阿里 PAI 团队发布并开源了AgenticQwen
阿里 PAI 团队发布并开源了专为工业级工具调用设计的小型智能体语言模型 AgenticQwen,包含 8B 和 30B-A3B 两个版本。该系列模型旨在解决工业应用中严格成本与延迟约束下的多步推理与工具使用难题。通过创新的「双数据飞轮」强化学习框架,AgenticQwen 在大幅降低推理成本的同时,实现了接近千亿参数大模型的智能体能力,目前已在内部类似 Manus 的生产系统中部署。
01核心机制:双数据飞轮强化学习
为解决传统合成数据同质化导致模型性能触顶的问题,AgenticQwen 引入了「双数据飞轮」训练机制。该方法通过多轮强化学习,自动生成难度递增的任务数据,从而提升模型在复杂场景下的决策能力。
双数据飞轮机制解析
推理飞轮
针对错误样本进行迭代优化
- 从模型的错题中自动生成更难的变体
- 通过学习错误持续提升任务难度
- 打破合成数据质量瓶颈
智能体飞轮
模拟真实复杂决策场景
- 将简单的线性工作流扩展为多分支行为树
- 引入约束、拒绝和对抗条件
- 更贴近工业级应用的复杂逻辑
02性能评测:小模型逼近大模型能力
在真实工具环境基准测试中,AgenticQwen 表现出了显著的性能提升。尤其是 AgenticQwen-8B 模型,其得分远超基础版 Qwen3-8B,并大幅缩小了与 Qwen3-235B 巨型模型的差距。
| 模型版本 | 参数量级 | 平均得分 (TAU-2 & BFCL-V4) | 性能表现对比 |
|---|---|---|---|
| AgenticQwen-8B | 8B | 47.4 | 远超基础版 Qwen3-8B (23.8) |
| AgenticQwen-30B-A3B | 3B (激活) | 50.2 | 逼近 Qwen3-235B (52.0) |
| Qwen3-235B | 235B | 52.0 | 大模型基准参考 |
各模型在真实工具环境基准中的得分对比
03应用落地与局限性
- 工业部署优势
已在内部类似 Manus 的生产系统中部署,端到端推理时间更短,显著降低了推理成本并提升了响应速度。 - 技术局限
受限于 40K 的原生上下文长度,论文坦言小模型在深层搜索任务上仍存在一定局限。
当前文章无评论,是时候发表评论了