Qwen-AgentWorld

Qwen-AgentWorld – 通义千问推出的原生语言世界模型

Qwen-AgentWorld：通义千问团队革新性语言世界模型，开启智能体训练新纪元

在人工智能飞速发展的浪潮中，模拟真实世界并训练智能体（Agent）的能力至关重要。通义千问团队近日重磅推出其首个语言世界模型——Qwen-AgentWorld，这一创新之举标志着我们在理解和构建智能体交互环境方面迈出了性的一步。Qwen-AgentWorld 并非简单的大语言模型，而是通过精密的“长思维链”推理，能够模拟包括 MCP（多方协作）、搜索引擎、终端、软件工程、Android、Web 浏览器以及操作系统在内的七大核心智能体环境。该模型基于超过千万条真实交互数据精心打磨，历经 CPT（持续预训练）、SFT（监督微调）和 RL（强化学习）三个阶段的严谨训练，并同步推出了 AgentWorldBench 这一权威评测基准，有力证明了其在环境模拟与智能体训练领域的卓越性能。

Qwen-AgentWorld 揭秘：不止于模拟，更在于赋能

Qwen-AgentWorld 的核心价值在于其构建了一个高度逼真且可控的语言世界，为智能体的学习和进化提供了坚实的基础。其主要功能亮点包括：

• 跨越七域的统一环境模拟：它打破了不同交互环境之间的壁垒，将 MCP 工具调用、搜索引擎、Linux 终端、软件工程（SWE）、Android GUI、Web 浏览器以及操作系统等七大异构环境，统一为一种简洁的文本格式来表达状态的转移，极大地简化了多环境下的智能体训练流程。
• “长思维链”驱动的状态预测：模型能够精准捕捉当前环境状态与智能体动作之间的细微联系。通过深度“长思维链”（CoT）推理，它能够预测出极其精确的环境反馈，无论是下一刻的 UI 界面变化、终端输出，还是出现的错误信息，都逃不过它的洞察。
• 可控的对抗性模拟能力：Qwen-AgentWorld 赋予了用户前所未有的控制力。用户可以注入特定的模拟指令，例如“隐藏部分搜索结果”或“模拟磁盘满报错”，从而系统性地生成现实世界中难以遇到的极端边缘案例，极大地增强了智能体的鲁棒性。
• 智能体强化学习的强大训练平台：它作为一个解耦的环境模拟器，能够支撑“Sim Agentic RL”的训练范式。在超过 4000 个真实的 OpenClaw 环境中，Qwen-AgentWorld 实现了可扩展的回合级训练，为智能体能力的提升提供了高效的训练场。
• 统一的智能体基础模型：通过对这个“语言世界”的深度训练，Qwen-AgentWorld 内化了世界建模的能力，使其能够像智能体自身的“反思”机制一样，在执行任务前进行前向思考，从而显著提升下游任务的表现。

Qwen-AgentWorld 的技术精髓：洞察与构建的艺术

Qwen-AgentWorld 的强大性能源于其独特的技术架构和训练策略：

• 统一轨迹模式的构建：它将七个原本异构的环境，其状态表示统一为一种标准的 (system_prompt， action， observation) 序列。其中，system_prompt 包含了任务描述、动作空间、初始状态、演示示例以及模拟指令这五个关键要素，确保了信息传递的完整性和一致性。
• 三阶段训练的精炼过程：
  • CPT（持续预训练）：通过注入环境状态转移的动力学信息以及专业语料，模型首先建立起通用的世界建模能力。
  • SFT（监督微调）：在此阶段，模型被激活以“下一状态预测”为核心的推理思维链模式。
  • RL（强化学习）：最后，通过结合混合评分标准奖励（rubric-based）与规则奖励（rule-based），模型进一步精修其模拟的真实性和保真度。
• 混合奖励框架的创新应用：对于那些可以被验证的确定性能力，例如终端命令的执行结果或文件系统的变化，模型设计了专门的规则验证器。而对于开放域的模拟质量，则采用了一个包含五个维度的评分标准进行评判。
• 环境表示的智慧选择：在文本域，模型直接预测文本输出。而在 GUI（图形用户界面）域，它巧妙地利用可访问性树（accessibility tree）和 UI 视图的层级结构来表示状态，而非直接处理原始像素数据，这使得纯文本模型能够有效地理解和模拟视觉交互环境。

如何驾驭 Qwen-AgentWorld 的强大力量

Qwen-AgentWorld 提供了两种核心的使用模式，以满足不同场景的需求：

• 作为环境模拟器（Decoupled 模式）：您可以将该模型部署为真实环境的替代品。通过 API 接口，模型接收 (state， action)，并返回 next_state。这种模式特别适用于大规模的回合级强化学习训练，无需复杂的沙箱或虚拟机环境。
• 作为智能体基础模型（Unified 模式）：您可以直接将 Qwen-AgentWorld 作为智能体的主干。其内置的世界建模能力可以极大地辅助动作的选择。在 Terminal-Bench、SWE-Bench、Claw-Eval 等基准测试中，它能够实现开箱即用的强大表现。
• 模型获取途径：您可以通过 HuggingFace 或 ModelScope 平台下载相应的模型权重，例如 Qwen-AgentWorld-35B-A3B 等版本。

Qwen-AgentWorld 的独特优势：引领未来的智能体训练

Qwen-AgentWorld 之所以能够在众多模型中脱颖而出，得益于其一系列核心优势：

• 首个原生多域语言世界模型：它从 CPT 阶段就将环境建模作为核心目标进行端到端的训练，而非对通用大语言模型进行事后适配，这使其在原生性和专业性上具有显著优势。
• 性能远超前沿基线：在 AgentWorldBench 这一权威评测基准上，其 397B-A17B 版本（得分 58.8）力压 Claude Opus 4.8（56.6）、GPT-5.4（58.2）、Gemini 3.1 Pro（54.6）、DeepSeek-V4-Pro（53.0）以及 Qwen3.6-Plus（50.8），展现了其领先的综合实力。
• 可扩展且可控的训练环境：无需部署昂贵的真实基础设施，即可实现回合级扩展的环境模拟。同时，它支持精确的扰动生成对抗样本，并且可控模拟的强化学习训练效果显著优于仅在真实环境中训练的 RL 方法。
• 跨域泛化与预热迁移能力：LWM（语言世界模型）训练的过程能够作为智能体的“预热”阶段，其能力可以迁移到七个不同的基准测试中（其中三个完全未出现在训练集中），在无需智能体任务 RL 微调的情况下，即展现出强大的泛化能力。
• 纯文本覆盖视觉环境的突破：通过将 GUI 域的状态表示为无障碍树/ HTML/ UI 层级标记，Qwen-AgentWorld 实现了纯文本世界建模对视觉交互环境的全面覆盖。

Qwen-AgentWorld 的应用前景：赋能千行百业

Qwen-AgentWorld 的出现，为人工智能的多个应用场景带来了性的机遇：

• 智能体训练基础设施的基石：它为 AI Agent 提供了一个低成本、高效率、可扩展且高度可控的虚拟训练场，极大地降低了智能体训练的门槛，替代了昂贵的沙箱和真实的 API 调用。
• 边缘案例与对抗测试的利器：能够生成现实世界中罕见的错误状态，如网络超时、权限拒绝、资源不足等，从而有效地测试和提升智能体的鲁棒性。
• 软件工程的得力助手：通过模拟代码执行、测试反馈以及 Git 操作结果，能够辅助开发者在实际操作前预演可能产生的后果，提高开发效率和代码质量。
• 自动化 UI 测试的革新者：模拟 Android、Web 或桌面应用的交互过程，预测点击或输入后的页面状态变化，为自动化测试脚本的生成提供了强大的支持。
• 工具调用与 MCP 生态的推动者：能够模拟 MCP 服务器的响应以及多工具链的编排过程，帮助开发者在无需部署真实服务的情况下，调试复杂的调用逻辑。