留存升了 3.85%，工具错误降了 61.5%：Qwen-Coder-Qoder 的线上数就这些

留存升了 3.85%，工具错误降了 61.5%：Qwen-Coder-Qoder 的线上数就这些

阿里云社区在 2026 年 7 月 17 日介绍了 Qwen-Coder-Qoder。它在 Qwen-Coder 上做大规模强化学习，对齐 Qoder 的场景、工具和 Agent 结构。Qoder 是阿里的 AI 编码与 Agent 桌面产品。这篇同时给了基准对比和几周线上变化，但没有给出样本量、绝对分和对照窗口。

Qoder Bench 上赢了任务解决，Windows 终端最多提高 50%

Qoder Bench 是他们自己的真实软件工程任务基准。文中只写：Qwen-Coder-Qoder 在任务解决上超过 Cursor Composer-1。Windows 上的终端命令准确率最多提高 50%。原文没有给出两边的绝对分、任务条数、Windows 的分母，也没有说明这 50% 是相对 Composer-1 还是相对上一版自己。

线上另有三项，时间范围是过去几周：代码留存上升 3.85%，工具错误率下降 61.5%，Token 消耗下降 14.5%。原文说这些指标让 Qoder 站到世界第一档模型旁边，但没有列出对照模型和绝对错误率。每天有数千用户在用产品，这是流量规模，不是评测分。

奖励看的是能不能做完，不是补丁能不能过

他们把模型、Agent、产品收成一个环：模型提供执行能力，产品侧一切围绕 Agent，每天的真实使用被抽成软件工程实践，再变成强化学习的奖励。训练环境是 Qoder 自己的知识、记忆、工具和 MCP、上下文，用来做真实编码任务。为了放大规模，他们自动搭了数万个真实软件环境，用高速容器化随时拉起和拆掉沙箱。

正确性不只有单元测试。还用 CLI 检查和自定义清单，确认 Agent 真的做完了，而不是只交一个能过的 diff。代码怎么写也有硬规则，要求过程和资深工程师的标准一致。

奖励黑客被单独写出来。如果为了速度去奖励并行调用工具，模型可能去扫大量无关文件来刷分。并行指标很好看，对最终正确率没有贡献。他们的对策是 Rewarder-Attacker：训练开始前，用一个 LLM 当审查员，不断攻击奖励系统、找漏洞。原文说这明显加快了奖励设计的迭代，也提高了稳健性，但没有给出找出多少漏洞、攻击前后奖励分差。

rollout 占掉七成以上时间，吞吐提高约 10 倍

训练框架是 ROLL，用来在数千张 GPU 上训练数千亿参数的 MoE。典型强化学习循环里，rollout 经常占掉总时间的 70% 以上。他们从两头改：

1. rollout 本身：异步调度减少空等，前缀和 KV 缓存复用去掉重复计算，冗余的环境执行去压长尾延迟。
2. rollout 和训练一起设计：放宽 on-policy 约束，允许跨版本采样，训练和 rollout 并行，并在训练等待时把 GPU 让给 rollout。

这些系统改动把吞吐提高了约 10 倍，训练周期被压短。原文没有给出改动前的绝对吞吐。

这是飞轮的第一站，不是一张完整成绩单

文中把今天发布的模型写成「模型—Agent—产品」飞轮的第一座里程碑，后面按周迭代。读的时候只保留原文给得出的边界：Qoder Bench 只有「超过 Composer-1」和 Windows 终端最多 50%，没有绝对分；3.85%、61.5%、14.5% 是过去几周的相对变化，没有基线绝对值和样本量；数万环境和约 10 倍吞吐是训练系统规模，不是用户任务准确率；奖励攻击没有公开漏洞数。

出处：阿里云，Alibaba Cloud Community，Qwen-Coder-Qoder: Customizing a Fast-Evolving Frontier Model for Real Software，2026-07-17，https://www.alibabacloud.com/blog/qwen-coder-qoder-customizing-a-fast-evolving-frontier-model-for-real-software_603370