨勢進行分析,同時還能用戶設定目標與日常活動,規劃每天的飲食方案。

▲全新Qoder生成的類薄荷健康App預覽 最後是高難度的專業開發場景,Qoder需要模擬企業研發工作,使用Python Pytest編寫一套企業級業務迴歸自動化測試腳本。相比於前兩個,這一任務對代碼規範性、工程落地、業務邏輯都有更高要求,屬於專業開發者的典型生產任務。開發過程中,Qoder可完成測試用例設計、腳本架構編排、邊界場景全覆蓋,並且輸出的代碼規範標準。不過,因本次實測無實際業務系統對接,Qoder自主生成了101條全覆蓋測試用例,並自動輸出完整、清晰的專業測試報告,交付質量基本滿足企業工程化標準。

▲企業級自動化測試報告 綜合來看,Qoder既適配開發小白以及需要高效落地各類開發需求的用戶,人機協作體驗流暢、輕鬆且高效,同樣也能扛住企業級、標準化的專業開發任務,是一款集全場景覆蓋、高階技術能力、高度智能化、零門檻易用性於一體的智能開發引擎。結語:Qoder重新定義編程的使用邊界 長久以來,代碼開發、程序搭建、工程化研發始終是少數專業技術人員的專屬能力,複雜的代碼門檻、繁瑣的開發流程讓無數普通創作者、職場從業者被隔絕在數字化創作的大門之外。

如今,Qoder正推動Coding迭代為大眾可便捷調用、人人可靈活掌控的通用數字能力,但值得注意的是,它並非弱化、脫離編程開發的本質,而是讓編程價值落地更廣、技術應用走得更遠,讓Coding真正成為個人創作提效、職場能力進階、企業項目研發的核心數字生產力工具。

Related

相關文章

MarkTechPost AI模型更新

Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能

Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。

14 小時前
MarkTechPost AI模型更新

認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶

Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。

1 天前
MarkTechPost AI模型更新

DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API

DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。

1 天前
MarkTechPost AI模型更新

2026年20款Jev替代方案:挑戰TypeSafe的決策模型

TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。

1 天前
雷峰網模型更新

長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報

要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.

2 天前