它解决什么问题？
Qwen Code 将代码库理解、文件编辑、命令执行、MCP、技能、子 Agent 和自动化放进同一套工作流。官方入口已经从终端扩展到 VS Code、JetBrains、Zed、桌面端、实验性 Web UI 和聊天渠道。
首次启动可以选择阿里云百炼 Model Studio，也能连接 DeepSeek、MiniMax、智谱、Kimi、OpenRouter、自定义服务，以及通过 Ollama 或 vLLM 使用本地模型。对不想被单一模型供应商锁定的开发者，这是它最清晰的差异点。
为什么是 82 分？
What does it solve?
Qwen Code combines repository understanding, file edits, shell execution, MCP, skills, subagents and automation. Official surfaces extend beyond the terminal to VS Code, JetBrains, Zed, desktop, an experimental Web UI and chat channels.
First-run setup supports Alibaba ModelStudio, built-in third-party providers, OpenRouter, custom endpoints and local models through Ollama or vLLM. That provider flexibility is its clearest differentiator.
Why 82?
| 维度 / Dimension | 得分 / Score | 当前依据 / Evidence |
|---|---|---|
| 实用价值 / Utility | 23/25 | 代码、命令、多 Agent、MCP 与多端入口覆盖完整 |
| 可用程度 / Usability | 17/20 | 安装清楚、中文资料友好，但提供商配置组合较多 |
| 项目健康 / Health | 14/15 | Qwen 团队高频维护，公开提交与文档持续更新 |
| 热度动量 / Momentum | 12/15 | 已形成可观社区；精确日增量从下一次快照开始 |
| 安全隐私 / Safety | 7/15 | 可编辑文件、执行命令、连接 MCP，风险取决于权限和提供商 |
| 成本 / Cost | 9/10 | 框架 Apache-2.0，可按预算选择云端 API 或本地模型 |
试用时重点看什么？
- 用同一个仓库分别连接 Qwen、第三方 API 和本地模型，比较完成率与工具调用稳定性。
- 确认自动模式、沙箱、工作树、MCP 与项目配置的权限边界。
- 记录长上下文任务的模型费用、延迟、失败重试和人工修正时间。
- 不要把“支持某协议”直接理解成所有模型都有相同的工具调用质量。
与 Gemini CLI 的关系
官方说明项目最初基于 Gemini CLI v0.8.2，之后停止同步并独立发展。今天应把它看作独立的多协议、多端 Agent，而不是简单换模型的 Gemini CLI 分支。
来源与边界
功能、安装、模型入口与许可证来自 Qwen Code 官方仓库和官方文档；指标来自 GitHub REST API。尚未完成同任务、多模型的统一实测，初评置信度 66%。
What should a trial measure?
- Run the same repository task with Qwen, a third-party API and a local model.
- Verify permission boundaries for auto mode, sandboxing, worktrees, MCP and project configuration.
- Track cost, latency, retries and human correction time on long-context tasks.
- Do not assume protocol support means equal tool-use quality across models.
How is it related to Gemini CLI?
The official repository says Qwen Code began from Gemini CLI v0.8.2, then stopped syncing and developed independently. It should now be evaluated as a separate multi-protocol, multi-surface agent rather than a simple model swap.
Sources and limits
Capabilities, installation, model options and licensing come from the official repository and documentation. Metrics come from the GitHub REST API. No standardized multi-model benchmark yet; confidence is 66%.