Qwen para programar: dá para usar como assistente de código?

Fala aí, beleza? Em 4 de fevereiro de 2026 a equipe Qwen (Alibaba) soltou o Qwen3-Coder-Next, o modelo da linha voltado pra agentes de programação e desenvolvimento local

E ele chega num cenário bem específico: quase todo dev que leva IA a sério já tem UM assistente de código rodando, então a pergunta deixou de ser "qual eu adoto" e virou "vale a pena ter um segundo?"

Só que aí mora a confusão

Usar Qwen para programar pode significar três decisões diferentes: trocar de modelo, trocar de ferramenta ou simplesmente trocar de conta de custo

Bora separar isso, porque a decisão muda completamente dependendo do que você está tentando resolver

Qwen3-Coder-Next e Qwen Code: modelo e ferramenta são coisas diferentes

Primeiro o modelo

O Qwen3-Coder-Next é um Mixture-of-Experts com 80 bilhões de parâmetros totais e apenas 3 bilhões ativados por token

Se você nunca mexeu com MoE, a analogia de aproximação é simples: em vez de acordar o modelo inteiro a cada token, ele acorda só o pedaço especialista que precisa naquele momento

A janela de contexto nativa é de 256K tokens e os pesos saem sob licença Apache 2.0, ou seja, pesos abertos de verdade

E ele não é filho único: a linha Qwen3-Coder tem também o Qwen3-Coder-480B-A35B-Instruct e o Qwen3-Coder-30B-A3B-Instruct publicados no Hugging Face e no Amazon Bedrock

Agora a ferramenta

O QwenLM/qwen-code é um agente de código open source que roda no terminal, mantido pela própria equipe Qwen

E tem um detalhe honesto na origem dele: o Qwen Code é adaptado do Google Gemini CLI v0.8.2, com adaptações em nível de parser pros modelos Qwen-Coder

Aqui está o ponto que trava muita gente na hora de decidir

O CLI aceita outros modelos além do Qwen, e o modelo roda fora do CLI numa boa

Dá pra usar o Qwen Code apontando pra OpenAI, Anthropic, Google, Azure OpenAI, OpenRouter, Requesty, ModelScope ou pra um endpoint local tipo Ollama ou vLLM

Só presta atenção em COMO isso aparece na tela, porque é aqui que a documentação confunde: o menu /auth mostra três opções de nível superior (Alibaba ModelStudio, Third-party Providers e Custom Provider), e os únicos nomes que vêm listados dentro de Third-party Providers são ModelScope, DeepSeek, MiniMax, OpenRouter e Requesty

Todo o resto (OpenAI, Anthropic, Google, Azure OpenAI e os endpoints locais tipo Ollama e vLLM) entra pelo Custom Provider, configurado por API compatível com OpenAI

E dá pra usar o Qwen3-Coder-Next dentro de outra ferramenta qualquer que fale API compatível com OpenAI

São duas escolhas independentes, beleza? Vale lembrar também que a linha Qwen é bem maior que código, tem modelo pra outras frentes como a edição de imagem da linha Qwen, então não confunda um lançamento com o outro

Formas de acessar o Qwen para programar e quanto custa cada uma

Essa é a parte que ninguém organiza direito, então segue a tabela com as vias verificadas e o que cada uma cobra ou limita:

Sobre o plano Lite: quem já é assinante usa até expirar e depois migra pro Pro

E tem uma mudança que você precisa saber ANTES de montar qualquer fluxo em cima disso

O nível gratuito hospedado acabou

O acesso gratuito de inferência via Qwen OAuth foi descontinuado

A cota caiu de 1.000 pra 100 requisições por dia e foi encerrada em 15 de abril de 2026, sem substituto gratuito anunciado

A cobertura independente do caso registrou os caminhos indicados depois disso: Alibaba Cloud Coding Plan, OpenRouter, Fireworks AI ou chave própria

Tome cuidado com conteúdo antigo circulando por aí prometendo "2.000 chamadas grátis por dia" no Qwen Code: hoje essa gratuidade existe pelo ModelScope e é restrita à China continental

O que continua gratuito é o CLI em si, que segue open source 🙂

Em que tipo de tarefa de código o Qwen se encaixa

Os encaixes saem direto do que o modelo e a ferramenta são:

• Agente de terminal em base grande: contexto nativo de 256K é bastante espaço pra jogar arquivo, log e histórico de mudança na mesma sessão
• Código que não pode sair da rede: com ollama run qwen3-coder-next a inferência acontece na sua máquina ou no seu servidor, o que resolve o caso do repositório que a empresa não deixa subir pra API de terceiro
• Tarefa de volume com custo por token baixo: US$ 0,11 de entrada e US$ 0,80 de saída por milhão via OpenRouter muda a conta de coisa repetitiva (varredura, refactor mecânico, geração de teste em série)
• Integração corporativa: quem já vive dentro da AWS pega o modelo gerenciado no Bedrock pelo ID qwen.qwen3-coder-next, sem provisionar GPU
• Segundo assistente ao lado do principal: você mantém o caro pro que é difícil e joga o barato no resto

Esse último ponto é o mesmo raciocínio de quem coloca IA dentro de fluxo pra escalar automações sem código: o que manda na viabilidade não é o hype do modelo, é o custo por chamada multiplicado pelo volume

E onde ele NÃO é a aposta óbvia

Aqui vale a honestidade, e ela vem da própria Qwen

A equipe reconhece limitações do Qwen3-Coder-Next frente aos modelos proprietários de fronteira, por conta da pegada menor de computação ativa e de treino

É um trade-off assumido: eficiência de deploy em troca de capacidade

Então pra tarefa de raciocínio pesado, aquela arquitetura chata que exige o modelo segurar dez fios ao mesmo tempo, essa troca pesa contra

E atenção no caminho local: as tags do Ollama pedem 52GB (q4_K_M) ou 85GB (q8_0), não é qualquer notebook que aguenta o tranco

Como instalar o Qwen Code e apontar para um provedor

Passo a passo curto, só com o que está documentado:

1. Instale via npm (o requisito é Node.js 22+):

npm install -g @qwen-code/qwen-code@latest

O erro comum deste passo é rodar em Node antigo: confira sua versão antes, porque o requisito é 22 pra cima

2. No macOS e no Linux, a alternativa é o Homebrew:

brew install qwen-code

3. Abra a interface interativa no terminal:

qwen

4. Na primeira execução, escolha a autenticação no menu /auth, que oferece três opções de nível superior: Alibaba ModelStudio (Coding Plan, Token Plan ou API Key), Third-party Providers (ModelScope, DeepSeek, MiniMax, OpenRouter, Requesty) e Custom Provider

Repara que esses são os nomes que o menu lista: provedor que não aparece ali dentro, incluindo endpoint local, é o caso do Custom Provider, configurado pela API compatível com OpenAI do passo seguinte

5. Se você vai por API compatível com OpenAI, configure as três variáveis, em variável de ambiente ou no arquivo .env do projeto:

OPENAI_API_KEY=sua_chave
OPENAI_BASE_URL=url_do_provedor
OPENAI_MODEL=modelo_escolhido

6. A configuração fica no arquivo ~/.qwen/settings.json

E esse é o erro comum que faz gente perder tarde inteira: o campo envKey aponta o NOME da variável de ambiente, não a chave em si

Se você colar a API key ali, não é isso que ele espera

7. Caminho local: se o servidor de inferência não sobe, a documentação do modelo orienta reduzir o context length pra um valor menor, por exemplo 32768

Faz sentido: 256K de contexto é lindo no papel e brutal na memória

Veredito: quando vale adotar o Qwen como segundo assistente

Juntando tudo, olha como fica a balança

O que pesa a favor:

• Pesos abertos sob Apache 2.0, o que libera rodar onde você quiser
• 70,6 no SWE-Bench Verified usando o scaffold SWE-Agent, segundo o anúncio oficial da Qwen
• Preço por token baixo na via OpenRouter
• Troca de modelo em tempo de execução no CLI, com OpenAI, Anthropic, Google, Azure OpenAI, OpenRouter, Requesty, ModelScope e endpoints locais como Ollama e vLLM (os que não vêm nomeados no menu /auth entram pelo Custom Provider)

O que pesa contra:

• A limitação assumida pela própria Qwen frente aos modelos de fronteira
• O fim do nível gratuito hospedado em 15 de abril de 2026
• O plano Lite do Coding Plan encerrado pra novas assinaturas e pra renovação
• A gratuidade do ModelScope existir só pra China continental

Quem ganha com a troca: time com restrição de dados que precisa de inferência dentro de casa, quem tem volume alto de tarefa mecânica e sente o custo por token, e quem quer um agente de terminal que aceita trocar de provedor sem trocar de ferramenta

Quem não ganha: quem espera substituir o assistente principal em raciocínio difícil, e quem está atrás de opção gratuita e estável, porque essa porta fechou

Conclusão

Usar Qwen para programar não é uma decisão só, são três: o modelo, o agente de terminal e a via de acesso que você vai pagar

O Qwen3-Coder-Next é MoE de 80B totais com 3B ativos, contexto de 256K e Apache 2.0

O Qwen Code é o agente open source de terminal, adaptado do Gemini CLI v0.8.2, e ele aceita provedor de fora e endpoint local

Próximo passo prático: instala o CLI, aponta pra uma chave própria ou pra um provedor barato e roda UMA tarefa real de baixo risco antes de mover qualquer fluxo principal

E fica de olho no repositório oficial github.com/QwenLM/qwen-code pras mudanças de acesso, porque elas já mudaram uma vez e podem mudar de novo…

Até o próximo post! 😀