什么值得买App下载 App ›
连续签到专享现金活动

阿里千问AgentWorld:1000万轨迹训练的原生语言世界模型,突破LLM环境交互天花板

01核心定位与技术创新
Qwen-AgentWorld是阿里千问团队于2026年6月24日正式发布的原生语言世界模型(Language World Model,LWM)。该模型被定位为智能体环境模拟的基础模型,旨在突破传统大语言模型在真实环境交互中的能力上限。与通用大模型的事后适配不同,Qwen-AgentWorld从预训练阶段便将环境建模作为核心训练目标,构建了从持续预训练(CPT)到监督微调(SFT)再到强化学习(RL)的完整训练闭环。据官方技术文档显示,模型基于超过1000万条真实环境交互轨迹进行训练,覆盖文本类与GUI类共七大智能体交互领域,实现了单一模型对多种环境类型的统一建模能力。123
02训练架构对比:三阶段范式 vs 事后适配
在训练架构层面,Qwen-AgentWorld采用了与传统通用大语言模型截然不同的技术路径。传统做法通常是在完成基础预训练后,通过后训练阶段补充环境理解能力;而Qwen-AgentWorld则将环境建模深度融入模型训练全流程,从CPT阶段起便确立为核心目标。

具体来看,三阶段训练遵循“CPT注入,SFT激活,RL精炼”的核心原则:CPT阶段通过学习超过1000万条真实环境交互轨迹及引入工业控制、网络安全、法律、医学、金融等领域的专业知识语料,向模型注入环境知识;SFT阶段采用带思维链的推理模式,激活模型的下一状态预测能力;RL阶段采用基于GSPO算法的训练,以混合奖励信号(基于评分准则的LLM评判器与基于规则的验证器)精炼输出质量,提升模拟的真实性。
345
对比维度传统事后适配做法Qwen-AgentWorld原生建模
训练起点通用LLM微调从CPT阶段即以环境建模为目标
训练流程仅SFT/RL阶段CPT→SFT→RL全流程贯通
环境知识注入数据增强方式预训练级别的知识内化
领域覆盖单一或少量领域七大领域统一于单一模型
知识内化程度表层适配深层结构化理解
03七大领域覆盖:文本类与GUI类环境对比
Qwen-AgentWorld将智能体交互场景拆分为两大类别、七个具体领域,形成了完整的跨模态环境覆盖能力。文本类环境包含四个领域:MCP(Model Context Protocol,工具调用协议)、Search(网络搜索交互)、Terminal(Linux终端命令执行)以及SWE(软件工程任务,如代码修复);GUI类环境涵盖三个领域:Web(网页浏览操作)、OS(桌面操作系统交互)和Android(移动端应用操作)。

这种设计突破了传统模型需要针对不同场景单独训练的局限。单一架构同时支持四大文本交互环境与三大图形界面环境,通过跨领域知识共享机制实现能力迁移。例如模型在未接触过的安卓应用测试中,仍能基于网页操作经验完成基础任务,验证了其跨模态理解与知识迁移能力。针对GUI类环境,技术文档显示环境观测以可渲染代码而非像素帧呈现,从而让纯文本世界建模也能覆盖视觉环境,降低了模型的输入复杂度。
346
  • MCP领域:Model Context Protocol工具调用交互,支持智能体协议层面的环境模拟
  • Search领域:网络搜索交互环境,覆盖搜索引擎查询与结果理解能力
  • Terminal领域:Linux终端命令执行模拟,支持命令行操作的预测与反馈
  • SWE领域:软件工程任务处理,涵盖代码生成、修复与调试等场景
  • Web领域:网页浏览与操作交互,覆盖HTML解析与用户界面操作
  • OS领域:桌面操作系统交互模拟,支持文件管理、系统操作等任务
  • Android领域:移动应用操作环境,覆盖APP交互与移动端特有操作
04模型规模与性能评测对比
Qwen-AgentWorld提供两种参数规模版本供不同场景选择:35B-A3B与397B-A17B。其中35B-A3B版本总参数350亿,激活参数约30亿,采用稀疏混合专家(MoE)架构,兼顾高效推理与卓越性能;397B-A17B版本总参数达3970亿,激活参数约170亿,是旗舰级大规模稀疏模型。

在性能评测方面,团队同步发布了AgentWorldBench评测基准。该基准覆盖七大核心领域,基于5个前沿模型(GPT-5.4、Claude Sonnet 4.6、Qwen3-Max等)在9个成熟评测集上的真实环境交互观测构建,每条测试样本均配备真实环境执行产生的观测数据。评估从格式规范(Format)、事实准确性(Factuality)、逻辑一致性(Consistency)、环境真实性(Realism)和输出质量(Quality)五个维度全面考察世界建模能力。
375
模型版本参数量激活参数AgentWorldBench总分特点定位
Qwen-AgentWorld-397B-A17B3970亿约170亿58.71旗舰版本,全面领先
Qwen-AgentWorld-35B-A3B350亿约30亿56.39轻量高效,性价均衡
GPT-5.4(对比基准)未公开未公开58.25国际顶尖模型
Claude Sonnet 4.6(对比基准)未公开未公开56.04同等规模对比
05世界建模赋能智能体的两种范式
研究团队通过两种互补范式探索世界建模如何增强通用智能体能力。

范式一为解耦的环境模拟器:将策略智能体与世界模型分离,Qwen-AgentWorld作为环境模拟器为智能体强化学习提供可扩展性与可控性。实验数据显示,该范式实现了四项关键突破:零样本环境泛化——模型成功模拟了训练数据中完全不存在的4000个OpenClaw环境,带来显著性能增益;可控模拟——通过自然语言指令对模拟器施加定向扰动(如间歇性API错误),可系统性暴露并训练智能体应对边缘情况,在MCPMark和WideSearch任务上分别带来+12.3和+16.3的提升;超越真实环境训练——使用可控模拟训练的智能体(F1: 50.3%)超越了使用真实搜索引擎训练的智能体(F1: 45.6%);虚构世界同样有效——在完全虚构但自洽的世界中训练的智能体,能够成功泛化至真实搜索任务,同时有效防止将模拟事实与真实世界知识混淆。

范式二为统一的智能体基础模型:将智能体决策与世界预测能力统一于单一模型,LWM训练将下一状态预测内化为一种元推理模式。该范式展现了突破性的跨任务泛化能力:仅经过单轮、非智能体任务的LWM RL预热训练,模型能力便可迁移到跨5个领域、7个基准的多轮工具调用智能体任务,且无需额外微调。在LWM训练完全未涉及的领域(如Claw、function-calling)上,模型也涌现出显著性能提升(最高+11.3),证实了其能力的可迁移性。
38
06开源生态与部署支持
Qwen-AgentWorld在发布时同步开源了模型权重、评测基准及完整代码。开发者可通过Hugging Face、ModelScope和GitHub平台获取全部资源。团队提供了基于SGLang和vLLM的部署指南,以及完整的AgentWorldBench评估流程。

在API使用方面,阿里云百炼支持行业标准协议,包括兼容OpenAI规范的聊天补全(chat completions)和响应(responses)API,以及兼容Anthropic的API接口,方便开发者快速集成到现有工作流中。原生上下文长度达262144 tokens,兼容主流推理后端框架。

轻量版35B-A3B模型支持本地部署,适合资源受限场景下的智能体开发与测试;旗舰版397B-A17B则面向需要大规模数据处理的企业级应用场景。两种规模版本均保持了跨领域知识迁移的核心能力,开发者可根据硬件条件与任务复杂度进行灵活选择。
359
07素材观点梳理与对比维度参考
综合多源素材信息,Qwen-AgentWorld的核心技术创新点可归纳为以下维度:

原生世界建模理念:区别于传统模型的事后适配做法,将环境建模作为预训练阶段的核心目标,贯穿CPT→SFT→RL全流程,实现预训练级别的知识内化。

七大领域统一架构:通过单一模型同时覆盖文本类(MCP、Search、Terminal、SWE)与GUI类(Web、OS、Android)环境,突破传统多模型分治的局限,支持跨领域知识迁移。

三阶段渐进训练:遵循"CPT注入,SFT激活,RL精炼"原则,通过超过1000万条真实轨迹数据构建环境感知能力,采用GSPO算法与混合奖励信号优化模拟质量。

双规模灵活选择:35B-A3B(轻量高效)与397B-A17B(旗舰性能)满足从边缘部署到企业级应用的不同需求。

评测基准与开源:AgentWorldBench提供五维度(格式、事实性、一致性、真实性、质量)综合评估,模型与工具链全面开源至主流AI社区。
13410

技术创新路径对比

Qwen-AgentWorld原生建模
  • 从CPT阶段即以环境建模为核心目标

  • 全流程贯通:CPT→SFT→RL

  • 预训练级别知识内化

  • 七大领域统一于单一架构

  • 跨领域知识迁移能力

传统事后适配做法
  • 通用LLM微调为起点

  • 仅SFT/RL阶段补充环境能力

  • 数据增强方式注入

  • 单一或少量领域覆盖

  • 领域间迁移能力有限

评论

评论区空态插画

当前文章无评论,是时候发表评论了