黄仁勋：AI 工厂取代数据中心，算力即电力
Qwen造出智能体练功房，谁先吃到红利摘要Qwen-AgentWorld 这次发出的，是把 MCP、搜索、终端、SWE、Android、Web 和 OS 七类环境统一装进一个语言世界模型里。它最有价值的地方，在于很多原本只能上真环境试错的训练和评测，终于有了一个更便宜、更可控的中间层。开头过去训练智能体，最烧钱的环节通常不在推理，而在反复摔真环境。环境一复杂，错误就会从答错一句话变成点错按钮、跑偏命令、写坏文件、把多轮任务做成事故。Qwen-AgentWorld 要解决的，就是先给 Agent 搭一个能反复练、还能故意加难度的训练场。正文训练链路被整个倒过来Qwen-AgentWorld 的关键句不在参数，而在“native language world model”。官方 GitHub 和技术报告把目标写得很直白：从 CPT 阶段开始，环境建模就被放进训练目标，后续不再依赖外挂式环境适配。这会直接改变很多团队的训练顺序。过去常见做法是先让模型学会回答，再补工具、补环境、补长链路。AgentWorld 把顺序倒过来：先学环境，再谈智能体。七域统一先改写 Agent 牌桌官方公开信息里，最有用的是训练和发布方式已经带出工程边界。发布项 官方公开信息 对开发者的实际含义发布时间 2026-06-24 已经给出可下模型与基准开源模型 Qwen-AgentWorld-35B-A3B 35B 总参数，3B 激活，适合先做验证上下文长度 256K 足够承接长链路环境状态与历史痕迹训练数据 超过 10M 真实交互轨迹 重点不在“会不会说”，而在“能不能预测环境下一步”统一域 MCP、Search、Terminal、SWE、Android、Web、OS 多环境 agent 不必各练一套世界观表里最有分量的，是“环境理解”被做成了可复用底座。对做 Agent 的团队来说，这比多涨一点 coding 分数更值钱。6 月 24 日之后，榜单只是外溢信号官方 README 给出的综合分已经足够亮眼：Qwen-AgentWorld-397B-A17B 在七域总分上拿到 58.71，略高于 GPT-5.4 的 58.25；开源的 35B-A3B 版本也比 Qwen3.5-35B-A3B 提高了 +8.66。
发布于 天津
分享
评论
赞
未登录
友善发言
评论
加载中
