10 月 12 日，阿里千问发布 QwenGyre，一款面向超长程智能体任务的在线强化学习框架。 它本身不替用户干活，干的是"教模型干活"这件事——论文标题把定位写得直白：为训练超长程智能体而生的框架，一次执行可跨越数小时、数百轮模型与环境交互、单条轨迹逼近百万 token。 定位不重，但分量足：官方跑分实验里，在代码仓库生成基准 NL2RepoBench 上，以每次 rollout 约 70 万 token 的任务开展训练，48 步后模型通过率从 52.5% 提升至 58.5%。 换句话说，这类以前"训不动"的超长程任务，第一次成了有效的训练来源。OpenAI HubarXivIT之家
训练卡在系统上，而不是模型上
长程任务的难点不在智能体会不会做，而在做过的过程很难变成教材。QwenGyre 要解决的正是智能体训练中最棘手的两个问题：任务执行时间差异过大导致 GPU 空转，以及复杂交互产生大量难以直接利用的冗余轨迹。 传统同步方案像要求全组同时交差才能开会，最慢的任务决定所有人等待的时间；一条任务跑几小时，其余 GPU 只能干等。分支问题则相反：智能体一路试错、回滚、重复读文件，若把整段历史原样送进训练，数据和显存成本会随交互步数失控。OpenAI Hub
GPU 跟着任务进度流动，失败的尝试也能得分
QwenGyre 的第一招是让算力随任务进度流动：GPU 被分成多个计算单元，每结束一批任务，空出的单元就转入训练，还在跑的任务完全不受打扰，进度和状态原地保留，算过的缓存整体搬走、不必重来。 第二招管数据：通过 Token-in Token-out 记录每段输出生成时的真实上下文，按共享前缀组织成轨迹树，只把被选中的路径展开为训练样本，大量试错分支不再以同等成本挤进训练。 超时但只完成一部分的任务，还能靠 Partial Scoring 提供阶段性反馈——一次几小时的执行，不会因为最后一步失败就整条作废。IT之家CCTest
落到跑分上，相同 GPU 预算下，QwenGyre 相对 Async 实现 1.78× 的端到端加速，训练分数与 Async、Colocate 接近，收益主要来自省掉等待和无效计算，而不是拿训练质量换吞吐。论文在多个训练数据域上还报告了相较 Colocate 和 Async 最高分别 1.85 倍和 1.78 倍的加速。 读数字时要分清两类口径：52.5% 到 58.5% 是模型在基准上任务表现的变化，1.85×、1.78× 是同等预算下的端到端训练效率，两者不能相加也不能互相替代；且都是论文实验设置下的结果，不是对所有超长程任务的普遍保证。调度粒度、缓存迁移开销和 Partial Scoring 的具体公式，官方均未披露，三项机制各自贡献多少也无法拆分。虎嗅
落地场景：三条被实验覆盖的任务链
官方没有公布产品化的落地清单，但跨任务验证覆盖的 NL2RepoBench、DeepSWE、TerminalBench 三类任务，已给出最有据可查的场景地图：在 Qwen3.6-122B 上，三类任务均获得端到端提速。 公开材料没有给出这三个基准分别对应的具体加速倍数，所以目前应把它们当作长程训练有效性被验证的证据，而不是横向性能排名。IT之家
用一句话搭出一个仓库。NL2RepoBench 对应的是把自然语言需求变成可运行完整代码仓库的任务链：读仓库结构、改多个文件、跑测试、修编译错误、回滚重来，成百上千轮才见结果。官方主实验的 6 个百分点通过率提升，就发生在这条链上，也是三个场景里证据最厚的一个。
在存量项目里做"大手术"。DeepSWE 验证的典型链路，是让 Coding Agent 自主修改代码、运行测试、定位报错、反复编译，再完成一次完整的软件工程任务。 这类任务难训的原因正是前述两个瓶颈的叠加：时长方差大、分支轨迹多，QwenGyre 提供的就是把它们纳入在线强化学习的底座。OpenAI Hub
以终端为轴心的端到端操作。TerminalBench 代表智能体在真实命令行环境里连续执行多步操作的任务族，验证说明弹性调度与轨迹处理对这类环境交互同样有效。三个场景放在一起看共性很清楚：单次执行以小时计、交互以百步计、成败取决于几十上百个中间步骤能否持续推进——这正是它们此前难以批量训练、此后有望降本的原因。
对用户而言，QwenGyre 的落地价值是间接的：训练成本越低，能自主工作数小时的编码、运维类智能体越可能走向产品化，这条新闻也因此被看作厂商竞争从模型能力转向长程智能体训练基础设施的标志。 至于训练出的模型何时进入哪款产品、框架本身是否会开放代码，官方暂未给出说法——其在更大规模集群上的调度边界，仍需要后续开源代码和更完整实验数据验证。 这两点值得作为普通用户接下来的观察信号。虎嗅OpenAI Hub
